Optimalisasi Deteksi Citra Kupu-Kupu Menggunakan Ekstraksi Fitur Warna, Fitur Tekstur dan Fitur Bentuk

Kartika, Dhian Satria Yudha (2017) Optimalisasi Deteksi Citra Kupu-Kupu Menggunakan Ekstraksi Fitur Warna, Fitur Tekstur dan Fitur Bentuk. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5115201042-Master_Thesis.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Penelitian dalam bidang pengolahan citra berkembang pesat, seiring berkembangnya informasi yang bisa diperoleh dan dimunculkan kembali pada citra. Pengolahan citra banyak dikembangkan dalam berbagai bidang, misalnya kesehatan, pertanian, kesenian, aneka ragam hayati dll. Salah satu penelitian yang berkembang adalah pengklasifikasikan jenis serangga yaitu kupu-kupu. Pada penelitian ini, kupu-kupu dijadikan dataset karena mempunyai pola tekstur yang unik dan warna serta bentuk yang beragam. Berbagai metode dikembangkan untuk mengambil informasi pada citra kupu-kupu melalui ekstraksi fitur tekstur, ekstraksi fitur bentuk dan ekstraksi fitur warna. Oleh sebab itu pada penelitian ini akan diusulkan sebuah penggabungan hasil ekstraksi dari ketiga metode diantaranya metode ekstraksi fitur warna, ekstraksi fitur bentuk dan ekstraksi ciri tekstur. Ekstraksi dilakukan terhadap 890 dataset kupu-kupu yang dibagi menjadi 10 kelas. Proses ekstraksi fitur warna menggunakan metode RGB menjadi HSV color space selanjutnya ditambahkan color quantization untuk mempercepat proses komputasi tanpa mengurangi informasi. Proses ekstraksi ciri tekstur menggunakan metode Local Binary Pattern yang mempunyai kelebihan invariant terhadap rotasi (LBPROT), untuk ekstraksi bentuk menggunakan regionprops. Penggabungan hasil ketiga ekstraksi fitur tersebut selanjutnya dilakukan proses klasifikasi menggunakan metode Support Vector Machine (SVM). Hasil pengujian menunjukkan nilai akurasi sebesar 75 %, sedangkan nilai precision, recall dan f-measure masing-masing sebesar 76,4 untuk precission, dan 75 untuk recall serta 75,5 untuk f-measure. ========================================================================================== Research in the field of image processing is growing rapidly, along with the development of information that can be obtained and reappeared in the image. Image processing is widely developed in various fields, such as health, agriculture, arts, biodiversity etc. One of the growing researches is classifying the type of insect that is a butterfly. In this study, the butterfly is used as a dataset because it has a unique texture pattern and various colors and shapes. Several methods for retrieving information on butterfly imagery through feature texture extraction, feature extraction, and color feature extraction. Therefore in this study will combine a merging of extraction results from vocational methods. Extraction was performed on 890 butterfly data sets divided into 10 classes. Color feature extraction process using RGB method into HSV color space further added color quantization to speed up the computation process without reducing. Local Binary Patterns methods that have a rotational excess invariant (LBPROT), for form extraction using the region props. Merging the results of the third feature extraction is then performed using the method of Support Vector Machine (SVM). The test results show a 75% accuracy value, while the precision, recall, and f-measure are 76,4 for precision and 75 for recall and 75,5 for f-measure respectively.

Item Type: Thesis (Masters)
Uncontrolled Keywords: HSV color space, pengolahan citra, color quantization, local binary pattern, klasifikasi, citra kupu-kupu , image processing, classification, butterfly image
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: Dhian Satria Yudha Kartika
Date Deposited: 03 Oct 2017 04:59
Last Modified: 03 Jan 2018 03:38
URI: http://repository.its.ac.id/id/eprint/43885

Actions (login required)

View Item View Item