MENDETEKSI BENTUK GAMBAR DENGAN CHAIN CODE MENGGUNAKAN METODE KLASIFIKASI NAIVE BAYES

Ekha Mustika Putri, Ekha Mustika Putri, Adelia Angraeni, Adelia Angraeni, Dian Arishandy Imansyah, Dian Arishandy Imansyah, Winria Putri Intia, Winria Putri Intia, Arif Setiawan Syam, Arif Setiawan Syam

Sari


Pengolahan citra dan visi komputer adalah bidang yang berkembang pesat dengan banyak aplikasi praktis, termasuk pengenalan objek, analisis gambar medis, dan kontrol kualitas industri. Penelitian ini bertujuan untuk mengembangkan metode deteksi dan klasifikasi bentuk dalam gambar menggunakan Chain Code dan algoritma Klasifikasi Naive Bayes. Chain Code digunakan untuk merepresentasikan kontur bentuk secara digital, sedangkan Naive Bayes digunakan untuk mengklasifikasikan bentuk berdasarkan distribusi probabilitas fitur. Dalam implementasinya, gambar pra-proses dengan teknik thresholding dan deteksi tepi untuk mengekstraksi kontur, yang kemudian diwakili dengan Chain Code. Fitur yang diekstraksi ini kemudian digunakan sebagai input untuk model Naive Bayes yang dilatih untuk mengenali berbagai bentuk geometris seperti lingkaran, segi lima, segi enam, bintang, dan persegi panjang. Hasil eksperimen menunjukkan bahwa metode ini efektif dalam mendeteksi dan mengklasifikasikan bentuk-bentuk dasar dengan tingkat akurasi yang tinggi. Meskipun demikian, metode ini memiliki keterbatasan dalam mendeteksi bentuk yang lebih kompleks atau dengan tepi yang tidak teratur. Saran untuk penelitian di masa depan termasuk penggunaan dataset yang lebih besar dan bervariasi, pengujian dengan algoritma klasifikasi lainnya, dan pengembangan algoritma hybrid untuk meningkatkan akurasi dan robustnes deteksi bentuk.


Teks Lengkap:

PDF

Referensi


Muwardi, F., & Fadlil, A. (2018). Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan Pengklasifikasi Jarak. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 3(2), 124. https://doi.org/10.26555/jiteki.v3i2.7470

. Rahma, A. A. (2020). Potensi sumber daya alam dalam mengembangkan sektor pariwisata di Indonesia. Jurnal Nasional Pariwisata, 12(1), 1-8.

. Agustian, R., & Karel, J. (2016). Implementasi Metode Chain Code Untuk Pengenalan Rambu Lalu Lintas. Informatika: Jurnal Teknologi Komputer dan Informatika, 12(1), 68391.

.Widianto, Haldi Mochammad. 2019. Algoritma Naïve Bayes. (Online), (https://binus.ac.id/bandung/2019/12/alg oritma-naive-bayes/, diakses 08 Desember 2020).

Friedman, N. (1997). Machine Learning.Netherlands: Kluwer Academic Publisher

Gonzalez, R. C., & Woods, R. E. (2008). Digital Image Processing. Pearson.

Duda, R. O., Hart, P. E., & Stork, D. G. (2001). Pattern Classification. Wiley-Interscience.

OpenCV Documentation. (n.d.). Retrieved from https://opencv.org/

Duda, R. O., & Hart, P. E. (1972). Use of the Hough Transformation to Detect Lines and Curves in Pictures. Communications of the ACM.

Suzuki, S., & be, K. (1985). Topological Structural Analysis of Digitized Binary Images by Border Following. Computer Vision, Graphics, and Image Processing.

Freeman, H. (1961). On the Encoding of Arbitrary Geometric Configurations. IRE Transactions on Electronic Computers.

Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer

Gonzalez, R. C., & Woods, R. E. (2008). Digital Image Processing. Pearson.

Zhang, H. (2004). The Optimality of Naive Bayes. Proceedings of the Seventeenth International Florida Artificial Intelligence Research Society Conference.


Refbacks

  • Saat ini tidak ada refbacks.


View My Stats