Ramadhani, Mirza (2018) Klasifikasi Ikan Menggunakan ORB-PCA dan KNN. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5116201004-Master_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Ikan memiliki bentuk dan ukuran tertentu yang berbeda antara ikan yang satu dengan yang lain. Permasalahan dalam mengenali jenis ikan lebih kompleks dibandingkan dengan mengenali wajah manusia. Perbedaan bentuk, warna, dan tekstur pada ikan lebih bervariasi dibandingkan manusia. Pengenalan jenis ikan pada umumnya masih dilakukan secara manual menggunakan pengamatan mata. Sehingga diperlukan adanya sistem yang dapat mengenali ikan secara otomatis. Penelitian sebelumnya juga sudah dapat mengenali jenis ikan namun sensitive terhadap berbagai transformasi atau deformasi dari sebuah objek, dan waktu komputasi yang tidak sedikit, sehingga kurang efektif untuk mengenali objek ikan.
Dalam Penelitian ini, kami mengusulkan metode untuk mendeteksi dan mengenali jenis objek ikan menggunakan metode ORB-PCA dan KNN. Pengaplikasian dari metode ORB diterapkan untuk ekstraksi fitur dari gambar yang diambil. PCA digunakan untuk mereduksi dimensionalitas dari citra. Kemudian hasil tersebut akan diklasifikasi menggunakan KNN untuk menentukan label kelas yang tepat dari input data ikan. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi klasifikasi sebesar 97.5%.
=============================================================================================================
Fish have a certain shape and size that differ between fish one with another. The problem of recognizing fish species is more complex than recognizing human faces. Differences in shapes, colors, and textures in fish are more varied than humans. The fish recognition of species in general is still done manually using eye observation. So that required a system that can recognize fish automatically. Previous research has also been able to recognize fish species but is sensitive to various transformations or deformations of an object, and computational time is not small, making it less effective to recognize fish.
In this study, we propose methods for detecting and recognizing fish object types using the ORB-PCA and KNN methods. The application of the ORB method is applied to feature extraction from captured images. PCA is used to reduce dimensionality of the image. Then the results will be classified using KNN to determine the exact class label of the fish data input. The experimental results showed that the proposed method reached classification accuracy by 97.5%.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 006.4 Ram k-1 3100018074941 |
| Uncontrolled Keywords: | deteksi ikan; pengenalan ikan; klasifikasi; ORB; PCA; KNN; fish detection; fish recognition; classification |
| Subjects: | Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics) 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: | Mirza Ramadhani |
| Date Deposited: | 06 Mar 2018 04:16 |
| Last Modified: | 31 Aug 2020 07:31 |
| URI: | http://repository.its.ac.id/id/eprint/50357 |
Actions (login required)
 |
View Item |