Aplikasi Pengenalan Batu Akik Berbasis Android

  • Yogiswara Dharma Putra Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • I Ketut Gede Darma Putra Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • I Putu Agus Eka Pratama Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Abstract

Batu akik merupakan sebuah mineral alamiah dari prosedur geologi yang memiliki komponen kimiawi. Pemakaian perhiasan yang menggunakan batu akik popular di kalangan masyarakat umum karena keindahan dan keunikannya yang juga menjadi salah satu daya tarik bagi peminat batu akik. Penelitian Aplikasi Pengenalan Batu Akik Berbasis Android merupakan sistem image retrieval berbasis Android yang dirancang mampu memberikan kemudahan bagi peminat batu akik untuk mencari informasi dengan cepat mengenai batu akik, salah satunya adalah untuk mencari jenis-jenis batu akik. Pencarian jenis-jenis batu akik pada aplikasi dilakukan dengan Metode HSV dan YCbCr menggunakan histogram warna untuk mengenali warna, Gabor Filter untuk mengenali tekstur dan perhitungan Euclidean Distance untuk mencari kecocokan dari citra query dengan citra database. Uji coba dan analisa pada fitur warna HSV dan YCbCr menghasilkan akurasi sebesar 60,4% dan 59,6%, sedangkan Fitur tekstur Filter Gabor mendapatkan hasil akurasi pada theta 0 derajat sebesar 46,8%, theta 45 derajat sebesar 45,6%, theta 90 derajat sebesar 45.2% dan theta 135 derajat sebesar 42,8%. Kombinasi deteksi Metode HSV menggunakan histogram warna dan Filter Gabor mendapatkan akurasi lebih baik yaitu sebesar 60% dibandingkan Metode YCbCr menggunakan histogram warna dan Filter Gabor dengan hasil akurasi sebesar 56%.

Published
2018-05-12
How to Cite
DHARMA PUTRA, Yogiswara; DARMA PUTRA, I Ketut Gede; AGUS EKA PRATAMA, I Putu. Aplikasi Pengenalan Batu Akik Berbasis Android. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), [S.l.], p. 10, may 2018. ISSN 2685-2411. Available at: <https://ojs.unud.ac.id/index.php/merpati/article/view/39540>. Date accessed: 13 nov. 2024. doi: https://doi.org/10.24843/JIM.2017.v05.i03.p04.
Section
Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.