MATHunesa

Jurnal Ilmiah Matematika Volume 11 No 02

e-ISSN : 2716-506X | p-ISSN : 2301-9115 Tahun 2023

PENERAPAN DIMENSI FRAKTAL BOX COUNTING DAN K-MEDOIDS UNTUK DETEKSI

JENIS HEWAN KINGDOM MAMALIA BERDASARKAN MOTIF TUBUH

Ananda Kusuma Wati

Jurusan Matematika, FMIPA, Universitas Negeri Surabaya
e-mail: Ananda.19003@[Link]

Dwi Juniati
Jurusan Matematika, FMIPA, Universitas Negeri Surabaya
Penulis Korespondensi: dwi_juniati@[Link]

Abstrak

Mamalia adalah kelompok hewan vertebrata yang memiliki ciri-ciri seperti rambut dan kelenjar susu. Dan
kingdom mamalia adalah salah satu kerajaan dengan jumlah spesies yang banyak. Bentuk, warna, dan
ukuran hewan yang termasuk dalam kingdom mamalia bisa sangat bervariasi. Perbedaan tersebut dapat
dibedakan dengan ciri-ciri dari hewan seperti bentuk motif tubuhnya yang khas. Untuk pengolahan citra
yang akan digunakan metode yang sudah dilakukan untuk mengidentifikasi ciri pada suatu citra yaitu
deteksi tepi. Dalam bidang ilmu matematika yang banyak digunakan untuk mempelajari bentuk tak
beraturan suatu objek adalah geometri fraktal. Dalam penelitian ini dilakukan pengelompokkan hewan
pada motif tubuhnya berdasarkan dimensi fraktal. Diperoleh 120 citra hewan yang berada pada kingdom
mamalia yang akan diproses melalui segmentasi yang memperoleh wilayah (region) motif tubuh hewan.
Region yang diperoleh akan digunakan untuk mengetahui pola motif tubuh dengan deteksi tepi Canny.
Kemudian akan dihitung menggunakan metode box counting dan menghasilakan nilai dimensi fraktal
untuk ke tahap cluster. Hasil dari percobaan metode Clustering K-Medoids dari enam cluster yaitu hewan
ceetah, harimau, macan tutul, hyena, jerapah, dan zebra yang memiliki akurasi sebesar 84,16%.
Kata Kunci: Motif Tubuh Hewan Mamalia, Box Counting, K-Medoids.

Abstract
Mammals are a group of vertebrate animals that have characteristics such as hair and mammary glands. And the
kingdom of mammals is one of the kingdoms with a large number of species. The shape, color, and size of animals
belonging to the mammalian kingdom can vary greatly. These differences can be distinguished by the characteristics
of animals such as the distinctive shape of their body motifs. For image processing, the method that has been used to
identify features in an image is edge detection. In the field of mathematics that is widely used to study the irregular
shape of an object is fractal geometry. In this research, grouping of animals based on their body motifs based on fractal
dimensions was carried out. 120 animal images were obtained in the mammal kingdom which will be processed
through segmentation which obtains the region of animal body motifs. The region obtained will be used to determine
the pattern of body motifs with Canny edge detection. Then it will be calculated using the box counting method and
produce fractal dimension values for the cluster stage. The results of the experimental K-Medoids Clustering method
from six clusters, namely cheetahs, tigers, leopards, hyenas, giraffes, and zebras, have an accuracy of 84.16%.
Keywords: Mammal Animal Body Motives, Box Counting, K-Medoids.

