Pengenalan Ras Kucing Scottish Fold Menggunakan Metode Histogram Of Oriented Gradients Dan Jaringan Saraf Tiruan

Sakinah Indriyani, Febryanti Sthevanie, Kurniawan Nur Ramadhani

Abstract

Abstrak
Kucing merupakan salah satu hewan peliharaan yang cukup populer dikalangan manusia. Menurut The
Cat Fanciers Association (CFA), terdapat 42 ras kucing di dunia. Dari 42 ras kucing tersebut, hanya terdapat
1% ras asli kucing dari jumlah keseluruhan populasi kucing di dunia, dikarenakan banyaknya perkawinan
silang antar ras kucing. Setiap ras memiliki penanganan yang berbeda, salah satunya yaitu kucing Scottish
Fold merupakan ras kucing yang dikenal rentan. Dengan metode pengolahan citra dan machine learning,
dibangun sistem untuk mengenali ras kucing Scottish Fold dengan ekstraksi fitur HOG dan proses klasifi-
kasi Jaringan Saraf Tiruan. Pengenalan ras kucing dibedakan menjadi pengenalan ras kucing Scottish Fold
dan Non-Scottish Fold. Evaluasi dari model yang telah dibangun menghasilkan nilai akurasi sebesar 97,5%
untuk telinga kucing, 96% untuk wajah kucing tanpa background dan 90,5% untuk wajah kucing dengan
background menggunakan parameter HOG 8x8 pixel per cells, 1x1 block per cells, bins 9, dan parameter
JST dengan jumlah neuron 50 pada 1 hidden layer.
Kata kunci : Kucing, Pengenalan Ras, Pengenalan Wajah, Histogram of Orieneted Gradients, Jaringan Saraf
Tiruan
Abstract
Cat is one of the pets that quite popular around humans. According to The Cat Fanciers Association (CFA),
there are 42 cat breed in this world. From 42 cat breeds, there are only 1% pure-bred cat in this world,
because of cross-breed between cats. Every cat-breed has different way to take care of. Scottish Fold is one
of cat-breed that pretty vulnerable. With image processing and machine learning, a system to recognize
Scottish Fold cat-breed using HOG for extraction feature and Artificial Neural Network for classification is
built. Cat-breed recognition divided by two as Scottish Fold and Non-Scottish Fold. The accuracy of this
system is 97,5% for cat’s ears image, 96% for cat’s face image without background, and 90,5% for cat’s
face image with background using HOG parameter 8x8 pixel per cells, 1x1 cells per block, 9 bins, and ANN
parameter 50 neuron in 1 hidden layer.
Keywords: Cats, Race Recognition, Face Recognition, Histogram of Oriented Gradients, Artificial Neural
Network

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0