PERBANDINGAN AKURASI HASIL KLASIFIKASI GAMBAR BERWARNA MENGGUNAKAN METODERNK-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM)

Pengklasifikasian gambar dalam jumlah besar sangat sulit dilakukan secara manual. Oleh karena itu, perlu dibangun sistem klasifikasi gambar yang akan diaplikasikan melalui komputer sebagai media yang akan mempercepat dan mempermudah kerja manusia. Pengekstraksian fitur-fitur gambar merupakan langkah awal dalam membangun sistem klasifikasi gambar. Fitur yang diekstrak meliputi fitur warna, tekstur, koetisien magnitudo fourier, dan koefisien discrete cosine transform (DCT). Fitur-fitur tersebut akan menjadi karakteristik setiap kelas yang akan digunakan untuk mengenali gambar lainnya. Fitur-fitur yang telah diekstrak diseleksi dengan menggunakan metode pemilihan fitur (feature selection) untuk memilih fitur-fitur yang terbaik yang akan digunakan dalam sistem klasifikasi. Gambar yang diklasifikasikan adalah corel dataset yang terdiri dan 10 (sepuluh) kelas. Metode pengklasifikasian yang digunakan pada penelitian ini adalah KNN (k-nearest neighbor) dan SVM (support vector machine). Tujuan penelitian ini adalah untuk membandiogkan akurasi (F_~) hasil klasifikasi gambar berwama mengguoakan metode KNN dan SVM Hasil penelitian menunjukkan bahwa akurasi (F/measure) klasifikasi gambar berwarna yang dihasilkan metode KNN sama baiknya dengan yang dihasilkan oleh metode SYM.Kata kunci: Klasifikasi, gambar.feature selection. KNN, SVM. FI'/IeQStUY