KLASIFIKASI CITRA BATUAN SEDIMEN MENGGUNAKAN EKSTRAKSI TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Khalisa, Shofiya (2024) KLASIFIKASI CITRA BATUAN SEDIMEN MENGGUNAKAN EKSTRAKSI TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK_Shofiya Khalisa_123190060.pdf Download (15kB)
	Text Cover_Shofiya Khalisa_123190060.pdf Download (129kB)
	Text Daftar Isi_Shofiya Khalisa_123190060.pdf Download (22kB)
	Text Daftar Pustaka_Shofiya Khalisa_123190060.pdf Download (19kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (267kB)
	Text Halaman Pengesahan Penguji.pdf Download (262kB)
	Text Skripsi_Shofiya Khalisa_123190060.pdf Restricted to Repository staff only Download (3MB)

Abstract

Batuan sedimen memiliki peran penting dalam ilmu geologi dan bidang industri
terutama dalam mencari informasi tentang sumber daya alam. Beragam jenis batuan sedimen
dapat dibedakan berdasarkan teksturnya. Ahli petrologi dengan keterampilan khusus dapat
melakukan pengamatan visual dan menganalisis ciri-ciri yang teramati dalam menentukan
jenis batuan. Tenaga ahli memerlukan alat pembanding untuk memperkuat klasifikasi jenis
batuan sedimen dengan waktu yang relatif singkat dan akurasi yang tinggi.
Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra batuan
sedimen menggunakan ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan
algoritma Support Vector Machine (SVM). Metodologi penelitian mencakup pengumpulan
data, preprocessing data, ekstraksi fitur RGB, ekstraksi fitur GLCM, klasifikasi SVM, dan
pengujian model SVM. Preprocessing data dilakukan dengan remove background dan
grayscale image. Selanjutnya tahap ekstraksi fitur menggunakan GLCM dengan fitur
homogeneity, contrast, energy, correlation, dissimialiarity, dan ASM. Setelah diperoleh
hasil ekstraksi fitur dengan perhitungan RGB dan metode GLCM, langkah selanjutnya
adalah melakukan pengolahan klasifikasi menggunakan fitur yang diperoleh dengan metode
SVM. Dataset yang digunakan pada penelitian ini berjumlah 300 data training yang terdiri
dari 3 jenis batuan sedimen yaitu coal, limestone, dan sandstone.
Hasil penelitian klasifikasi batuan sedimen menggunakan ekstraksi tekstur GLCM
dan algoritma SVM menunjukkan hasil akurasi training yang cukup tinggi yaitu 100% dan
akurasi testing 94,44%. Pengujian membuktikan bahwa penggunaan ekstraksi fitur GLCM
dan klasifikasi SVM efektif untuk klasifikasi jenis batuan sedimen.
Kata Kunci : Batuan Sedimen, Gray Level Co-occurrence Matrix, Support Vector Machine

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Batuan Sedimen, Gray Level Co-occurrence Matrix, Support Vector Machine
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	19 Jun 2024 03:38
Last Modified:	19 Jun 2024 03:38
URI:	http://eprints.upnyk.ac.id/id/eprint/39779

Actions (login required)

View Item