Tinjauan Algoritma RoI (Region of Interest) Dengan Metode Pengambangan Otsu Dan Klasterisasi K-Mean; Hasil Dan Tantangannya

Penulis

  • Didit Widiyanto UPN Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v16i2.1961

Kata Kunci:

RoI, Region of Interest, Otsu, K-Mean

Abstrak

Akurasi sebuah klasifikasi citra ditentukan oleh pengklasifikasi.  Meskipun RoI (Region of Interest) tidak menentukan secara langsung akurasi, namun RoI menentukan lingkup klasifikasi citra.   Terdapat tiga algoritma yang dapat digunakan sebagai algoritma RoI yaitu; Balanced Histogram Thresholding (BHT), algoritma Otsu, dan algoritma klasterisasi K-Means.  Paper ini meninjau algoritma Otsu dan algoritma klasterisasi K-Means yang digunakan oleh lima peneliti.  Dari ke lima peneliti; tiga peneliti menerapkan algoritma Otsu dan dua peneliti menerapkan algoritma K-Means sebagai algoritma RoI. Setelah operasi RoI, ke lima peneliti menerapkan algoritma GLCM (Gray Level Co-occurance Matrix) sebagai pengekstraksi ciri tekstur.  Hasil ekstraksi ciri diklasifikasi dengan menggunakan berbagai pengklasifikasi antara lain SVM (Support Vector Machine), Naive Bayes, dan Decision Tree. Akhirnya dengan membandingkan hasil dari ke lima peneliti, akurasi tertinggi diperoleh sebesar 100% dengan pengklasifikasi SVM menggunakan algoritma Otsu sebagai algoritma RoI, dan akurasi terendah adalah sebesar52% yang menggunakan algoritma Otsu pada kanal S dari citra HSV (Hue, Saturation Value).

Biografi Penulis

Didit Widiyanto, UPN Veteran Jakarta

Jurusan Informatika

Fakultas Ilmu Komputer

UPN Veteran Jakarta

Kepangkatan : Lektor

Referensi

Anjos. (2008). “BI-LEVEL IMAGE THRESHOLDING - A Fast Method”, In Proceedings of the First International Conference on Bio-inspired Systems and Signal Processing, pages 70-76 DOI: 10.5220/0001064300700076

Otsu, Nobuyuki. (1979). “A Threshold Selection Method from Gray-Level Histograms”. IEEE Transactions on Systems, adn Cybernetics, vol. SMC-9, No. 1, January 1979

Lloyd. (1982). “Leat Squares Quantization in PCM”.IEEE Transactions on Information Theory.

FORGEY, E. W. (1965). “Cluster analysis of multivariate data: efficiency versus interpretability of classifications. Biometrics”, Vol. 21, 768–769.

Sheffi, Ramadhani. (2020). “Klasifikasi Penyakit Pengorok Tanaman Daun Pada Tanaman Manggis Menggunakan Metode Gray Level Co-occurrence Matrix dan Support Vector Machine”, Skripsi Mahasiswa Jurusan Informatika, UPN Veteran Jakarta.

Yunizar. (2020). “Identifikasi Keganasan Tumor Kulit pada Citra Dermoskopi dengan Metode Support Vector Machine”, Skripsi Mahasiswa Jurusan Informatika, UPN Veteran Jakarta.

Permatasari, Nadya. (2020). "Klasifikasi Rempah Rimpang Berdasarkan Ciri Warna RGB Dan Tekstur GLCM Menggunakan Algoritma Naive Bayes", Skripsi Mahasiswa Jurusan Informatika, UPN Veteran Jakarta.

Dilasari, Suci. (2020). "Perbandingan Metode Decision Tree Dengan Naive Bayes Dalam Klasifikasi Tumor Otak Citra MRI", Skripsi Mahasiswa Jurusan Informatika, UPN Veteran Jakarta.

Bunga, Maretta, (2020). “Klasifikasi Telur Ayam Omega-3 Menggunakan Metode Support Vector Machine”, Skripsi Mahasiswa Jurusan Informatika, UPN Veteran Jakarta.

Sheffi, Ramadhani. (2020). “Klasifikasi Penyakit Pengorok Tanaman Daun Pada Tanaman Manggis Menggunakan Metode Gray Level Co-occurrence Matrix dan Support Vector Machine”, Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 14 Agustus 2020, UPN Veteran Jakarta.

Yunizar. (2020). “Identifikasi Keganasan Tumor Kulit pada Citra Dermoskopi dengan Metode Support Vector Machine”. Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 14 Agustus 2020, UPN Veteran Jakarta.

Permatasari, Nadya. (2020). "Klasifikasi Rempah Rimpang Berdasarkan Ciri Warna RGB Dan Tekstur GLCM Menggunakan Algoritma Naive Bayes", Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 14 Agustus 2020, UPN Veteran Jakarta.

Dilasari, Suci. (2020). "Perbandingan Metode Decision Tree Dengan Naive Bayes Dalam Klasifikasi Tumor Otak Citra MRI", Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 14 Agustus 2020, UPN Veteran Jakarta.

Bunga, Maretta. (2020). “Klasifikasi Telur Ayam Omega-3 Menggunakan Metode Support Vector Machine”, Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 14 Agustus 2020, UPN Veteran Jakarta.

Unduhan

Diterbitkan

2020-08-31

Terbitan

Vol 16 No 2 (2020): Agustus 2020

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).