KLASIFIKASI WAJAH KAMBING PETERNAKAN ETAWA MENGGUNAKAN EKSTRAKSI FITUR

GLOBAL CONTRAST SALIENCY DAN HOG DENGAN METODE KLASIFIKASI K-NN

(CLASSIFICATION OF GOAT FACE OF ETAWA FARM USING GLOBAL CONTRAST
SALIENCY AND HOG FEATURE EXTRACTION WITH K-NN CLASSIFICATION
METHOD)
NAMA

ABSTRACT
Goats are the oldest domestic animals in the world with over 1000 years of coexistence with
humans. The most popular goat in Southeast Asia itself is known as the etawa goat,
originating from Jamnapari India. Etawa goats crossed with Javanese bean goats produce
Peranakan Etawa (PE) goats. Pe goats tend to be similar to etawa goats in terms of their
physical characteristics
For decades, quality assessment and classification of goats still use conventional methods by
looking, measuring and seeing directly goats so that different understandings and
viewpoints will be different in value. So many are deceived in the process of purchasing
goats, because it does not match the price with the quality of goats. Need a new method
that is more effective and objective in assessing the quality of goats Etawa Farm (PE). The
purpose of this research is expected to provide a more effective and efficient solution by
presenting a system that will be able to classify pe goats of good quality, poor quality and
not good web-based by providing image identity based on the physical characteristics of PE
goats using the method of extracting fitu Global Contrast Saliency and HOG with k-NN
classification method and publishing it in the National Journal of Sinta 3.

