Deteksi Zat Narkotika Berdasarkan Tekstur Menggunakan Metode Principal Component Analysis Dan Learning Vector Quantization

Abstract

Abstrak Narkotika adalah salah satu jenis narkoba yang berasal dari tanaman atau bukan tanaman, sintesis maupun semi sintesis. Narkotika sering digunakan didunia kedokteran untuk membius atau menghilangkan rasa sakit dan nyeri. Makin bertambahnya jenis – jenis napza yang beredar, aparat penegak hukum mengalami kesulitan pada saat proses penindakan pelanggaran kejahatan narkotika. Karena itu juga tidak semua petugas dilapangan mengetahui seluruh jenis narkotika yang beredar. Maka diperlukan sistem yang dapat mempermudah deteksi zat narkotika di sekitar kita. Pada tugas akhir ini dibuat sistem yang dapat mendeteksi dan mengklasifikasikan zat narkotika dengan pengolahan citra menggunakan metode ekstrasi ciri Principal Component Analysis (PCA) yang dapat mereduksi dimensi citra tanpa mengurangi karakteristik secara signifikan dan untuk klasifikasinya menggunakan Learning Vector Quantization (LVQ). Hasil yang didapat pada Tugas Akhir ini adalah aplikasi dengan menggunakan MATLAB yang dapat mengolah citra narkotika untuk mendeteksi jenis zat narkotika. Performansi yang dihasilkan oleh sistem yang dibuat yaitu akurasi sebesar 82% dan waktu komputasi 0.0179 dengan menggunakan parameter ciri statistik mean standard ddeviasi, size 128x128, komponen PCA 100, hidden size 30, learning rate 0.01 dan epoch 900. Kata Kunci : Zat narkotika, Principal Component Analysis (PCA), Learning Vector Quantization (LVQ). Abstract Narcotics are one of the types of drugs derived from plants or non-crops, synthesis and semi-synthesis. Narcotics are often used in the world of medicine to breed or relieve pain and pain. The increasing type of drugs in circulation, the law enforcement officers have difficulty in the process of enforcement of narcotic crimes violations. Cause that, not all officers in the field know all types of narcotics in circulation. Then, needed a system that can facilitate the detection of narcotic substances around us. In this final project, a system can be detected which can classify narcotics by image processing using the Principal Component Analysis (PCA) feature extraction method that can reduce the dimensions of the image without reducing its characteristics significantly and for its classification using Learning Vector Quantization (LVQ). The results obtained in this Final Project are applications using MATLAB which can process narcotics images to detect narcotics. The performance produced by the system is made, 82% accuracy and 0.0179 computation time using the mean standard deviasi statistical parameter, size 128x128, PCA 100 component, hidden size 30, learning rate 0.01 and epoch 900. Keywords: Narcotics, Principal Component Analysis (PCA), Learning Vector Quantization (LVQ).