Klasifikasi-PNN pada Citra Ikan Air Tawar dengan Sobel Edge Detection

Abstrak

Abstrak

Metode Sobel adalah salah satu teknik dalam edge detection (deteksi tepi) untuk mengekstraksi tepi dari citra ikan air tawar. Deteksi tepi adalah proses identifikasi keberadaan dan letak tepinya dengan diskontinuitas gambar yang tajam. Menggunakan data citra ikan sebanyak 200 gambar dari 10 jenis ikan air tawar, dilakukan pencarian model klasifikasi PNN sebagai model untuk identifikasi data ekstraksi citra ikan air tawar menggunakan metode Sobel.Ciri atau karakteristik yang digunakan dalam mengekstrak data ikan dalam penelitian ini adalah ciri bentuk, yang dapat dikenali melalui titik-titik yang membentuk tepi-tepi objek ikan. Kinerja algoritma Sobel dapat dinilai dari hasil tampilan data vektor yang menjadi ciri bentuk ikan, dimana estimasi nilai-nilai pixel dilakukan menggunakan operator konvolusi Sobel (convolution masks). Telah ditunjukkan bahwa algoritma ini bekerja dengan baik. Data hasil ekstraksi ini, untuk selanjutnya digunakan dalam mencari model klasifikasi PNN (Probabilistic Neural Network) untuk identifikasi ikan air tawar. Hasil perhitungan nilai akurasi dari model yang terbentuk, yaitu kurang dari 25%, menunjukkan model identifikasi yang diinginkan belum tercapai. Hasil ini dapat digunakan sebagai pembanding untuk membangun model identifikasi menggunakan metode klasifikasi yang lain pada penelitian selanjutnya.

Abstract

The Sobel method is one of the edge detection techniques to extract the edges of freshwater fish images. The Edge detection is the process of identifying the existence and position of the edge with a sharp discontinuity of images. Using 200 images of fish from 10 types of freshwater fish, the Probabilistic Neural Network (PNN) classification was performed on freshwater fish image extraction,  to obtain the model of identification. In this study, the Sobel method is used to extract images of the shape characteristics. The performance of the Sobel algorithm can be judged by the results of the vector data display which characterizes the shape of the fish, where the estimation of pixel values is performed using the convolution masks operator. It has been shown that this algorithm works well. The accuracy result of the obtain model, ie less than 25%, indicates the desired model of identification has not been achieved. This result can be used as a benchmark to construct an identification model using other classification methods in subsequent research.