Pengembangan Aplikasi Identifikasi Anopheles Berbasis Mobile

Authors

  • Alvianus Dengen UNIVERSITAS TEKNOLOGI SULAWESI

DOI:

https://doi.org/10.23969/infomatek.v24i1.4712

Keywords:

Application, Android, Anopheles, Training Image, Identification

Abstract

Pengembangan smartphone sebagai tools yang digunakan dalam penelitian memberikan banyak manfaat dibeberapa bidang, termasuk pendidikan, kesehatan, dan pertanian. Penelitian citra digital yang dikembangkan dalam aplikasi seluler dapat membantu kita memilih keputusan terbaik sehingga hasilnya sesuai seperti apa yang sudah direncanakan. Salah satu perkembangan dalam bidang Entomologi adalah penelitian yang menggunakan citra digital. Dalam penelitian ini, jenis anopheles yang digunakan untuk dataset sebanyak 22 jenis citra, untuk data uji penulis menggunakan 15 jenis citra dengan 100 kali percobaan. Training Image dan Identifikasi memiliki proses yang sama, mengambil gambar dari galeri atau langsung menggunakan kamera dari perangkat Android. Preprocessing dalam aplikasi meliputi: 1) mengubah pixel gambar menjadi 100x100 pixel, kemudian ukuran pixel ini menjadi standar penggunaan dalam aplikasi. 2) Konversi gambar ke biner menggunakan algoritma threshold, peristiwa ini biasa disebut Proses Binerisasi citra. Citra yang berasal dari proses threshold, diubah menjadi vektor satu dimensi. Training Image dan identifikasi citra memakai algoritma Eigenface. Prinsip utama algoritma Eigenface adalah menarik informasi yang unik dari setiap citra dan kemudian membandingkannya dengan citra dalam dataset. Identifikasi dengan aplikasi anopheles menghasilkan nilai akurasi yang baik dengan tingkat keberhasilan 94,29% dengan nilai FMR = 4,62% dan FNMR = 2,78%.  

Downloads

Download data is not yet available.

References

Bonne-Webster, J. dan Swellengrebel, N.H. (1953). The anopheline mosquitoes of the Indo- Australian Region. J.H. de Bussy Amsterdam. 503 p.

Cahyaningsih, S. (2010). Deteksi Osteoporosis dengan Thresholding Metode Otsu Pada Citra X-Ray Tulang Rahang. Malang: Universitas Islam Negeri Maulana Malik Ibrahim.

Choi, K., Toh, K. A., and Byun, H. (2011) Realtime Training on Mobile Devices for Face Recognition Application. Pattern Recognition, 44(2), 386-400

Collins, C., Galpin, M. D., and Kaeppler, M. (2011) Android in Practice, Shelter Island: Manning Publications Con..

Harwin, A.R. (1969). The concept of sibling spe-sies. Ostrich : Journal of African Ornithology, 40 : 27 -32

Hu, J., Peng, L., and Zheng, L. (2015). XFace: A Face Recognition System for Android Mobile Phones. IEEE 3rd International on Cyber-Physical Systems, Networks, and Apllication, pp. 13-18.

Kaur, A. (2015). An Essential guide to Automated GUI testing of Android Mobile Application. International Journal of Computer Techniques, 2(6), 8-12.

Manisha, V. and Balasubramanian, R. (2015). Center Symmetric local binary co-occurrence pattern for texture, face, and bio-medical image retrieval. J. Vis. Comun. Image Represent, 32, 224-236

Martineau, M., Conte, D., Raveaux, R., Arnault, I., Munier, D., Venturini, G. (2017). A survey on image-based insect classification. Pattern Recognition, 65, 273-284

Reid, A.J. (1968). Anopheline mosquitoes of Ma-laya and Borneo. Institute forMedical Research. Malaysia.

Downloads

Published

2022-06-29