IMPLEMENTASI METODE SEGMENTASI DAN LVQ UNTUK IDENTIFIKASI CITRA DAGING SAPI DAN BABI
Abstract
Tingginya permintaan daging sapi menjadi celah bagi pedagang nakal untuk melakukan pencampuran daging sapi dengan daging babi (oplosan). Hal ini sangat merugikan konsumen khususnya umat muslim yang diharamkan mengkonsumsi daging babi. Pada penelitian ini dibangun system pengolahan citra untuk mengidentifikasi daging sapi dan babi.Terdapat dua tahapan dalam proses identifikasi yaitu tahap pelatihan (training) dan pengujian (testing). Pengambilan data latih dan uji (citradaging) menggunakan 3 jenis kamera yaitu kamera DSLR Canon EOS 70D, CAMDIG Sony DSC-W810 dan HP Lenovo A369i. Proses identifikasi dimulai dengan melakukan segmentasi citra menggunakan metode Spatial Fuzzy C-Means untuk memisahkan objek (daging) dan background. Setelah diperoleh objek kemudian dilakukan proses ekstraksi ciri warna menggunakan metode HSV dan ciri tekstur dengan GLCM. Berdasarkan nilai hasil ekstrasi ciri warna (HSV) dan tekstur (GLCM), dilakukan proses klasifikasi menggunakan Learning Vector Quatization (LVQ). Data yang digunakan sebanyak 65 dengan dua variasi yaitu pertama jumlah data latih 50 dan data uji 15 serta jumlah data latih 30 dan data uji 15. Pengujian dilakukan dengan berbagai learning rate (α) yaitu 0.03, 0.05, 0.075 dan 0.1. Hasil pengujian memperlihatkan sistem yang dibangun dapat mengenali citra daging sapi dan citra daging babi dengan persentase nilai akurasi tertinggi 80 % dengan nilai learning rate (α) 0.1 dan jumlah data latih 30, nilai minimal learning rate (Mina) yang digunakan adalah 0,01 dan nilai pengurangan α adalah 0,1.
Full Text:
PDFReferences
A.G, S., & S, D. (2015). Spatial fuzzy C-means Clustering based Segmentation on CT Images. IEEE SPONSORED 2ND INTERNATIONAL CONFERENCE ON ELECTRONICS AND COMMUNICATION SYSTEMS(ICECS), 414-417.
Acharya, T., & Ray, A. K. (2005). Image Processing Principles and Applications. Canada.
Adnyana, I. M. (2015). Segmentasi citra berbasis clustering menggunakan algoritma fuzzy c-means dan cat swarm optimization. Tesis.
Angkoso, C. V., Nurtanio, I., Purnama, I. K., & Purnomo, M. H. (2011). Analisa Tekstur Untuk Membedakan Kista Dan Tumor Pada Citra Panoramik Rahang Gigi Manusia. Seminar On Intelligent Technology And Its Applications ISSN 2088-4796.
Cahyana, M. S. (2015). Jaringan Saraf Tiruan LVQ (Learning Vektor Quantization) Dalam Mengidentifikasi Citra Daging Babi dan Daging Sapi. Skripsi Teknik Informatika Universitas Islam Negeri Sultan Syarif Kasim Riau.
Elvianti (2014). Penerapan Metode Modified K-Nearest Neighbour (MK-NN) untuk Klasifikasi Penderita Penyakit Liver. Skripsi Teknik Informatika Universitas Islam Negeri Sultan Syarif Kasim Riau.
Depatemen Agama RI. Mushaf Al-Quran Terjemah. Jakarta : Al Huda Kelompok Gema Insani. 2005.
Ding, Z., Sun, J., & Zhang, Y. (2013). FCM Image Segmentation Algorithm Based on Color Space and Spatial Information. International Journal of Computer and Communication Engineering, Vol. 2, No. 1, 48-51.
Fattah, D. (2015). Identifikasi Citra Daging Sapi dan Babi Menggunakan Ekstraksi Fitur HSV Dan Filter Gabor Dengan Klasifikasi Probabilistic Neural Network. Skripsi Teknik Informatika Universitas Islam Negeri Sultan Syarif Kasim.
Herbana, V. V. (2014). Klasifikasi Perbedaan Citra Daging Babi Dengan Daging Sapi Menggunakan Algoritma K-Nearest Neighbor. Skripsi Teknik Informatika Universitas Islam Negeri Sultan Syarif Kasim.
Hermawati, F. A. (2013). Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI.
IPB, S. C. (2010, Agustus 26). Mengenal Beda Daging Sapi & Daging Babi. Dipetik 11 4, 2015, dari Seafast Center IPB: https://seafast.ipb.ac.id/
Kadir, A., & Susanto, A. (2013). Teori dan Aplikasi Pengolahan Citra. Yokyakarta: Andi.
Kiswanto. (2012). Identifikasi Citra Untuk Mengidentifikasi Jenis Daging Sapi Dengan Menggunakan Transformasi Wavelet Haar. Tesis Magister Sistem Informasi Universitas Diponegoro Semarang.
Listia, R., & Harjoko, A. (2014). Klasifikasi Massa pada Citra Mammogram Berdasarkan Gray Level Cooccurence Matrix (GLCM). IJCCS, Vol.8, No.1, 59-68.
Mahdi, D. S., & Mahmood, R. S. (2014). MR Brain Image Segmentation Using Spatial Fuzzy C- Means Clustering Algorithm. Journal of Engineering, 78-89.
Munir, R. (2004). Pengolahan Citra Digital. Bandung: Informatika.
Nasution, A. S. (2015). Penerapan Algoritma Modified K-Nearest Neighbour (MKNN) Untuk Pengklasifikasian Penyakit Attention Deficit Hiperactive Disorder (ADHD) Pada Anak. Informasi dan Teknologi Ilmiah (INTI).
Oktaviani, R. (2015). Operasi-operasi Dasar Pengolahan Citra Digital. Ilmu Komputer.Com.
Parvin, H., Alizadeh, H., & Minati, B. (2010). A Modification on K-Nearest Neighbor Classifier. Global Journal of Computer Science and Technology, 37-41.
Prasetyo, E. (2012). Data Mining-Konsep dan Aplikasi menggunakan MATLAB. Yogyakarta: Penerbit ANDI.
RRI. (2014, 10 26). Dipetik 11 3, 2015, dari Radio republik indonesia: http://www.rri.co.id
Sasongko Wibowo, J. (2011). Deteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV. Jurnal Teknologi Informasi DINAMIK Volume 16 ISSN : 0854¬9524, 118-123.
Zainuddin, b. P., Nurul Hidayat, S. M., & Arief Andy Soebroto, S. M. (2013). Penerapan Algoritma Modified K-Nearest Neighbour (M-KNN) Pada Pengklasifikasian Penyakit Tanaman Kedelai.
Refbacks
- There are currently no refbacks.
FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id