Implementasi Penggabungan Prewitt dan Canny Edge Detection untuk Identifikasi Ikan Air Tawar

Gibtha Fitri Laxmi, Puspa Eosina, Fety Fatimah

Sari


Abstrak

Indonesia merupakan negara yang memiliki keanekaragaman hayati yang besar, salah satunya jenisnya ialah keanekaragaman ikan air tawar. Ikan air tawar yang layak konsumsi saat ini pun banyak jenisnya, sehingga bagi masyarakat yang kurang pengetahuan untuk mengenali jenis ikan sangatlah sulit. Teknologi identifikasi pengenalan citra dengan berbasis konten citra (Content Based Image Retrieval) dengan fitur bentuk berdasarkan titik tepi yang dihasilkan dapat membantu mengenali jenis ikan yang ada. Citra ikan yang digunakan diubah dari RGB menjadi grayscale yang diproses dengan metode deteksi tepi menjadi matriks nilai biner sehingga membentuk titik tepi dari ikan. Data citra ikan air tawar dalam penelitian berjumlah sepuluh jenis ikan, yang akan diproses untuk mendapatkan ekstraksi fitur deteksi tepinya. Deteksi tepi yang digunakan ialah penggabungan metode prewitt dan canny. Penelitian ini tidak memiliki hasil yang akurat dengan nilai 25%. Dimana penggabungan fitur lain akan sangat membantu dalam identifikasi.

Abstract

Indonesia is a country that has a great biodiversity, one of which is the diversity of freshwater fish. Freshwater fish that are suitable for consumption today are of many kinds, so that people who lack knowledge to recognize fish species are very difficult. Image recognition identification technology with Content Based Image Retrieval with shape features based on the resulting edge points can help identify the types of fish that exist. The fish image used is converted from RGB to grayscale which is processed by edge detection method into a binary value matrix so that it forms the edge points of the fish. Image data of freshwater fish in the study amounted to ten types of fish, which will be processed to obtain extraction of the edge detection features. The edge detection used is the merging of the prewitt and canny methods. This study did not have accurate results with a value of 25%. Where combining other features will be very helpful in identification.


Kata Kunci


prewitt; canny; edge detection; ektrasi fitur; ikan air tawar

Teks Lengkap:

PDF

Referensi


Santoso L. Biologi reproduksi ikan belida (chitala lopis) di sungai tulang bawang, lampung, Berkala Perikanan Terubuk, Vol. 37. No.1. 2009

Eosina P, Laxmi GF, Fatimah F. The Sobel Edge Detection Techniques for Freshwater Fish Image Analysis. The 4th International Seminar on Sciences. Bogor. 2017.

Fatimah F. Laxmi GF. Eosina P. Pengubahan Data Image Ikan Air Tawar ke Data Vektor menggunakan Edge Detection Metode Canny. Seminar Matematika dan Pendidikan Matematika UNY. Yogyakarta. 2017; Vol 1 : 55-60.

Laxmi GF. Eosina P. Fatimah F. Analisis Perbandingan Metode Prewitt dan Canny Untuk Identifikasi Ikan Air Tawar. SINTAK. Semarang. 2017; Vol 1 :

Yunus M. Perbandingan metode-metode edge detection untuk proses segmentasi citra digital, Program Studi Teknik Informatika, STMIK PPKIA Pradnya Paramita Malang, Jurnal Teknologi Informasi Vol. 3 No. 2. 2008.

Zevi A. Identifikasi Ikan Air Tawar Menggunakan Metode PrewittEdge Detection. Skripsi. Universitas Ibn Khaldun. Bogor. 2014

Muhammad Nurullah. Studi Pembanding Deteksi Tepi (Edge Detection) Citra JPEG Dengan Operator Sobel dan Operator Canny Menggunakan Software MATLAB. Skripsi. Universitas Islam Negeri Hidayatullah

Raman Maini, Himanshu Anggarwai. Study and Comparison of Various Image Edge Detection Techniques. International Journal of Image Processing (IJIP) Vol 3Issue 1. 2014

Apriyana et.al. 2013. Perbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital, Program Studi Teknik Informatika, STMIK GI MDP.

Deepika A, Devender A, Rohit T. Analytical Comparison between Sobel and Prewitt Edge Detection Techniques. International Journal of Scientific & Engineering Research, Volume 7, Issue 1, January-2016. ISSN 2229-5518

Elias Dianta G. Deteksi Tepi Menggunakan Metode Canny Dengan Matlab Untuk Membedakan Uang Asli Dan Uang Palsu. Jurnal Universitas Gunadarma. 2012

Wu, et. al. A Leaf Recoginition Algorithm for Plant Classification Using Probabilistic Neural Network. E-Print archive Cornell University Library. arXiv: 0707.4289v1. 2007.




DOI: http://dx.doi.org/10.32832/kreatif.v6i2.2185

Article Metrics

Sari view : 76 times
PDF - 80 times

Refbacks

  • Saat ini tidak ada refbacks.


View My Stats