Klasifikasi Jenis Mineral Berdasarkan Warna Dan Bentuk Melalui Pengolahan Citra Petrography Dengan Metode Gray Level Co-occurrence Matrix Dan Learning Vector Quantization

Alvin Matthew Valentino, Bambang Hidayat, Andri Slamet Subandrio

Abstract

Abstrak Petrografi adalah cabang dari geologi yang menjelaskan deskripsi rinci dari pasir mineral berdasarkan kandungan mineralnya. Keberadaan pasir mineral dapat memprediksi keberadaan mineral dengan jumlah yang lebih besar dengan jenis yang sama. Pada satu buah sampel pasir mineral, terdapat berbagai macam jenis mineral yang dapat dibedakan melalui warna dan bentuknya. Dengan bantuan mikroskop, para ahli geologi dapat melihat dan mengelompokan mineral pada satu sampel secara manual. Namun, hal tersebut dinilai tidak efektif karena membutuhkan waktu yang lama untuk mengetahui dan mengelompokkan mineral. Teknologi telekomunikasi dapat diaplikasikan dengan menggunakan pengolahan citra digital. Pengolahan citra dilakukan dengan input berupa citra digital dari pasir mineral secara mikroskopis yang diambil dari mikroskop. Setelah itu, dilakukan proses preprocessing, ekstraksi ciri Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Learning Vector Quantization (LVQ). GLCM adalah suatu metode ekstraksi yang merubah warna asli dari citra suatu objek menjadi warna keabuan yang memiliki tingkat derajat keabuan. LVQ adalah sebuah metode klasifikasi dimana setiap unit output mempresentasikan sebuah kelas. Hasil dari penelitian ini untuk kelas kromit, kuarsa, kalsit, dan background pada daerah Sebuku didapatkan akurasi sebesar 69,3% dari total 110 citra uji dengan waktu komputasi 3,8271 detik. Sedangkan untuk kelas cassiterite, epodite, kuarsa, dan background pada daerah Bangka Belitung didapatkan akurasi sebesar 68,4% dari total 110 citra uji dengan waktu komputasi 3,435 detik. Kata kunci : Grey Level Co-Occurrence Matrix, Learning Vector Quantization, dan mineral Abstract Petrography is a branch of geology which describes detailed descriptions of mineral sands based on mineral content. The presence of mineral sands can predict the presence of larger quantities of the same type of minerals. In one mineral sand sample, there are various types of minerals that can be distinguished by their color and shape. With the help of a microscope, geologists can see and group minerals in one sample manually. However, this is considered ineffective because it requires a long time to know and classify minerals. Telecommunication technology can be applied using digital image processing. Image processing is done by input in the form of a digital image from mineral sand microscopically taken from a microscope. After that, the preprocessing process, feature extraction of the Gray Level Co-occurrence Matrix (GLCM) and Learning Vector Quantization (LVQ) classification were carried out. GLCM is an extraction method that changes the original color of the image of an object to a gray color that has a degree of grayness. LVQ is a classification method where each output unit presents a class. The results of this study for chromite, quartz, calcite, and background in Sebuku region with 69.3% accuracy of a total 110 test images with computing time 3.8271 seconds. Whereas for the cassiterite, epodite, quartz, and background classes in the Bangka Belitung region with 68.4% accuracy of the total 110 test images with a computing time of 3.435 seconds. Keywords: Grey Level Co-Occurrence Matrix, Learning Vector Quantization, and minerals

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0