menjadi 12 bangsa (ordo). Sedangkan jika dilihat

PENDAHULUAN pada sebaran mamalia terbesar sebanyak 268 jenis
Mamalia adalah kelas dari hewan bertulang di Pulau Kalimantan, 257 jenis di Pulau Sumatera,
belakang (vertebrate) dengan salah satu ciri seperti 241 jenis di Pulau Papua dan 207 jenis di Pulau
adanya rambut dan kelenjar susu (Ulfani & Sulawesi, dan 193 jenis di Pulau Jawa dengan
Fadillah, n.d.). Salah satu kingdom yang memiliki urutan yang kelima(Rahman et al., 2019).
spesies banyak adalah kingdom mamalia. Mamalia Hewan pada kingdom mamalia berbeda dalam
memiliki istilah dalam Bahasa Latin "mamma" yang bentuk, warna, dan ukuran pada setiap tubuhnya.
berarti putting. Indonesia di tahun 2019, jenis Perbedaannya dapat dilihat dari bentuk
mamalia yang tercatat ± 776 jenis yang terbagi karakteristiknya (Santoso & Restanto, 2021). Pada

174
 ANANDA KUSUMA WATI, DWI JUNIATI

penelitian sebelumnya yang berjudul “Klasifikasi untuk mencari nilai dimensi fraktal yang sesuai.
Citra Genus Panthera Menggunakan Metode Jika dilihat pada penelitiian sebelumnya yang
Convolutional Neural Network (CNN)” dimana objek menggunakan metode KNN (k-Nearest Neighbor)
yang dipakai dalam penelitian ini yaitu mendeteksi yang pada hasil penelitiannya tidak dapat
struktur tubuh dan motif yang berbeda dari Genus memprediksi jenis hewan mamalia Tikus, Babi,
Panther atau Keluarga Felidae (kucing). Genus ini Kelinci, Anjing dan Domba, karena nilai dari feature
memilki sekitar setengah dari subfamili pantherinae vector pada saat ekstraksi fitur HOG yang kurang
atau kucing besar (empat spesies popular) adalah baik(Yohannes et al., 2019). Adapun kelemahan dari
harimau, singa, jaguar dan macan tutul(Anwar & KNN adalah nilai k miring, dan atribut yang tidak
Riminarsih, 2019). relevan(Mutrofin et al., 2014). Sehingga proses
Jika dilihat pada struktur wajah maupun tubuh selanjutnya klasifikasi hewan mamalia akan
hewan mamalia, itu dapat digunakan sebagai menggunakan Teknik clustering. Hal ini sebagai
perbedaan dari setiap hewan mamalia(Ezar Al langkah awal untuk memastikan keberadaan hewan
Rivan, 2019). Selain bentuk wajah jika dilihat pada apa saja yang hidup di alam liar yang tergolong
penelitian klasifikasi genus panther yang kedalam hewan yang hampir atau punah. Sehingga
menggunakan metode Convolutional Neural Network dapat menjaga ekosistem alam. Dengan
(CNN). Dimana penelitian ini mengambil citra menggunakan bantuan suatu alat untuk mengambil
struktur tubuh dan motif disetiap hewan yang gambar hewan yang hidup secara bebas di alam liar
termasuk kedalam genus panther atau keluarga di suatu tempat dengan cara meletakkan alat
Felidae (kucing besar). Prediksi hasil akurasi tersebut di beberapa titik disekitar habitat aslinya,
