<![CDATA[Pengolahan citra dan visi komputer adalah bidang yang berkembang pesat dengan banyak aplikasi praktis, termasuk pengenalan objek, analisis gambar medis, dan kontrol kualitas industri. Penelitian ini bertujuan untuk mengembangkan metode deteksi dan klasifikasi bentuk dalam gambar menggunakan Chain Code dan algoritma Klasifikasi Naive Bayes. Chain Code digunakan untuk merepresentasikan kontur bentuk secara digital, sedangkan Naive Bayes digunakan untuk mengklasifikasikan bentuk berdasarkan distribusi probabilitas fitur. Dalam implementasinya, gambar pra-proses dengan teknik thresholding dan deteksi tepi untuk mengekstraksi kontur, yang kemudian diwakili dengan Chain Code. Fitur yang diekstraksi ini kemudian digunakan sebagai input untuk model Naive Bayes yang dilatih untuk mengenali berbagai bentuk geometris seperti lingkaran, segi lima, segi enam, bintang, dan persegi panjang. Hasil eksperimen menunjukkan bahwa metode ini efektif dalam mendeteksi dan mengklasifikasikan bentuk-bentuk dasar dengan tingkat akurasi yang tinggi. Meskipun demikian, metode ini memiliki keterbatasan dalam mendeteksi bentuk yang lebih kompleks atau dengan tepi yang tidak teratur. Saran untuk penelitian di masa depan termasuk penggunaan dataset yang lebih besar dan bervariasi, pengujian dengan algoritma klasifikasi lainnya, dan pengembangan algoritma hybrid untuk meningkatkan akurasi dan robustnes deteksi bentuk.]]>
Copyrights © 2024
