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

Aldika Wicaksono, Dody Qori Utama, Adiwijaya Adiwijaya

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

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0