didapatkan dari nilai F1-Score pada pengujian untuk mengurangi resiko penyerangan hewan
didapatkan sebesar 78% untuk harimau, 70% untuk terhadap peneliti. Jadi peneliti dapat memastikan
jaguar, 37% untuk macan tutul, 74% untuk singa hewan tersebut masih ada atau tidak populasinya.
(Anwar & Riminarsih, 2019). Hasil akhir dari Dan jika penelitian ini memiliki akurasi yang baik
penelitian tersebut ada dataset yang tidak maka metode ini dapat digunakan ke beberapa
mengenali macan tutul. ordo lainnya yang masih tergolong pada kingdom
Dalam penyusunan penelitian ini dengan mamalia atau kingdom lainnya.
melakukan pengklasifikasian hewan liar Adapun beberapa hasil aplikasi dimensi fraktal
berdasarkan motif tubuh yang termasuk kedalam dalam pengelompokkan yang menggunakan
kingdom mamalia. Sehingga untuk pengolahan metode box counting antara lain, Klasifikasi
citra kali ini menggunakan salah satu metode yang Kelompok Umur Manusia Berdasarkan Analisis
sering digunakan dalam penelitian yang sudah Dimensi Fraktal Box Counting Dari Citra Wajah
dilakukan untuk mengidentifikasi ciri pada suatu Dengan Deteksi Tepi Canny (Al Amin & Juniati,
citra yaitu deteksi tepi. Deteksi tepi terbaik yaitu 2017), Mengelompokkan Jenis Tumor Kulit
deteksi tepi metode canny, dikarenakan hasil dari Berdasarkan Dimensi Fraktal (Alifa Isnaini &
deteksi ini lebih terlihat tajam pada gambar (objek), Juniati, 2019), Mengelompokkan Retinopati Diabetik
baik pada bagian dalam maupun tepi gambar Berdasarkan Dimensi Fraktal (Safitri & Juniati,
terlihat tebal, sehingga objek sangat jelas(Letelay & 2017), Klasifikasi Batik Di Jawa Timur Berdasarkan
Komputer, 2019). Setelah itu, menggunakan sebuah Analisis Dimensi Fraktal Dengan Menggunakan
metode untuk mendeteksi motif tubuh hewan. Metode Box Counting (Hidayatillah & Jakfar, 2022),
Metode yang dapat digunakan adalah metode box Analisis Jenis Penyakit Paru-Paru Berdasarkan
counting. Metode tersebut adalah metode yang ada Chest X-Ray Menggunakan Metode Fuzzy C-Means
di dimensi fraktal. Istilah fraktal diperkenalkan oleh (Nur Azizah & Juniati, n.d.), Klasifikasi Penyakit Paru
Benoit Mandelbrot pada tahun 1977 dalam bukunya Berdasarkan Citra X-Ray Thorax Menggunakan
yang berjudul “The Fractal Geometry of Nature”. Metode Fraktal Box Counting (Sapata & Juniati,
Fraktal memiliki kata latin “fractus” yang artinya n.d.). Dalam penelitian sebelumnya yang dilakukan
pecah atau tidak teratur (Mandelbrot, 1983). oleh Elsha & Juniati pada artikel yang berjudul
Selanjutnya untuk tahap klasifikasi peneliti “Clustering Of Lung Disease Based On Chest X-Ray
menggunakan algoritma k-medoids clustering Using Dimensions Fractal Box Counting And K-

