Ekstraksi Fitur Daun dengan Penerapan Metode Compressive Sensing

Fellia Rizki Kusumowardani, Gelar Budiman, Sofia Saidah

Abstract


Daun menjadi salah satu daya tarik manusia untuk melakukan kegiatan berkebun atau kegiatan lain seperti penjualan tanaman karena dari segi bentuk daun yang unik dan karakteristik yang bermacam-macam. Untuk mengetahui karakteristik pada jenis daun dilakukan proses ekstraksi fitur. Tujuan dari ekstraksi fitur ini untuk mengetahui bentuk, tekstur, warna,ukuran, dan nilai yang digunakan sebagai pembeda antara satu objek dengan objek lain. Pada penelitian ini menggunakan 32 citra daun. Metode yang digunakan pada penelitian ini yaitu Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), dan K-Nearest Neighbour (K-NN). Hasil yang diperoleh menunjukan kualitas dari kompresi ketika dilakukan pengujian dengan menggunakan rasio kompresi, MSE, PSNR, dan akurasi. Didapatkan hasil terbaik ketika menggunakan data latih bernilai 20, data uji bernilai 4, block bernilai 32, baris kompresi bernilai 32, dan resize berukuran 512  512 menghasilkan rasio kompresi bernilai 3,1%, PSNR bernilai 22,1 dB, dan akurasi bernilai 100%.


Keywords


Compressive Sensing (CS); Gray Level Co-Occurrence Matrix (GLCM); K-Nearest Neighbour (K-NN); Ekstraksi Fitur Daun; PSNR

Full Text:

PDF

References


M. Rojanamontien, P. Sihanatkathakul, N. Piemkaroonwong, and S. Kamales, “Leaf Identification Using Apical and Basal Features,” 2016 8th Int. Conf. Knowl. Smart Technol. IEEE, pp. 234–238, 2016, doi: 10.1109/KST.2016.7440521.

Emmanuel J. Candès and Michael B. Wakin, An Introduction To Compressive Sampling, vol. 25, no. 2. 2008.

L. Yan, J. S. Pan, and X. Zhu, “Feature extraction based on nearest feature line and compressive sensing,” 2013 Ninth Int. Conf. Intell. Inf. Hiding Multimed. Signal Process. IEEE, pp. 354–357, 2013, doi: 10.1109/IIH-MSP.2013.95.

O. R. Indriani, E. J. Kusuma, C. A. Sari, E. H. Rachmawanto, and D. R. I. M. Setiadi, “Tomatoes classification using K-NN based on GLCM and HSV color space,” Proc. - 2017 Int. Conf. Innov. Creat. Inf. Technol. Comput. Intell. IoT, ICITech IEEE, pp. 1–6, 2018, doi: 10.1109/INNOCIT.2017.8319133.

G. M. A. K.Usman, dan R. Y. Nur’fuadah, “Classification of Tea Leaves Using Method Gray Level Co- Occurance Matrix (GLCM) and K-Nearest Neighbor (K-NN),” Univ. Telkom, S1 Tek. Telekomun., p. 5, 2019, [Online].

L. Safira, B. Irawan, and C. Setianingsih, “K-nearest neighbour classification and feature extraction GLCM for identification of terry’s nail,” 2019 IEEE Int. Conf. Ind. 4.0, Artif. Intell. Commun. Technol. K-Nearest, pp. 98–104, 2019, doi: 10.1109/ICIAICT.2019.8784856.

S. R. Regina, K. Usman, N. Kumalasari, dan C. Pratiwi, “Identifikasi Jenis Bawang Merah Berdasarkan Tekstur dan Warna Dengan Ekstraksi Ciri GLCM dan Klasifikasi K-NN,” pp. 1–7, 2019.

I. G. R. A. Sugiartha, M. Sudarma, dan I. M. O. Widyantara, “Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered-Based Retrieval of Images (CLUE),” Maj. Ilm. Teknol. Elektro, vol. 16, no. 1, p. 86, 2016, doi: 10.24843/mite.1601.12.

R. PURNAMASARI dan A. B. SUKSMONO, “Compressive Sampling untuk Sinyal Beat Radar Cuaca via Discrete Cosine Transform (DCT),” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 7, no. 2, p. 238, 2019, doi: 10.26760/elkomika.v7i2.238.

I. Naomi, C. Sinaga, I. I. T. S. T, N. Caeccar, dan S. T. Kumalasari, “Klasifikasi Tingkat Kematangan Buah Kakao Menggunakan Metode Discrete Cosine Transform Dan K- Nearerst Neighbor Classification of Cacao Pods Ripeness Level Using Discrete Cosine Transform and K-Nearest Neighbor,” vol. 7, no. 1, pp. 776–783, 2020.

Ş. Öztürk and B. Akdemir, “Application of Feature Extraction and Classification Methods for Histopathological Image using GLCM, LBP, LBGLCM, GLRLM and SFTA,” Procedia Comput. Sci., vol. 132, no. Iccids, p. 42, 2018, doi: 10.1016/j.procs.2018.05.057.

P. Mohanaiah, P. Sathyanarayana, and L. Gurukumar, “Image Texture Feature Extraction Using GLCM Approach,” Int. J. Sci. Res. Publ., vol. 3, no. 5, p. 1, 2013.

Y. Rullist, B. Irawan, dan A. B. Osmond, “Batik’S Pattern Identification Through Feature Extraction Method, Gray Level Co – Occurrence Matrix (Glcm), Based on Android,” e-Proceeding Eng., vol. 2, no. 2, pp. 3684–3692, 2015.

P. D. Mryka Hall-Beyer, GLCM TEXTURE: A TUTORIAL, vol. 2, no. March. 2017.

Saidah, S., Adinegara, M. B., Magdalena, R., Kumalasari, N., Pratiwi, C., & Elektro, F. T. (2019). Identifikasi Kualitas Beras Menggunakan Metode k-Nearest Neighbor dan Support Vector Machine Rice Quality Identification using k-Nearest Neighbor and Support Vector Machine Method. Telka, 5(2), 114–121.




DOI: http://dx.doi.org/10.26418/jp.v8i2.49101

Refbacks

  • There are currently no refbacks.