Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Teknologi Informasi Komunikasi dan Industri
Fikri Utri Amri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMPLEMENTASI METODE SEGMENTASI DAN LVQ UNTUK IDENTIFIKASI CITRA DAGING SAPI DAN BABI Jasril Jasril; Lestari Handayani; Elvia Budianita; Fikri Utri Amri
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1039.897 KB)

Abstract

Tingginya permintaan daging sapi menjadi celah bagi pedagang nakal untuk melakukan pencampuran daging sapi dengan daging babi (oplosan). Hal ini sangat merugikan konsumen khususnya umat  muslim yang diharamkan mengkonsumsi daging babi. Pada penelitian ini dibangun system pengolahan citra untuk mengidentifikasi daging sapi dan babi.Terdapat dua tahapan dalam proses identifikasi yaitu tahap pelatihan (training) dan pengujian (testing). Pengambilan data latih dan uji (citradaging) menggunakan 3 jenis kamera yaitu kamera DSLR Canon EOS 70D, CAMDIG Sony DSC-W810 dan HP Lenovo A369i. Proses  identifikasi dimulai dengan melakukan segmentasi citra menggunakan metode Spatial Fuzzy C-Means untuk memisahkan objek (daging) dan background. Setelah diperoleh objek kemudian dilakukan  proses  ekstraksi ciri warna menggunakan metode HSV dan ciri tekstur dengan GLCM. Berdasarkan nilai hasil ekstrasi ciri warna (HSV) dan tekstur (GLCM), dilakukan proses klasifikasi menggunakan Learning Vector Quatization (LVQ). Data yang digunakan sebanyak 65 dengan dua variasi yaitu pertama jumlah data latih 50 dan data uji 15 serta jumlah data latih 30 dan data uji 15. Pengujian dilakukan dengan berbagai learning rate (α) yaitu 0.03, 0.05, 0.075 dan 0.1. Hasil pengujian memperlihatkan sistem yang dibangun dapat mengenali citra daging sapi dan citra daging babi dengan persentase nilai akurasi tertinggi 80 % dengan nilai learning rate (α) 0.1 dan jumlah data latih 30, nilai minimal learning rate (Mina) yang digunakan adalah 0,01 dan nilai pengurangan α adalah 0,1.
Co-Authors Elvia Budianita Jasril Jasril