175
 PENERAPAN DIMENSI FRAKTAL

Medoids”, yang menggunakan metode clustering k- yang meliputi berbagai jenis spesies di dunia.
medoids menghasilkan akurasi 87% [9]. Sehingga Mamalia adalah jenis hewan yang menyusui.
dalam penelitian ini, akan membahas Pencetus nama mamalia pada hewan adalah Carl
pengelompokkan jenis hewan berdasarkan motif Linnaeus. Suhu tubuh yang dimiliki sebagian besar
tubuhnya. Dan menggunakan metode k-medois hewan mamalia adalah hangat. Dan sebagian besar
clustering untuk pengelompokkan nilainya. Hasil mamalia bereproduksi dengan melahirkan, namun
dari pengelompokkan jenis hewan berdasarkan ada juga yang bertelur. (Ekonomi et al., 2020).
motif tubuhnya dengan menggunakan dimensi Dalam kingdom Mamalia dibagi menjadi
fraktal dalam penelitian ini akan sangat membantu beberapa ordo yaitu Ordo Dermoptera, Ordo
dalam bidang pelestarian hewan punah terutama Chiroptera, Ordo Primata, Ordo Rodentia, Ordo
dengan kondisi saat ini dimana hewan liar semakin Carnivora, Ordo Laghomorpha, Ordo Cetacea, Ordo
lama semakin berkurangnya angka populasi yang Proboscidea, Ordo Perissodactyla, Ordo Artiodactyl,
diakkibatkan oleh faktor alam maupun perbuatan Ordo Marsupilia, Ordo Insectivora. Dari 12 ordo
manusia. Sehingga diharapkan temuan penelitian tersebut, indikator penelitian yang digunakan
ini dapat digunakan untuk menyelidiki lebih lanjut adalah hewan yang memiliki motif ditubuhnya.
ada tidaknya satwa liar di alam bebas.
Ordo Karnivora
KAJIAN TEORI Karnivora adalah kelompok hewan yang
Citra Motif Tubuh Hewan pemakan daging. Ciri hewan yang termasuk ordo
Dalam penelitian ini, ada tahapan proses yang ini adalah Mempunyai kuku atau cakar tajam yang
akan dilakukan. Tahapan tersebut yaitu mengolah berfungsi untuk mencengkeram mangsa, dan
data gambar asli dengan cara memotong gambar pendengaran yang peka sehingga dapat memburu
yang akan dipakai sebagai data yang akan diteliti. mangsa dengan sangat cepat. ordo karnivora
Citra yang dimaksut adalah setiap jenis hewan meliputi 12 keluarga, dengan 9 di antaranya hidup
mamalia yang memiliki motif di tubuhnya. Data di darat seperti Canidae (anjing), Felidae (kucing),
uji ini menggunakan 20 citra jenis hewan mamalia. Ursidae (beruang), Procyonidae (rakun), Mustelidae
Ciri dari motif tubuh hewan kingdom mamalia, (musang, berang-berang), Mephitidae (sigung),
dapat di jelaskan sebagai berikut: Herpestidae (luwak), Viverridae (musang), dan
1. Motif bintik pada cheetah adalah yang Hyaenidae (hyena).
paling sederhana. Bentuknya hanya
berupa bulatan hitam.
2. Harimau memiliki ciri belang-belang yang
khas, berupa garis-garis vertikal gelap
pada bulu oranye.
3. Tubuh macan tutul memiliki ciri
mencolok yaitu pola atau bercak hitam
yang seperti berbentuk bunga
bermekaran.
4. Motif tubuh pada hyena hampir sama
namun tidak sebanyak ceetah.
Gambar 1. Keluarga Felidae
5. Jerapah memiliki motif yang menyerupai
ornamen bebatuan ditubuhnya. Ordo Perissodactyla
6. Zebra memiliki motif tubuh yang unik Merupakan mamalia pemakan tumbuhan
dengan berwarna hitam dan putih dengan ciri khas kuku yang jumlah jarin kakinya
bergaaris. ganjil.
Ciri – ciri ordo perissodactyla:
Hewan Kingdom Mamalia 1. Tidak bertanduk
Dalam bidang biologi kingdom berarti 2. kuku kaki berjumlah ganjil.
tingkatan takson tertinggi dalam pengklasifikasian

