TUGAS UAS KECERDASAN
BUATAN
“Makalah
Ilmiah Populer Penerapan Kecerdasan Buatan pada Klasifikasi
Citra ( Image Classification )”
RISKI PUTRI
AUDIA
NIM. J1F113213
KEMENTERIAN
RISET TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS
LAMBUNG MANGKURAT
FAKULTAS
MATEMATIKA DAN ILMU PENGETAHUAN ALAM
BANJARBARU
PEMBUKA
Klasifikasi
citra merupakan suatu proses pengelompokan seluruh pixel pada suatu citra
kedalam dalam kelompok sehingga dapat diinterpretasikan sebagai suatu property
yang spesifik (Chein-I Chang dan H.Ren, 2000). Ada dua metode umum dalam
mengidentifikasi dan mengklasifikasikan citraan satelit yaitu klasifikasi
takterbimbing dan klasifikasi terbimbing yang berkaitan dengan paendekatan
dalam pengenalan pola.
Pada intinya,
prinsip klasifikasi yang dilakukan dalam computer pengolahan citra adalah
pengelompokan individu atau set pixel untuk mewakili beberapa fitur, kelas atau
materi yang plotkan berdasarkan ciri oleh serangkaian (umumnya kecil) dari DNS
untuk setiap band yang dimonitor oleh sensor .dan kemudian dianalisis secara
statistic untuk menentukan derajat keunikan pixel pixel tersebut terhadap
tanggapan spectral objek dan dikelompokkan dalam klaster.
Dalam
klasifikasi tidak terbimbing setiap pixel diperbandingkan dengan kluster
diskret untuk melihat untuk pixel-pixel mana yang memiliki kemiripan yang
tinggi dan dikelompokkan dalam klaster klaster. Kemudian didiperbandingkan
dengan kenampakan objek yang sebenarnya bila hasil klaster masih kurang
memuaskan, maka perlakuan-perlakuan itu diulangi lagi untuk mencari kombinasi
klaster yang lebih sesuai.
Selain system
klasifikasi tidak terbimbing, terdapat pula klasifikasi terbimbing yang
membutuhkan pengetahuan tentang kelas kelas( objek-objek ) apa saja yang
terdapat dalam target serta lokasinya. Analisis statistic dilakukan pada data
multi band untuk masing-masing kelas tersebut akan memperlihatkan cirikhas dari
masing masing objek meskipun adakalanya untuk cluster yang sama memiliki
definisi objek yang lebih dari satu. Oleh karena itu perlu dilakukan pencitraan
dengan menggunakan lebih dari tiga band yang diharapkan untuk objek yang
berbeda akan menunjukan respon yang berbeda (unik) sehingga lebih mudah di
klasifikasikan pada kelas mana claster tersebut.
Kecerdasan Buatan Dalam Klasifikasi
Citra Untuk Pengenalan Jender Berbasis Tekstur Pada Citra Wajah Foto Digital
Perkembangan teknologi pengolahan citra digital memungkinkan
komputer dapat melakukan proses pengenalan jenis obyek di dalam suatu citra,
salah satunya adalah sistem pengenalan wajah manusia. Pengenalan jender pada
wajah manusia adalah bagian metode biometrik untuk mengidentifikasi individu
dengan mengambil fitur wajah. Secara alami manusia memiliki kemampuan untuk
mengetahui identitas seseorang hanya dari wajahnya, bahkan manusia setelah
mengalami interaksi yang intensif mampu mengenali begitu banyak wajah (Angkoso,
2011).
Fokus penelitian ini adalah untuk mengetahui kinerja mesin
klasifikasi memisahkan jender seseorang berdasarkan fitur tekstur wajah,
sehingga cropping wajah untuk memisahkan bagian wajah dengan wilayah rambut dan
bagian selain wajah diperlukan. Pada percobaan didapatkan ukuran masing-masing
foto adalah (260px, 360px) adapun koordinat universal untuk border cropping
pada masing-masing wajah adalah pada koordinat (52,139) dan (174, 161)
(Angkoso, 2011).
Tujuan akhir semuanya ini adalah untuk memudahkan pekerjaan
manusia khususnya dalam hal pengidentifikasian berbagai macam identitas obyek.
Secara alamiah, wajah merupakan identitas utama yang digunakan manusia untuk
mengenali seseorang, hal inilah yang kemudian menginspirasi begitu banyak
penelitian pengenalan identitas seseorang berdasarkan hanya pada wajahnya saja.
