Isi Artikel Utama
Abstrak
Pemanfaatan teknologi menjadi solusi saat perkembangan jaman terus meningkat dan berkembang. Tidak terkecuali keterkaitan teknologi untuk bidang keamanan negara. Metode yang mendukung klaterisasi adalah ekstraksi ciri menggunakan Gray Level Co-occurence Matrix (GLCM) yang dilakukan sebelum proses klaterisasi itu sendiri. GLCM sangat cocok digunakan untuk melakukan ekstraksi fitur atau ciri-ciri pada citra yang memiliki pola-pola khusus seperti penelitian pengenalan pola wayang. Prosedur penelitian ini merupakan alur dari flowchat untuk membangun sistem informasi untuk uji forensik proses klasterisasi proyektil amunisi senjata api menggunakan algoritma Gray Level Co-occurrene Matrices (GLCM) dan K-Means clustering. Pada Gambar 3.1 berikut merupakan kerangka sistem informasi sebagai penjelas setiap alur input, proses dan output diilustrasikan.Hasil penelitian menunjukkan bahwa penggunaan metode GLCM sebagai ekstraksi fitur dari image grayscale dan metode K-Means untuk clustering memberikan hasil dan akurasi yang cukup baik. Performa model mencapai 71.14% meski dengan keterbatasan data yang dimiliki. Model tersebut dapat digunakan tidak hanya pada aplikasi console seperti Google Collabs, tetapi juga dapat digunakan pada aplikasi yang memiliki GUI dengan performa aplikasi yang cukup stabil.
Kata Kunci
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.
References
- P. Pisantanaroj et al., “Automated Firearm Classification From Bullet Markings Using Deep Learning,” IEEE Access, vol. 8, pp. 78236–78251, 2020, doi: 10.1109/ACCESS.2020.2989673.
- R. Mukundan, S. H. Ong, and P. A. Lee, “Image analysis by Tchebichef moments,” IEEE Transactions on Image Processing, vol. 10, no. 9, pp. 1357–1364, 2001, doi: 10.1109/83.941859.
- J. De Kinder, F. Tulleners, and H. Thiebaut, “Reference ballistic imaging database performance,” Forensic Sci Int, 2004, doi: 10.1016/j.forsciint.2003.12.002.
- G. Gerules, S. K. Bhatia, and D. E. Jackson, “A survey of image processing techniques and statistics for ballistic specimens in forensic science,” Science & Justice, vol. 53, no. 2, pp. 236–250, Jun. 2013, doi: 10.1016/j.scijus.2012.07.002.
- M. T. Bhatti, M. G. Khan, M. Aslam, and M. J. Fiaz, “Weapon Detection in Real-Time CCTV Videos Using Deep Learning,” IEEE Access, vol. 9, pp. 34366–34382, 2021, doi: 10.1109/ACCESS.2021.3059170.
- A. Egiazarov, V. Mavroeidis, F. M. Zennaro, and K. Vishi, “Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks,” in 2019 European Intelligence and Security Informatics Conference (EISIC), IEEE, Nov. 2019, pp. 70–77. doi: 10.1109/EISIC49498.2019.9108871.
- E. J. A. T. Mattijssen, “Interpol review of forensic firearm examination 2016-2019,” Forensic Sci Int, vol. 2, pp. 389–403, 2020, doi: 10.1016/j.fsisyn.2020.01.008.
- Y. Florenza, “Tinjauan Naratif Tentang Mengeksplorasi Menyeluruh Kehebatan K-Means Algoritma Klasterisasi,” Jurnal Ilmu Data, vol. 3, no. 1, 2023.
- M. Muhathir, M. H. Santoso, and D. A. Larasati, “Wayang Image Classification Using SVM Method and GLCM Feature Extraction,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 4, no. 2, pp. 373–382, Jan. 2021, doi: 10.31289/jite.v4i2.4524.
- A. P. A. Masa and H. Hamdani, “Klasifikasi Motif Citra Batik Menggunakan Convolutional Neural Network Berdasarkan K-means Clustering,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 4, p. 1292, Oct. 2021, doi: 10.30865/mib.v5i4.3246.
- P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, 2021, doi: 10.29207/resti.v5i1.2615.
- P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 1–9, Feb. 2021, doi: 10.29207/resti.v5i1.2615.
