KLASIFIKASI IKAN MENGGUNAKAN ORIENTED FAST AND ROTATED BRIEF (ORB) DAN K-NEAREST NEIGHBOR (KNN)

Mirza Ramadhani, Darlis Heru Murti

Abstract


Ikan memiliki bentuk dan ukuran tertentu yang berbeda antara ikan yang satu dengan yang lain. Permasalahan dalam mengenali jenis ikan lebih kompleks dibandingkan dengan mengenali wajah manusia. Perbedaan bentuk, warna, dan tekstur pada ikan lebih bervariasi dibandingkan manusia. Pengenalan jenis ikan pada umumnya masih dilakukan secara manual menggunakan pengamatan mata. Sehingga diperlukan adanya sistem yang dapat mengenali ikan secara otomatis. Penelitian sebelumnya juga sudah dapat mengenali jenis ikan namun sensitive terhadap berbagai transformasi atau deformasi dari sebuah objek, dan waktu komputasi yang tidak sedikit, sehingga kurang efektif untuk mengenali objek ikan. Dalam Penelitian ini, kami mengusulkan metode untuk mendeteksi dan mengenali jenis objek ikan menggunakan metode ORB dan KNN. Pengaplikasian dari metode ORB diterapkan untuk ekstraksi fitur dari gambar yang diambil. Kemudian hasil tersebut akan diklasifikasi menggunakan KNN untuk menentukan label kelas yang tepat dari input data ikan. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi klasifikasi sebesar 97,5%.


Full Text:

PDF

References


J. K. Penulis, “Judul bab dalam buku,” dalam Judul buku, edisi ke-x, Kota Terbit, Negara, tahun, bab x, bagian x, hal. xxx-xxx.

A.Vinay, C., Akshay Kumar, Gaurav R. Shenoy, K. N. Balasubramanaya Murthya, S. Natarajan, “ORB-PCA Based Feature Extraction Technique for Face Recognition”. Procedia Computer Science. vol. 58, 2015, Pages 614-621

Chao H, Weidong Z, “Fast Scene Matching Navigation Algorithm Based on ORB”, Journal of Information & Computational Science, 2014; 11: 3857-3863.

Ethan R, Vincent R, Kurt K (2011), “ORB: an efficient alternative to SIFT or SURF”, Computer Vision (ICCV). 2011; 2564-2571.

Jiang, Y., Yang, X., Liu, S., Liao, L,.(2013),“Application of Fishface Algorithm to Face Recognition System”. IEEE Conference Anthology, Pages 1-4

Karami, E., Prasad, S., Shehata, M.(2015), “Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images”, Newfoundland Electrical and Computer Engineering Conference.

Kulkarni, A.V., J.S. Jagtap, and V. K. Harpale.(2013), “Object recognition with ORB and its Implementation on FPGA.” International Journal of Advanced Computer Research 3, no. 3: 164-169.

Pawening, R. E., Arifin, A. Z. dan Yuniarti, A. (Juli 2016), “Ekstraksi Fitur Berdasarkan Deskriptor Bentuk dan Titik Salien Untuk Klasifikasi Citra Ikan Tuna”, Jurnal Buana Informatika, Vol.7, No.3

Prashant A, Vijaykumar S K.,(2015), “Implementation Of High Performance Feature Extraction Method Using Oriented Fast And Rotated Brief Algorithm”, International Journal of Research in Engineering and Technology. 2015; 5 : 394-397.

S. Leutenegger, M. Chli, and R.Y. Siegwart, (2011), “BRISK: Binary robust invariant scalable keypoints,” in 2011 IEEE International Conference on Computer Vision, pp. 2548–2555

Santoso , Suharto Jati and Setiyono , Budi and Isnanto, R.Rizal (2011) “Pengenalan Jenis-Jenis Ikan Menggunakan Metode Analisis Komponen Utama”. Undergraduate thesis, Jurusan Teknik Elektro Fakultas Teknik Undip.




DOI: http://dx.doi.org/10.12962/j24068535.v16i2.a711

Refbacks

  • There are currently no refbacks.


Free counters!
Creative Commons License
JUTI (Jurnal Ilmiah Teknologi Informasi) by Department of Informatics, ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. JUTI is accordance with CC BY-SA.