Klasifikasi Jenis Batuan Beku Melalui Citra Berwarna Dengan Menggunakan Metode Local Binary Pattern Dan K-Nearest Neighbor

Abstract

Batuan merupakan hasil dari pembentukan ilmiah. Dari proses pembentukannya, umumnya batuan dibagi menjadi tiga yaitu, batuan beku, batuan sedimen, dan batuan metamorf. Perlunya batuan – batuan ini diklasifikasikan selain tujuan edukasi atau keilmuan, adalah untuk tujuan seperti menyediakan data untuk dasar acuan komunikasi antara ahli geologi dengan engineer serta memperoleh data kuantitatif sebagai acuan untuk membuat kebijakan desain suatu proyek. Oleh karena itu, pada karya ilmiah ini penulis telah melakukan penelitian untuk membuat sistem yang dapat mempermudah ahli geologi untuk melakukan klasifikasi batuan, menggunakan metode Local Binary Pattern dan K-Nearest Neighbor. Dari hasil pengujian diperoleh nilai akurasi dari sistem. Dengan menggunakan metode ekstraksi Local Binary Pattern dengan ukuran blocksize = 1 diperoleh nilai akurasi sebesar 78,57% untuk data parallel nicol dan akurasi sebesar 71,3% untuk data cross nicol. Sedangkan proses klasifikasi K-NN aturan jarak paling baik yang digunakan adalah euclidean yang mengasilkan nilai akurasi terbaik 78,57% untuk data parallel nicol dan 71,3% untuk data cross nicol dengan paramater yang terbaik pada nilai K = 9.

Klasifikasi Jenis Buah Mangga dengan Metode Backpropagation

“…Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), dan blue (B). Ketiga warna tersebut dinamakan warna pokok (primaries), dan sering disingkat sebagai warna dasar RGB [12].…”

Local Binary Pattern untuk Pengenalan Jenis Daun Tanaman Obat menggunakan K-Nearest Neighbor

“…Salah satu metode ekstraksi fitur yang sering digunakan adalah Grey Level Co-Occurrence Matrix (GLCM), Ivarian Moment dan Local Binary Pattern, namun pada penelitian ini, metode ektraksi fitur yang akan digunakan adalahLocal Binary Pattern. Dikarenakan Local Binary Pattern merupakan metode yang paling akurat untuk identifikasi tekstur [4][5] [6].…”

“…Metode Local Binary Pattern diperkenalkan pertama kali oleh Ojala et al [4], [5], [6], dan merupakan salah satu metode ekstraksi fitur yang digunakan untuk mendapatkan fitur tekstur dari sebuah citra, cara kerja metode ini yaitu, dengan menjadikan satu piksel gambar sebagai threshold [4], [7]. Kemudian membandingkannya dengan tetangga dari piksel pada matrix 3x3 dengan nilai tengah matrix sebagai ambang pusat [4]. Dimana, jika nilai biner piksel pusat lebih besar dengan nilai disekelilingnya maka akan diberi nilai 1, sebaliknya jika nilai biner piksel pusat lebih kecil dengan nilai disekelilingnya maka akan diberi nilai 0 [4], [7], [12].…”

“…Kemudian membandingkannya dengan tetangga dari piksel pada matrix 3x3 dengan nilai tengah matrix sebagai ambang pusat [4]. Dimana, jika nilai biner piksel pusat lebih besar dengan nilai disekelilingnya maka akan diberi nilai 1, sebaliknya jika nilai biner piksel pusat lebih kecil dengan nilai disekelilingnya maka akan diberi nilai 0 [4], [7], [12]. Selanjutnya dari hasil uji biner yang di dapat dari perbandingan tersebut disimpan dalam array 8 bit yang diubah menjadi desimal untuk menggantikan nilai piksel pusat [7], [9].…”

“…Perhitungan metode Local Binary Pattern dapat pula di selesaikan dengan persamaan (3) dan persamaan (4) [4], [9] [10]. Local Binary Pattern disebut seragam jika memiliki paling banyak perpindahan dua bitwise dari 0 ke 1, atau sebaliknya, sehingga pola yang seragam memiliki pola tanpa perpindahan atau dua perpindahan.…”