Penelitian bidang biometrik yang termasuk didalamnya adalah penentuan identitas
dari suatu individu berdasarkan bagian tubuh ataupun prilaku spesifik dari
obyek individu telah berkembang dengan pesat dan terus menjadi salah satu
bidang peneilitian yang menarik untuk dikembangkan. Penentuan jenis jender pada
citra foto digital merupakan salah satu bagian penelitian bidang biometrik ini
(Angkoso, 2011).
Kecerdasan Buatan Dalam Klasifikasi
Citra Untuk Pengenalan Pola Wajah Menggunakan Webcam Untuk Absensi Dengan
Metode Wavelet
Sistem absensi pengenelan pola wajah dibuat dengan memanfaatkan
metode Wavelet serta menggunakan input berupa web-camera sehingga proses
pengidentifikasian wajah dapat dilakukan secara real-time. Proses
pengidentifikasian wajah dimulai dari input citra dari web-camera,
mengkonvolusi citra tersebut dengan kernel, menentukan lokasi titik ciri, dan
sampai proses pengidentifikasian dengan menghitung kesamaan global antara wajah
yang diuji dengan citra wajah yang ada pada referensi. Pencocokan wajah
dilakukan dengan metode pengenalan wajah Gabor Wavelet, tujuan digunakannya
metode Gabor Wavelet adalah untuk memunculkan ciri-ciri khusus dari citra wajah
(Dahria, 2013).
Proses pengolahan citra wajah menggunakan gabor secara teknis
memiliki relevansi biologis karena sebuah ciri biologi dapat memberikan informasi
yang unik berkaitan identifikasi masing-masing individu. Proses yang
berlangsung dalam bidang frekuensi mempengaruhi kecepatan proses yang terjadi,
baik dalam proses gambar maupun saat proses konvolusi. Tujuan utama dari Gabor
Wavelet untuk memunculkan ciri-ciri khusus dari gambar yang telah dikonvolusi
terhadap kernel (Dahria, 2013).
Umumnya sistem absensi karyawan pada kantor dilakukan dengan
mengisi buku absen atau yang lebih maju lagi dengan menggunakan mesin absensi.
Mesin absensi menggunakan kartu tempat mencetak tanggal, jam masuk dan jam
pulang. Segi keamanan sistem ini mempunyai banyak kelemahan, antara lain adalah
absen karyawan bisa dititipkan oleh karyawan lainnya (absen fiktif). Hal ini
tentu berakibat kerugian bagi perusahaan, karena karyawan tersebut tidak masuk
kerja tetapi tetap diberi gaji. Untuk mencegah hal tersebut perlu dibuat sistem
absensi karyawan yang tidak mungkin dilakukan manipulasi absen atau absen
fiktif. Sistem pengenalan wajah merupakan sebuah solusi yang efektif, dimana
sistem harus meng-capture wajah karyawan untuk proses absensi (Dahria, 2013).
Kecerdasan Buatan Dalam Klasifikasi Citra Untuk Batik Menggunakan Jaringan Syaraf
Tiruan Berdasarkan Gray Level Co-Occurrence Matrices (GLCM)
Pelestarian Batik dapat dilakukan dengan berbagai cara, salah
satunya dengan cara melestarikan pola-pola batik yang sangat beragam di
Indonesia. Batik merupakan warisan budaya Indonesia yang telah diakui UNESCO
sebagai warisan budaya internasional pada tanggal 2 Oktober 2009. Untuk
melestarikan batik sebagai salah satu warisan budaya dunia dapat dilakukan
melalui pengenalan pola batik di Indonesia (Harjoko, 2014).
Salah satu permasalahan dalam bidang pengenalan pola adalah
klasifikasi citra ke dalam kelas tertentu. Batik dapat diklasifikasikan
berdasarkan bentuk motifnya yaitu motif geometri, motif non geometri dan motif
khusus. Motif Citra batik yang sangat beragam menyulitkan dalam pengenalan
setiap pola citra batik. Tujuan klasifikasi batik adalah membagi citra
batik ke dalam kelas-kelas motif sesuai dengan pola motifnya sehingga
mudah untuk dikenali sesuai dengan cirinya. Dengan menggunakan algoritma
backpropagatian pada jaringan syaraf tiruan diperoleh hasil untuk kemampuan jaringan
syaraf mengklasifikasi citra batik dalam 2 buah kelas non geometri dan geometri
(Harjoko, 2014).
