Identifikasi Gigitan Ular Menggunakan Local Binary Pattern (lbp) Dan Adaboost

Abstract

Abstrak Badan Kesehatan Dunia (WHO) memperkirakan lebih dari 5 juta orang di seluruh dunia terkena gigitan ular setiap tahunnya,dengan tingkat kematian mencapai lebih dari 100 ribu orang. Populasi ular seperti reptil lainnya akan berkembang biak secara optimal di iklim tropis dan lembab seperti di Indonesia, naiknya populasi ular berbanding lurus dengan naiknya kasus gigitan ular. Data di Indonesia menunjukan terjadinya 12.739 - 214.883 kasus gigitan ular dengan angka kematian 20 - 11.581 orang, sehingga Indonesia merupakan salah satu negara tropis dengan risiko tinggi terkena gigitan ular baik yang berbisa maupun tidak berbisa. Identifikasi penyebab bekas gigitan ular sangat penting dalam menolong korban, karena setelah terjadinya gigitan mempunyai perbedaan anatomi antara bekas gigitan ular yang berbisa dengan yang tidak berbisa. Penelitian ini mencoba membangun sistem identifikasi bekas gigitan ular yang berbisa dan tidak berbisa menggunakan teknologi berbasis image processing menggunakan metode Local Binary Pattern dan AdaBoost, dari hasil penelitian didapat nilai optimal akurasi sebesar 100% dari data latih dan 94% dari data uji dengan resolusi pixel 400 x 400. Kata kunci : Gigitan ular, Local Binary Pattern, AdaBoost Abstract The World Health Organization (WHO) estimates that more than 5 million people worldwide are bitten by snakes every year, with a death rate reaching more than 100,000 people. Snake populations like other reptiles will reproduce optimally in tropical and humid climates such as in Indonesia, the increase in snake populations is directly proportional to the increase in snake bite cases. Data in Indonesia is estimated to have occurred 12,739 - 214,883 cases of snake bites with a death rate of 20 - 11,581 people, so that Indonesia is one of the tropical countries with a high risk of being bitten by both venomous and nonvenomous snakes. Identifying the cause of snake bite marks is very important in helping the victim, because after the bite there is an anatomical difference between the bite marks of a venomous snake and a non-venomous one. This study tries to build a venomous and non-venomous snake bite mark identification system using image processing based technology using the Local Binary Pattern and AdaBoost methods, from the research results obtained the optimal value of accuracy of 100% from the training data and 94% from the test data with a pixel resolution of 400x400. Keywords: Snake bite, Local Binary Pattern, AdaBoost