Identifikasi Mineralogi Pada Batuan Menggunakan Ekstraksi Ciri Grey Level Co-occurrence Matrix (glcm) Dan Decision Tree

Arvieda Nadya Astin Santosa, Bambang Hidayat, Andri Slamet Subandrio

Abstract

Abstrak Di negara indonesia kaya akan keberagaraman jenis alam, salah satu nya adalah keberagaman bebatuan. Batuan terbentuk disebabkan oleh kandungan mineral yang membeku, sehingga jenis batuan dapat dibedakan berdasarkan pembentukan kandungan mineral nya yang biasa disebut dengan rock forming minerals. Dengan bantuan alat mikroskop, para ahli geologi dapat mengklasifikasi jenis batuan berdasarkan karakteristik yang berasal dari jumlah mineral. Batu akan di sayat menjadi sayatan tipis, lalu diletakan dibawah lensa yang terdapat di alat mikroskop. Hasil dari penglihatan dengan mata manusia yang dibantu oleh mikroskop dapat di analisis dan dibuat persentase kandungan mineral yang ada di dalam batu tersebut. Namun hasil yang didapat akan bergantung pada tingkat ketelitian manusia dalam meneliti dan membutuhkan waktu yang cukup lama. Kelemahan tersebut dapat di minimalisir dengan menggunakan proses pengolahan citra digital. Pada karya ilmiah ini, penulis akan merancang sebuah simulasi pengolahan citra digital berbasis MATLAB. Simulasi tersebut dapat menganalisa dan mengklasifikasi jenis-jenis bebatuan secara lebih cepat, lebih akurat, dan lebih objektif. Citra objek yang di pakai untuk penelitian adalah batuan beku dengan mineralogi optic cross nikol dan parallel nikol. Secara garis besar, sistem ini terbagi menjadi dua, yaitu identifikasi batuan beku berdasarkan texture, dan identifikasi batuan beku berdasarkan warna. Dimana identifikasi batuan beku berdasarkan texture menggunakan metoda ekstraksi ciri Grey Level Co-Occurrence Matrix (GLCM) dan klasifikasi citra Decision Tree. Lalu identifikasi batuan beku berdasarkan warna menggunakan segmentasi warna berdasarkan penentuan jumlah warna, dimana output nya akan dapat menghitung jumlah mineral dan nama batuan beku berdasarkan diagram QAPF. Hasil yang didapat pada penelitian ini, tingkat akurasi terbaik pada mineralogi cross nikol adalah 82,6% dan untuk mineralogi parallel nikol adalah 80.37%. Kata kunci : Mikroskop, Citra Digital, GLCM, Decision Tree, Cross Nikol, Paralel Nikol Abstract Indonesia which has a lot of nature wealth, one of them is the diversity of type rocks. The rock made of frozen mineral, so that type of rock can divided based on mineral content formed, or called rock forming minerals. With the help of microscop, the geologist could classify based on the characteristic which originated from amount of minerals. Rock will be slashed into thin incision, then put below lense which are contained in microscope. The result obtained with humans eye with help of microcscope will be analyzed and made percentage of mineral content. But, the result obtained will depend on human’s accuracy level and takes a long time. The weakness can be minimized with digital signal processing. In this final project, the writer will simulate and designing a digital signal processing based on matlab. That simulation can analyze and classify kind of rocks with faster, more accurate and more objective. Image object that used for research is frozen rock with mineralogy optic cross nikol and parallel nikol. In general for identified type of rock, this system divided into two types, based on texture and rock’s colour. In technical, frozen rocks based on teture will use Gray Level Co-occurance Matrix(GLCM) method and decicison tree as its classification method. Than identification of rocks colour use colour segmentation, which the output can calculated total mineral and rock’s name based on QAP. The result in this research, the level of accuracy in cross nikol mineraloy is 82,6% and for parallel nikol mineralogy is 80.3%. Keywords : Microscope, Image Processing, GLCM, Decision Tree, Cross Nikol, Parallel nikol

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0