@phdthesis{katalog1645,
           month = {July},
           title = {SISTEM PENGENALAN CITRA KOIN GAME MENGGUNAKAN FITUR GLCM DENGAN METODE KNN},
          author = {Tirta Anta Graha Sidharta 71110001},
            year = {2017},
          school = {Universitas Kristen Duta Wacana},
             url = {https://katalog.ukdw.ac.id/1645/},
        keywords = {Koin Game, Gray Level Co-ocurency Matrix, K-nearest neighbor},
        abstract = {Untuk memainkan permainan pada mesin permainan dibutuhkan koin khusus mesin permainan untuk bisa menggunakan mesin tersebut. Mesin permainan masih belum dapat membedakan membedakan jenis koin yang sesuai dengan mesin tersebut. Pada penelitian ini dirancang sebuah program pengenalan koin game menggunakan fitur Gray Level Co-ocurency Matrix (GLCM) dengan metode K-nearest neighbor (KNN).. Penelitian ini menggunakan tiga jenis koin game yaitu koin Amazon, koin Timezone, dan koin Game fantasia. Tiap koin memiliki 15 sampel data atau data latih dan 30 data uji. Pada penelitian ini pengujian dilakukan tiga kali dengan proses preprocessing yang berbeda. Proses pertama yaitu resize dan grayscale, proses yang kedua resize,grayscale dan Gaussian blur, dan yang ketiga adalah resize, grayscale, dan dilasi. Kemudian diekstraksi cirinya menggunakan metode GLCM dan di klasifikasi dengan metode KNN. Berdasarkan 90 sample data yang terdiri dari 30 koin Amazon, 30 koin Timezone, dan 30 koin Game fantasia menghasilkan tingkat keberhasilan rata-rata pengujian dengan preprocessing resize dan grayscale adalah 61,8\% menggunakan 45 data latih dan 74,4\% dengan menggunakan 270 data latih, rata-rata pengujian dengan preprocessing resize, grayscale dan Gaussian blur adalah 71,8\% menggunakan 45 data latih dan 84,7\% dengan menggunakan 270 data latih, dan rata-rata pengujian dengan preprocessing resize, grayscale dan dilasi adalah adalah 55,5\% menggunakan 45 data latih dan 57,3\% dengan menggunakan 270 data latih.}
}