DETEKSI CITRA DIGITAL MENGGUNAKAN ALGORITMA CNN DENGAN MODEL NORMALISASI RGB
DOI:
https://doi.org/10.24076/intechnojournal.2020v2i2.1545Keywords:
mendeteksi objek, citra digital ,normalisasi rgb, CNNAbstract
Pengolahan citra digital ialah usaha untuk melakukan perubahan sebuah citra objek berupa gambar atau video menjadi citra obyek lainnya. Citra yang dimaksud berupa objek yang berupa citra gambar yang berasal dari sensor vision atau alat tangkap gambar berupa kamera. Banyak penelitian yang dilakukan untuk memproses pengolahan citra digital. Penelitian sebelum-sebelumnya menggunakan bermacam - macam metode untuk pengujian citra digital. Salah satunya adalah penggunaan metode naïve bayes dan Learning Vector Quantization atau disingkat LVQ. Penelitian menggunakan metode naïve bayes mendapatkan akurasi sekitar 80%. Sedangkan dengan LVQ didapatkan presentase akurasi sebesar 83,5%. Pada penelitian dengan menggunakan metode CNN di dapatkan rata-rata akurasi dengan beberapa kali pengulangan percobaan sebesar 90%. Berarti bahwa penelitian dengan metode CNN meningkatkan tingkat akurasi yang didapat dari penelitian - penelitian sebelumnya. Diharapkan pada penelitian berikutnya disarankan menggunakan metode dan model yang lain, supaya didapat hasil yang lebih baik
References
F. Y. M. K. S. Saragih, "IJCCS," Klasifikasi Belimbing Menggunakan Naïve Bayes Berdasarkan Fitur Warna RGB, no. 11, pp. 99-108, 2017.
A. N. T. RD. Kusumanto, "SEMANTIK 2011," PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA MODEL NORMALISASI RGB, vol. 1, pp. 1-7, 2011.
M. I. D. B. U. Mochamad Angga Anggriawan, "JuTISI," Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis, vol. 3, no. 3, pp. 550-564, 2017.
E. B. Y. D. R. Arum Kumalasanti, "Simposium Nasional Ke-14 RAPI 2015," Identifikasi Tanda Tangan Statistik Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Wavelet Haar, pp. 1-8, 2015.
F. Y. M. Kana Saputra S, "Prosiding SEMMAU," Klasifikasi Belimbing Menggunakan K-Nearest Neighbors (KNN) Berdasarkan Citra Red-Green-Blue (RGB), pp. 1-4, 2016.
K. G. E. S. Verrell, "Jurnal INFRA," Identifikasi Buah-buahan Menggunakan Metode Convolutional Neural Network, vol. 7, pp. 1-6, 2019.
I. M. S. D. C. K. Putu Aryasuta Wicaksana, "Jurnal SPEKTRUM," PENGENALAN POLA MOTIF KAIN TENUN GRINGSING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN MODEL ARSITEKTUR ALEXNET, vol. 6, no. 3, pp. 159-168, 2019.
A. Y. W. d. R. S. I Wayan Suartika E. P, "JURNAL TEKNIK ITS," Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101, vol. 5, no. 1, pp. A65-A69, 2016.
Z. A. M. R. Sukardi, "SEMNASTIKOM," KLASIFIKASI PENENTUAN GAMBAR BERBASIS TENSORFORM, pp. 226-229, 2017.
H. B. Muftah Afrizal Pangestu, "JuTISI," Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model, vol. 4, no. 2, pp. 337-344, 2018.
