Identifikasi Ular Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Histogram
Abstract
Welang and Weling snakes are types of snakes that have a similar physique and have dangerous venom. Apart from that, there is the Banded Wolf Snake (Lycodon Subcinctus) which is said to be similar to the Weling (Bungarus Candidus) but is not venomous and the Sea Snake (Laticauda Colubrina) which is similar to the Welang (Bungarus Fasciatus). The similarity of this type of snake can be seen from the snake's body motif, such as black and white or black and gold stripes. Therefore, tests were carried out using 2 different methods to prove the similarity of the four types of snakes. This research uses the Gray Level Co-Occurrence Matrix (GLCM) method and the Histogram method on snake images. The GLCM features used for extraction are Contrast, Energy, Correlation, Homogeneity and Entropy. Histogram features used are mean, variance, standard deviation, skewness and entropy. Tests carried out with 100 data obtained the highest average accuracy results using the GLCM method of 97.75% with a value of K = 1, while using the Histogram method obtained the highest average accuracy value of 100% with a value of k = 1.
Key Word: Snake; Gray Level Co-Occurrence Matrix (GLCM); Histogram
Abstrak
Ular Welang dan Weling merupakan jenis ular yang memiliki fisik yang mirip serta memiliki bisa yang berbahaya. Selain itu, ada Banded Wolf Snake (Lycodon Subcinctus) yang disebut mirip dengan Weling (Bungarus Candidus) namun tidak berbisa dan Sea Snake (Laticauda Colubrina) yang mirip dengan Welang (Bungarus Fasciatus). Kemiripan dari jenis ular ini dilihat dari motif tubuh ular seperti belang hitam putih atau hitam emas. Oleh karena itu, dilakukan pengujian menggunakan 2 metode berbeda untuk membuktikan kemiripan empat jenis ular tersebut. Penelitian ini menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan metode Histogram pada citra ular. Fitur GLCM yang digunakan untuk ekstraksi adalah Contrast, Energy, Correlation, Homogeneity dan Entropy. Fitur Histogram yang digunakan adalah mean, variance, standar deviasi, skewness dan entropy. Pengujian yang dilakukan dengan 100 data mendapatkan hasil akurasi rata-rata tertinggi pada metode GLCM adalah sebesar 97,75% dengan nilai K = 1 sedangkan menggunakan metode Histogram mendapat nilai akurasi rata- rata tertinggi sebesar 100% dengan nilai k=1.
Keywords
References
A. D. Raharjo and L. Hakim, “Diversity of Snakes in Rajegwesi Tourism Area, Meru Betiri National Park,” J. Indones. Tour. Dev. Stud., vol. 3, no. 1, pp. 37–40, 2015, doi: 10.21776/ub.jitode.2015.003.01.06.
I. H. Kim et al., “Phylogenetic relationships of three representative sea krait species (genus Laticauda; elapidae; serpentes) based on 13 mitochondrial genes,” Mitochondrial DNA Part A DNA Mapping, Seq. Anal., vol. 29, no. 5, pp. 772-777, 2018, doi: 10.1080/24701394.2017.1357710.
A. A. Kasim, “Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co- Occurrence Matrices ( GLCM )” in Seminar Nasional Aplikasi Teknologi Informasi, Yogyakarta, 7–13, 21 Juni, 2014.
A. C. Siregar and B. C. Octariadi, “Perbandingan Metode Jaringan Syaraf Tiruan Pada Klasifikasi Motif Kain Tenun Sambas,” Cybernetics, vol. 4, no. 02, pp. 109-120, 2021, doi: 10.29406/cbn.v4i02.2489.
D. U. Dewangga, A. Adiwijaya, and D. Q. Utama, “Identifikasi Citra berdasarkan Gigitan Ular menggunakan Metode Active Contour Model dan Support Vector Machine,” J. Media Inform. Budidarma, vol. 3, no. 4, pp. 299-306, 2019, doi: 10.30865/mib.v3i4.1409.
M. Ramadhani and H. K. Bethaningtyas Dyah, “Klasifikasi Jenis Jerawat Berdasarkan Tekstur Dengan Menggunakan Metode Glcm Acne Classification Based on Texture Using Glcm Method,” e-Proceeding Eng., vol. 5, no. 1, pp. 870–876, 2018.
C. J. Cakravania and D. Q. Utama, “Klasifikasi Bekas Gigitan Ular Menggunakan Active Contour Model dan K Nearest Neighbor,” vol. 6, no. 2, pp. 9042–9052, 2019.
M. Nasir, “Pengenalan Motif Kain Songket Berdasarkan Tekstur Menggunakan Metode Gray Level Co-Occurrence Matrix ( GLCM ),” vol. 1, no. 1,pp. 31-37, 2021.