176
 ANANDA KUSUMA WATI, DWI JUNIATI

Contoh hewan ordo ini yaitu badak, kuda, dikehendaki) dengan background (objek lain yang
zebra, tapir. tidak dikehendaki). Pada hasil segmentasi,
foreground diaplikasikan oleh warna putih (1) dan
background oleh warna hitam (0). Metode
segmentasi threshold dapat ditulis sebagai berikut:
𝑇 = 𝑇[𝑥, 𝑦, 𝑓(𝑥, 𝑦), 𝑔(𝑥, 𝑦)] (1)
Dengan,
𝑇 : nilai threshold
𝑥, 𝑦 : koordinat titik threshold
Gambar 2. Hewan Zebra 𝑓(𝑥, 𝑦), 𝑔(𝑥, 𝑦) : titik piksel tingkat keabuan
Sehingga dapat dikatakan segmentasi threshold,
Ordo Artiodactila 1, 𝑗𝑖𝑘𝑎 𝑔(𝑥, 𝑦) ≥ 𝑇
𝑠(𝑥, 𝑦) = { (2)
Merupakan mamalia yang memilki jumlah 0, 𝑗𝑖𝑘𝑎 𝑔(𝑥. 𝑦) < 𝑇
kuku genap. Ordo mamalia ini merupakan hewan
pemekan tumbuhan (herbivore). Contoh hewan Deteksi Tepi
mamalia artiodactyla seperti jerapah, kerbau, sapi, Metode deteksi tepi Canny merupakan
kuda nil dan kijang. perencangan progres yang menghasilkan tampilan
efek relief. Efek relief yang dimaksut bentuk yang
menyerupai batu pahatan, yang memilki garis-garis
kasar yang membentuk suatu pola. Efek relief
memiliki bayangan terang dan gelap. Deteksi Tepi
Canny mampu mendeteksi tepi yang sebenarnya
dengan tingkat kesalahan yang rendah dengan kata
lain, operator Canny memberikan gambar tepi yang
optimal. Kelebihan dari metode Canny ini adalah
untuk sedikit menghilangkan noise yang ada
Gambar 3. Hewan Jerapah
sebelum melakukan perhitungan deteksi tepi, jadi
Histogram tepi dari suatu citra yang dihasilkan lebih terlihat
Histogram equalization merupakan proses jelas(Al Amin & Juniati, 2017).
pemerataan piksel dari citra untuk mengidentifikasi
detail yang sulit dilihat (Salem et al., 2010). Dimensi Fraktal Box counting
Banyak benda yang berbentuk tidak beraturan
Histogram warna dari suatu gambar mewakili
seperti pada alam yang tidak seragam secara
jumlah piksel dalam setiap jenis komponen warna.
spasial, yaitu bentuk pantai atau lereng, dapat
Penyetaraan histogram tidak dapat diterapkan
dideskripsikan dengan menggunakan fraktal. Dan
secara terpisah ke komponen merah, hijau, dan biru
dicetuskan oleh matematikawan kelahiran Polandia
pada gambar karena menyebabkan perubahan
Benoit B. Mandelbrot.(Mandelbrot, 1983).
dramatis pada keseimbangan warna gambar.
Metode penghitungan kotak merupakan salah
Sehingga ini dapat meningkatkan kontras global
satu menghitung nilai dimensi fraktal. Dengan cara
gambar ketika data yang dapat digunakan diwakili
menutupi objek oleh kotak-kotak (box) dengan
oleh nilai kontras yang dekat.
ukuran yang berbeda-beda(Juniati & Budayasa,
Segmentasi Thresholding 2006). Perhitungan ini terkadang disebut sebagai
Segmentasi citra adalah teknik untuk membagi metode perhitungan kotak. Metode ini membagi
gambar digital menjadi pengelompokan yang objek menjadi sejumlah besar kotak (persegi)
disebut segmen. Biasanya, prosedur pembagian dengan berbagai ukuran (r). Kemudian hitung
atau pengelompokan bergantung pada piksel jumlah kotak yang menutupi benda atau objek
gambar. Tresholding merupakan salah satu peroses tersebut. Setiap bagian dari garis memiliki rasio 𝑠 =
1
segmentasi pada citra. Proses terebut dilakukan jika seluruh garis dibagi menjadi bagian yang
𝑁
dengan cara antara foreground (objek yang sama. Jadi metode box counting adalah metode yang

