KLASIFIKASI JENIS KUCING MENGGUNAKKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR
Abstrak
Kucing dalam bahasa latin adalah Felis silvestris catus adalah sejenis hewan karnivora. Kucing adalah hewan peliharaan terpuler di dunia yang memiliki banyak peminat dan penggemar.Kucing yang memiliki garis keturunan tercatat secara resmi sebagai kucing trah atau jalur murni (pure breed). Jumlah ras kucing seperti ini hanya sedikit yaitu 1 % dari populasi kucing yang ada di dunia yang biasanya hanya dikembang biakan di tempat pemeliharaan hewan resmi.
Penelitian ini menggunakkan algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor(KNN) dengan mempunyai tujuan untuk mengklasifikasi citra hewan kucing melalui tahap analisis pada citra asli, citra biner dan citra grayscale(keabuan).Hasil keluaran ekstraksi ciri akan menjadi masukan untuk metode algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor(KNN) untuk aplikasi klasifikasi jenis kucing.
Ekstraksi ciri yang akan digunakan dalam penelitian ini yaitu RGB dan HSV. Data yang akan digunakan dalam penelitian ini adalah 34 data citra, terdiri dari 24 citra data latih dan 10 data citra uji.
Maka dengan adanya penelitian ini diharapkan agar bisa membantu orang untuk lebih mudah mengetahui klasifikasi hewan peliharaan yaitu kucing . Hasil keluaran akurasi pada aplikasi klasifikasi menggunakkan Algoritma Multi Support Vector Machine (SVM) dengan ekstraksi ciri orde satu algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor (KNN) yaitu mencapai tingkat akurasi sebesar 80%.
##plugins.generic.usageStats.downloads##
Referensi
[2] Ahmad, Rizal. Pengolahan Citra Digital.https://achmadrizal.staff.telkomuniversity.ac.id/pengolahan-citra/, diakses Juni (2014).
[3] Tita Rahayu, “Identifikasi dan Prevalensi Ektoparasit Pada Kucing Kampung di Pasar Batu dan Arhanud Sebagai Sumber Belajar Biologi”, Universitas Muhammadiyah Malang (2015).
[4]Adiwijaya, U. N. Wisesty, E. Lisnawati, A. Aditsania dan D. S. Kusumo, “Dimensionality Reduction using Principal Component Analysis for Cancer Detection based on Microarray Data Classification,” Jurnal of Computer Science, vol. 14 (11), pp. 1521-1530, (2018).
[5] A. Jamala, A. Handayania, A. A. Septiandria, E. Ripmiatina dan Y. Effendi, “Dimensionality Reduction using PCA and K-Means Clustering for Breast Cancer Prediction,” Lontar Komputer, vol. 9 (3), pp. 192-201, (2018).
[6] Muhammad Ridwan Effendi, “Sistem Deteksi Wajah Jenis Kucing Dengan Image Clasification Menggunakkan OpenCV”,(2018).
[7]. Elok Faiqotul H, Maura W, Maysaroh, “Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB dan HSV Menggunakkan Metode K-Means Clustering”,Vol 6, No.2 November (2020).
[8]. Atikah Khairiyah H,” Klasifikasi Jenis Buah Jambu Berdasarkan Metode Principal Component Analysis (PCA)”,(2020).
[9]. Ratri Enggar P, WaliJa'far S, Wahyuni,” Klasifikasi Kualitas Jeruk Lokal Berdasarkan Tekstur dan Bentuk Menggunakkan Metode k-Nearest (k-NN)”,(2020).
[10]. Moh Arie Hasan, Dewi Yanti Liliana, “Pengenalan Motif Songket Palembang Menggunakkan Deteksi Tepi Canny, PCA dan KNN”, (2020).
[11]. Muhammad Afif A.F,Kurniawan N.R, Febryanti S" Klasifikasi Ras pada Kucing Menggunakkan Algoritma Convolutional Neural Network(CNN)”, Vol.8 No.1 Februari (2021).
[12]. Hafizhah DN dan Hamdan SR, “Hubungan Pet Attachment dengan Psychological Well Being pada Pemelihara Kucing”, Vol.7 No.73-76 Januari (2021).