PENDAHULUAN cembung dan bulu yang sangat panjang di

Kambing merupakan hewan domestik
tertua didunia dengan 1000 tahun lebih
telah hidup berdampingan dengan
manusia. Kambing yang paling popular di
Asia Tenggara sendiri dikenal sebagai
kambing etawa, berasal dari Jamnapari
India. Dinegara asalnya kambing etawa
termasuk jenis kambing dwiguna, yakni
sebagai penghasil susu dan juga penghasil
daging. Kambing etawa memiliki ciri
postur tubuh yang besar, telinga panjang
menggantung, memiliki bentuk muka
bagian paha belakang.
Kambing etawa yang disilangkan dengan
kambing kacang Jawa menghasilkan
kambing Peranakan Etawa (PE) yang
disebut juga sebagai kambing lokal
Indonesia. Kambing PE cenderung mirip
dengan kambing etawa dari segi ciri
fisiknya. Hal utama yang perlu
diperhatikan dalam menilai kualitas dari
Kambing PE adalah bagian wajah, telinga,
tanduk dan postur tubuh. Bahkan
beberapa menilai dari warna wajah
semakin hitam wajah semakin baik (Yohannes et al., 2019)) citra wajah
kualitas dari kambing tersebut. hewan telah digunakan sebagai fitur
Selama beberapa dekade, penilaian dalam klasifikasi hewan. Salah satu
kualitas dan pengklasifikasian kambing metode klasifikasi yang telah
masih memakai metode konvensional digunakan yaitu k-Nearest Neighbor (k-
yaitu dengan cara melihat, mengukur dan NN). Dikatakan dalam penilitan (Ikhsan
melihat langsung kambing sehingga beda et al., 2020) menggutip dari
pemahaman dan cara pandang akan Dahril,2014. K-NN (K-Nearest
berbeda nilainya. Sehingga banyak yang
Neighbour) merupakan metode
tertipu dalam proses pembelian kambing,
mengklasifikasikan suatu objek
karena tidak sesuainya harga dengan
dengan mempertimbangkan kelas
kualitas kambing. Sehingga perlu metode
terdekat dari objek tersebut. k-NN
baru yang lebih efektif dan objektif dalam
menilai kualitas kambing Peternakan adalah metode berbasis NN (Neural
Etawa (PE). Network) yang paling tua dan paling
popular dan banyak dignakan dalam
Pada penelitian (Nur et al., 2014)
kasus klasifikasi seperti pada citra
menggunakan metode Perseptron
dikatakan meteode tersebut memerlukan wajah (S. D. Cahyaningtyas.,2016),
data pelatihan yang banyak, sehingga daun (F. Fandiyansyah et al.,2017),
menghasilkan tingkat akurasi yang baik. batik (H. Wijayanto.,2015) dan
Kecepatan dan kefektifitasan proses khususnya pada jenis hewan ((Al Rivan
menilai juga sangat penting untuk & Yohannes, 2019)(Nur et al., 2014))
memberikan, Sehingga penelitian ini Pada penelitian (Cheng et al., n.d.)
diharapkan mampu memberikan solusi Global Contrast Saliency adalah
yang lebih efektif dan efisien dengan sebuah metode yang digunakan untuk
menghadirkan sebuah system yang mengambil suatu wilayah dominan
nantinya mampu mengklasifikasikan
pada objek menjadi sebuah citra
kambing PE yang berkualitas bagus,
dengan memperhitungkan perbedaan
kualitas kurang bagus dan tidak bagus,
kontras warna pada setiap regionnya.
berbasis web dengan pemberian identitas
citra yang didasarkan pada ciri fisik Global Contrast Saliency dapat
kambing PE menggunakan metode digunakan juga untuk metode
ektraksi fitu Global Contrast Saliency dan segmentasi objek karena mampu
HOG dengan metode klasifikasi k-NN. memisahkan objek dengan wilayah
objek agar lebih mudah terlihat.
Metode ekstraksi fitur pada peniltian
TINJAUAN PUSTAKA
ini menggunakan Histogram of
Oriented Gradient (HOG) yaitu fitur
Pada Penelitian ((Yohannes & Al Rivan,
yang mampu digunakan sebagai fitur
2020) (Al Rivan & Yohannes, 2019)
dalam klasifikasi dibandingkan dengan
fitur lokal lainya (S. Taheri et al., 2018). Pencarian proses uji coba
HOG dapat digunakan sebagai fitur menunjukkan bahwa fitur klasifikasi K-
bentuk dari citra saliency yang NN mampu mengenali kopi arabika
dihasilkan dengan metode Global greenbean menjadi 4 kelas dengan
Contrast Saliency. nilai akurasi 63,5%, sangat baik dalam
Pada penelitan (Mulyaningrum mengenali 90% arabika utuh biasa dan
et al., 2018) yang bertujuan untuk 97% arabika utuh utuh
klasifikasi bobot barkas domba, Image LANDASAN TEORI
processing atau pengolahan citra
Global Contrast Saliency
digital dapat diimplementasikan untuk
membantu mengestimasi bobot
karkas domba. Untuk
mendapatkannya pengolahan citra di
lakukan dengan cara memisahkan
tubuh domba dengan background.
Setelah itu, proses identifikasi untuk
mendapatkan ukuran fisik (lingkar
dada dan panjang badan). Pertama
sistem akan melakukan ekstraksi ciri
untuk mendapatkan informasi di
dalam citra menggunakan metode
Fractal. Setelah didapatkan ciri citra,
kemudian akan diklasifikasikan
dengan metode jarak terdekat atau K-
Nearest Neighbor yang kemudian akan
dikelompokan sesuai kelasnya besar,
sedang, dan kecil.
(Ikhsan et al., 2020) melalukan
peneltian klasifikasi mutu greenbean
kopi arabika, lanang dan biasa
menggunakan Metode k-NN (K-
Nearest Neighbor) . Metode tersebut
digunakan untuk klasifikasi kualitas.
Penelitian ini akan mengklasifikasikan
kopi Arabika Greenbean menjadi 4
kelas kualitas, yaitu lanang arabika
utuh, lanang arabika pecah, arabika
utuh utuh, dan arabika pecah biasa.