KLASIFIKASI JENIS WARNA DOKUMEN BERDASARKAN MOMEN WARNA MENGGUNAKAN METODE K-NEAREST NEIGHBOURS (KNN) (STUDI KASUS : PUSAKA HIMATIF)
Article Sidebar
Momen Warna,
K-Nearest Neighbours,
HSV
Main Article Content
Abstract
Mencetak dokumen fisik masih menjadi kebutuhan penting dalam berbagai kegiatan meskipun era digital terus berkembang. Pusaka Himatif menghadapi tantangan dalam proses manual pengecekan warna dokumen yang tidak efisien dan rentan terhadap human error. Warna dokumen dibedakan menjadi "Hitam Putih", "Warna Rendah", atau "Warna Tinggi", yang masing-masing memiliki perbedaan intensitas warna di dalamnya. Penelitian ini mengusulkan solusi teknologi pengolahan citra digital untuk mengklasifikasikan jenis warna dokumen berdasarkan momen warna menggunakan metode K-Nearest Neighbours (KNN). Metode ekstraksi fitur warna yang digunakan meliputi momen warna mean, standar deviasi, dan skewness dalam ruang warna HSV. Data warna yang diekstraksi kemudian diklasifikasikan menggunakan metode KNN. Hasil penelitian menunjukkan bahwa metode ekstraksi fitur momen warna pada ruang warna HSV, efektif dalam menganalisis citra dokumen berdasarkan warnanya. Metode KNN berhasil mengklasifikasikan jenis warna dokumen dengan tingkat akurasi 91,11%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
I. Two Sides North America, “PRINT AND PAPER IN A DIGITAL WORLD KEY FINDINGS FROM THE US SURVEY,” 2017. [Online]. Available: www.twosidesna.org
R. N. Situmorang, “KLASIFIKASI KESEGARAN IKAN BERDASARKAN EKSTRAKSI FITUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN HUE SATURATION VALUE,” 2021.
Noah Keen, “Color Moments,” 2005.
M. Ezar, A. Rivan, U. Bina, I. Lubuklinggau, M. Arman, and W. Kennedy, “PENENTUAN KUALITAS BUAH PEPAYA CALIFORNIA MENGGUNAKAN METODE K-NN,” 2021.
A. D. Ismail, D. Erwanto, and I. Yanuartanti, “KLASIFIKASI KEMATANGAN DAUN TEMBAKAU VIRGINIA MENGGUNAKAN PENGOLAH CITRA DIGITAL,” Jurnal ELKON, vol. 3, no. 1, pp. 2809–140, 2023.
S. P. Adenugraha, V. Arinal, and D. I. Mulyana, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 9, Jan. 2022, doi: 10.30865/mib.v6i1.3287.
M. Franch, R. Gozali, and A. Mahmud Husein, “Identification of Banana Types with the Least-Squares Support Vector Machine (LS-SVM) Method,” 2022, doi: 10.32996/jmcie.
A. Wibowo, D. M. C. Hermanto, K. I. Lestari, and H. Wijoyo, “Deteksi Kematangan Buah Jambu Kristal Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna Hsv (Hue Saturation Value) Dan K-Nearest Neighbor,” INCODING: Journal of Informatics and Computer Science Engineering, vol. 1, no. 2, pp. 76–88, Oct. 2021, doi: 10.34007/incoding.v2i1.131.
M. F. Wibawa, M. A. Rahman, and A. W. Widodo, “Penerapan Ruang Warna HSV dan Ekstraksi Fitur Tekstur Local Binary Pattern untuk Tingkat Kematangan Sangrai Biji Kopi,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id
D. T. Anggraeni, “Perbaikan Citra Dokumen Hasil Pindai Menggunakan Metode Simple, Adaptive-Gaussian, dan Otsu Binarization Thresholding,” EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi, vol. 11, no. 2, p. 71, Dec. 2021, doi: 10.36448/expert.v11i2.2170.
R. Rismanto, A. Prasetyo, and D. A. Irawati, “Optimalisasi Image Thresholding pada Optical Character Recognition Pada Sistem Digitalisasi dan Pencarian Dokumen,” PETIR, vol. 13, no. 1, pp. 1–11, Mar. 2020, doi: 10.33322/petir.v13i1.659.
P. Li et al., “SelfDoc: Self-Supervised Document Representation Learning,” 2021.
A. R. Smith, “Color Gamut Transform Pairs,” IEEE Computer Society Press, 1978.
R. E. F. Rizarta, “IMPLEMENTASI K-NEAREST NEIGHBOR DAN EUCLIDEAN DISTANCE UNTUK APLIKASI PENGENALAN CITRA RAMBU LALU LINTAS,” 2019.
I. T. Prayudha, H. Prayitno, F. Rizqullah Bagaskara, and S. Agustin, “Klasifikasi Jenis Warna Dokumen Berdasarkan Ruang Warna Cymk Menggunakan Metode K-Means Clustering,” vol. 02, no. 02, 2024.