Tujuan klasifikasi batik adalah membagi citra batik ke dalam
kelas-kelas motif sesuai dengan pola motifnya sehingga mudah untuk dikenali
sesuai dengan cirinya. Ekstraksi ciri merupakan salah satu proses awal yang
penting dalam melakukan klasifikasi citra dalam pengenalan pola. Citra batik
yang terklasifikasi dengan baik akan memberikan informasi yang citra batik
yang dapat digunakan untuk pelestarian motif batik. Hasil yang diperoleh dalam
penelitian ini adalah klasifikasi citra batik berdasarkan tekstur gray level co
occurrence metricesmotif citra batik dengan metode jaringan syaraf tiruan
(Harjoko, 2014).
KOMENTAR
Wajah merupakan identitas utama untuk manusia mengenali seseorang.
Klasifikasi citra di jaman sekarang sangat membantu dalam berbagai bidang.
Salah satunya adalah dalam membedakan jender. Klasifikasi citra membantu
memudahkan pekerjaan manusia. Dengan menerapkan kecerdasan buatan klasfikasi
citra, menggunakan teknologi komputer dapat melakukan proses pengenalan jenis
obyek di dalam suatu citra, salah satunya adalah sistem pengenalan wajah
manusia.
Di jaman modern saat ini, perkembangan teknologi pun juga semakin
canggih. Contohnya dalam masalah absensi di sebuah kantor. Jika dulu hanya
manual berkembang menjadi mesin absensi menggunakan kartu, kini supaya lebih
akurat maka absensi sekarang dilakukan dengan meng-capture muka pegawai itu
tersebut. Sehingga kecurangan yang terjadi berkurang. Dan tidak ada lagi
pegawai yang tidak masuk kerja tetapi absensi nya tidak kosong. Ini sangat
bermanfaat bagi sebuah kantor.
Batik merupakan kekayan Indonesia yang sudah mendunia. Terdapat
berbagai macam motif batik yang ada di Indonesia. Kain batik itu sendiri bukan
terkenal hanya di dalam negeri tapi sampai ke mancanegara. Dengan penerapan
klasifikasi citra maka mampu memudahkan untuk mengenali motif batik serta
bermanfaat untuk memberikan informasi.
KESIMPULAN
Penerapan klasifikasi citra di jaman sekarang ini sudah berkembang
pesat. Berbagai macam penerapan klasifaki citra sudah dilakukan. Dengan
teknologi dan penerapan kecerdasan buatan dapat membantu memberikan informasi
yang dibutuhkan secara cepat dan mudah. Klasifikasi citra memberikan informasi
yang bebentuk visual sehingga lebih menarik dan lebih akurat.
Dalam kehidupan sehari-hari klasifikasi citra memudahkan pekerjaan
manusia. Klasifikasi citra sebenarnya akrab dikalangan masyrakat, namun
kehadirannya belum cukup di rasakan atau belum disadari. Contohnya dalam
absensi yang membaca wajah bukan hanya sidik jari saja. Sehingga hasil lebih
akurat dan lebih terpercaya.
Klasifkasi citra dapat di terapkan di berbagai bidang. Misalnya
dalam bidang kedokteran. Yang mana dapat dilakukan para dokter dalam mendeteksi
penyakit yang di alami oleh pasien. Dan masih banyak lagi bidang yang dapat
diterapkan dalam klasifikasi citra itu tersebut.
DAFTAR PUSTAKA
Angkoso, Cucun Very. 2011. Pengenalan Jender Berbasis Tekstur
Pada Citra Wajah Foto Digital. Jurusan Teknik Informatika Fakultas Teknik
Universitas Trunojoyo: Madura. ISSN: 2089‐1121
Dahria, Muhammad. 2013. Pengenalan
Pola Wajah Menggunakan Webcam Untuk Absensi Dengan Metode Wavelet. Program
Studi Sistem Informasi STMIK Triguna Dharma: Medan. ISSN : 1978-660
Harjoko, Agus. 2014. Klasifikasi
Citra Batik Menggunakan Jaringan Syaraf Tiruan
Berdasarkan Gray Level Co-Occurrence Matrices
(GLCM). Jurusan Ilmu Komputer dan Elektronika Instrumentasi Fakultas MIPA
Universitas Gadjah Mada: Yogyakarta. ISSN: 1907 -5022
Putu, Dewa.
2011. Klasifikasi Citra.
Diakses pada 13 Juni 2017.
Komentar
Posting Komentar