A. W. Widodo and O. M. Luthfi, “Klasifikasi Genus Karang Keras (Scleractinia) dengan Metode Gray Level Co-Occurrence Matrix Image Processing and Computer Vision View project Master Theses View project,” vol. 3, no. 2, pp. 5397-5405, 2019.
R. Andrian, D. Maharani, M. A. Muhammad, and A. Junaidi, “Butterfly identification using gray level co-occurrence matrix (Glcm) extraction feature and k-nearest neighbor (knn) classification,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 6, no. 1, pp. 11–21, 2020, doi: 10.26594/register.v6i1.1602.
D. S. Yudha, R. Eprilurahman, M. F. Hilmi, I. A. Muhtianda, and A. Arimbi, “Ular Welang, Bungarus fasciatus (Schneider, 1801), di Lereng Selatan Gunung Merapi, Daerah lstimewa Yogyakarta,” Biosf. a Sci. J., vol. 30, no. 3, pp. 113–118, 2013.
I. G. P. Ayunda Pratiska, I. B. M. Suaskara, J. Wiryatno, and I. G. Agus Pradana Putra, “Inventarisasi Jenis – Jenis Ular Yang Ditemukan Di Sekitar Pantai Merta Sari Dan Padang Galak,” SIMBIOSIS J. Biol. Sci., vol. 5, no. 2, pp. 69-72, 2017, doi: 10.24843/jsimbiosis.2017.v05.i02.p07.
E. Alvansga, “Pengenalan Tekstur Menggunakan Metode Glcm Serta Modul Nirkabel,” Comput. J., Skripsi, Program Studi Teknik Elektro, Universitas Sanata Dharma, Yogyakarta, 2019.
O. Marques, Practical Image and Video Processing Using MATLAB. New Jersey: John Wiley & Sons, Inc., 2011.
M. T. Heru Dibyo Laksono and M. . Reri Afrianita, Pemrograman Matlab. Yogyakarta: Teknosain, 2016.
Yuhandri, “Perbandingan Metode Cropping pada Sebuah Citra untuk Pengambilan Motif Tertentu pada Kain Songket Sumatera Barat,” J. KomtekInfo, vol. 6, no. 1, pp. 97–107, 2019, doi: 10.35134/komtekinfo.v6i1.45.
M. T. DR.Arif Muntasa, S.Si., Pengenalan Pola. Yogyakarta: Graha Ilmu, 2015.
S. Ratna Sulistiyanti, F. A. Setyawan, and M. Komariudin, Pengolahan Citra Dasar dan Contoh Penerapannya, PERTAMA. Yogyakarta: Teknosain, 2016.
R. Rudi and D. Avianto, “Implementasi Ekstraksi Ciri Histogram dan K-Nearest Neighbor untuk Klasifikasi Jenis Tanah di Kota Banjar, Jawa Barat,” J. Buana Inform., vol. 10, no. 2, pp. 85-98 , 2019, doi: 10.24002/jbi.v10i2.2141.
Y. Widyaningsih, G. P. Arum, and K. Prawira, “Aplikasi K-Fold Cross Validation Dalam Penentuan Model Regresi Binomial Negatif Terbaik,” BAREKENG J.Ilmu Mat. dan Terap., vol. 15, no. 2, pp. 315–322, Jun. 2021, doi: 10.30598/barekengvol15iss2pp315-322.
T. Yulianti, M. Telaumbanua, H. D. Septama, H. Fitriawan, and A. Yudamson, “Pengaruh Seleksi Fitur Citra Terhadap Klasifikasi Tingkat Kesegaran Daging Sapi Lokal,” J. Tek. Pertan. Lampung (Journal Agric. Eng., vol. 10, no. 1, pp. 85-95, Mar. 2021, doi: 10.23960/jtep-l.v10i1.85-95.
S. Cahyani, R. Wiryasaputra, and R. Gustriansyah, “Identifikasi Huruf Kapital Tulisan Tangan Menggunakan Linear Discriminant Analysis dan Euclidean Distance,” J. Sist. Inf. BISNIS, vol. 8, no. 1, pp. 57-67, Apr. 2018, doi: 10.21456/vol8iss1pp57-67.
J. P. Jose, P. Poornima, and K. M. Kumar, “A novel method for color face recognition using KNN classifier,” in 2012 International Conference on Computing, Communication and Applications, India, 1-3, 22-24 Februari, 2012.
N. Ahmad and A. Alhamad, “Penerapan Metode Glcm (Gray Level Co-Occurrence Matrix) Untuk Reduksi Ciri Pada Pengenalan Ekspresi Wajah,” J. Nas. cosPhi, vol. 3, no. 2, pp. 2597–9329, 2019.
How To Cite This :
Refbacks
- There are currently no refbacks.