- A. Abdulhafedh, “Incorporating K-means, Hierarchical Clustering and PCA in Customer Segmentation,” Journal of City and Development, vol. 3, no. 1, pp. 12–30, 2021, doi: 10.12691/jcd-3-1-3.
- C.-Y. Liong, N. A. M. Ghani, S. B. A. Kamaruddin, and A. A. Jemain, “Firearm Classification Based on Numerical Features of the Firing Pin Impression,” Procedia Comput Sci, vol. 13, pp. 144–151, 2012, doi: 10.1016/j.procs.2012.09.123.
- K. Aprilia and F. Sembiring, “Analisis Garis Kemiskinan Makanan Menggunakan Metode Algoritma K-Means Clustering,” SISMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika), pp. 1–10, 2021.
References
P. Pisantanaroj et al., “Automated Firearm Classification From Bullet Markings Using Deep Learning,” IEEE Access, vol. 8, pp. 78236–78251, 2020, doi: 10.1109/ACCESS.2020.2989673.
R. Mukundan, S. H. Ong, and P. A. Lee, “Image analysis by Tchebichef moments,” IEEE Transactions on Image Processing, vol. 10, no. 9, pp. 1357–1364, 2001, doi: 10.1109/83.941859.
J. De Kinder, F. Tulleners, and H. Thiebaut, “Reference ballistic imaging database performance,” Forensic Sci Int, 2004, doi: 10.1016/j.forsciint.2003.12.002.
G. Gerules, S. K. Bhatia, and D. E. Jackson, “A survey of image processing techniques and statistics for ballistic specimens in forensic science,” Science & Justice, vol. 53, no. 2, pp. 236–250, Jun. 2013, doi: 10.1016/j.scijus.2012.07.002.
M. T. Bhatti, M. G. Khan, M. Aslam, and M. J. Fiaz, “Weapon Detection in Real-Time CCTV Videos Using Deep Learning,” IEEE Access, vol. 9, pp. 34366–34382, 2021, doi: 10.1109/ACCESS.2021.3059170.
A. Egiazarov, V. Mavroeidis, F. M. Zennaro, and K. Vishi, “Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks,” in 2019 European Intelligence and Security Informatics Conference (EISIC), IEEE, Nov. 2019, pp. 70–77. doi: 10.1109/EISIC49498.2019.9108871.
E. J. A. T. Mattijssen, “Interpol review of forensic firearm examination 2016-2019,” Forensic Sci Int, vol. 2, pp. 389–403, 2020, doi: 10.1016/j.fsisyn.2020.01.008.
Y. Florenza, “Tinjauan Naratif Tentang Mengeksplorasi Menyeluruh Kehebatan K-Means Algoritma Klasterisasi,” Jurnal Ilmu Data, vol. 3, no. 1, 2023.
M. Muhathir, M. H. Santoso, and D. A. Larasati, “Wayang Image Classification Using SVM Method and GLCM Feature Extraction,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 4, no. 2, pp. 373–382, Jan. 2021, doi: 10.31289/jite.v4i2.4524.
A. P. A. Masa and H. Hamdani, “Klasifikasi Motif Citra Batik Menggunakan Convolutional Neural Network Berdasarkan K-means Clustering,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 4, p. 1292, Oct. 2021, doi: 10.30865/mib.v5i4.3246.
P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, 2021, doi: 10.29207/resti.v5i1.2615.
P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 1–9, Feb. 2021, doi: 10.29207/resti.v5i1.2615.
A. Abdulhafedh, “Incorporating K-means, Hierarchical Clustering and PCA in Customer Segmentation,” Journal of City and Development, vol. 3, no. 1, pp. 12–30, 2021, doi: 10.12691/jcd-3-1-3.
C.-Y. Liong, N. A. M. Ghani, S. B. A. Kamaruddin, and A. A. Jemain, “Firearm Classification Based on Numerical Features of the Firing Pin Impression,” Procedia Comput Sci, vol. 13, pp. 144–151, 2012, doi: 10.1016/j.procs.2012.09.123.
K. Aprilia and F. Sembiring, “Analisis Garis Kemiskinan Makanan Menggunakan Metode Algoritma K-Means Clustering,” SISMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika), pp. 1–10, 2021.