177
 PENERAPAN DIMENSI FRAKTAL

terkenal untuk menghitung dimensi fraktal suatu K-Means Clustering adalah pendekatan
gambar atau citra(Hidayatillah & Jakfar, 2022). pengelompokan berbasis jarak untuk membagi data
Secara umum hubungan antara 𝐷, 𝑁, dan 𝑟 ke dalam kelompok. Sementara K-Medoids
dinyatakan dengan persamaan sebagai berikut, Clustering adalah pendekatan cluster yang terkait
1 𝐷 dengan K-Means Clustering. Perbedaan kedua
𝑁=( )
𝑟 (3) metode tersebut terletak pada pemilihan titik data
sebagai [Link] K-Medoids memiliki
Sehingga dari objek selfsimilarity pada dimensi kelebihan untuk mengatasi kelemahan pada pada
fraktalcyang membagi N bagian skala dari seluruh algoritma K-Means. Selain itu hasil proses clustering
bagian objek dapat dituliskan melalui persamaan pada algoritma k-medods tidak bergantung pada
dibawah ini(Mandelbrot, 1983). urutan masuk dataset(Pratiwi & Juniati, 2022).
log 𝑁 Langkah-langkah algoritma K-Medoids:
𝐷𝐹 =
1 1. Inisialisasi sebanyak k (jumlah cluster) sebagai
𝑙𝑜𝑔 (4)
𝑟
pusat cluster.
Dengan, 2. Kelompokkan setiap data (objek) ke dalam cluster
𝐷𝐹 = Nilai dimensi fraktal terdekat menggunakan persamaan Euclide
𝑁 = Banyak kotak Distance:
1 𝑚 𝑛
= Variansi ukuran
𝑟 𝑑(𝑥𝑖𝑗 , 𝑦𝑘𝑗 ) = √∑ ∑ (𝑥𝑖𝑗 − 𝑦𝑘𝑗 )2 (6)
Berikut langkah kerja suatu citra dengan 𝑗=1 𝑖=1

menggunakan metode Box counting sebagai Dengan,

berikut: 𝑑(𝑥𝑖𝑗 , 𝑦𝑘𝑗 ) = jarak Euclide Distance
1) Siapkan objek yang akan dilakukan proses 𝑥𝑖𝑗 = objek ke-I pada variabel ke-j
perhitungannya, 𝑦𝑘𝑗 = pusat cluster ke-k pada variabel
2) Objek tersebut lalu dibagi kedalam kotak- ke-j
kotak berukuran (𝑟) yang berbeda-beda. Nilai 𝑛 = banyak objek
𝑟 yang berawal dari 1 berubah menjadi 2𝑛 , 𝑚 = banyak nilai dimensi fraktal
dengan 𝑛 = 0, 1,2, … 2𝑛 yang dimana tidak
lebih besar dari ukuran citra. Jjika citra 3. Pilih pusat cluster (medoid) baru secara acak
berukuran 2𝑚 × 2𝑚 maka nilai 𝑛 akan berhenti pada masing-masing cluster.
sampai 𝑚, 4. setelah menentukan medoid baru hitung kembali
3) Mulai menghitung dan membuat garis lurus jarak dari setiap objek pada masing-masing
1
nilai dari log ( ) dan log 𝑁, cluster menggunakan persamaan Euclidian
𝑟
4) Cari kemiringan garis lurus pada citra tersebut Distance.
dengan persamaan: 5. Hitung nilai simpangan (S) dengan menghitung
(∑𝑛 𝑥 )(∑𝑛𝑘=1 𝑦) total distance baru dikurangi dengan total
(∑𝑛𝑘=1 𝑥𝑦) 𝑘=1
∝= 𝑛 distance lama. Jika 𝑆 < 0, maka pilih kembali
𝑛
(∑ 𝑥 )2 (5)
𝑛
(∑𝑘=1 𝑥 2 ) 𝑘=1 medoid pada masing-masing cluster sebagai
𝑛
pusat cluster baru.
Dengan, 6. Ketika sudah tidak ada perubahan saat
1 mengulangi langkah ke-3 sampai ke-5 pada
𝑥 = 𝑙𝑜𝑔
𝑟
medoid, maka proses dapat berhenti dan akan
𝑦 = log 𝑁
memperoleh hasil cluster serta anggota cluster-
𝑛 = banyaknya data yang dipakai
nya masing-masing.
∝ = kemiringan (slope)
METODE
Dataset
K-Medoids Clustering Data set dalam penelitian ini berupa citra tubuh
hewan yang diperoleh dari situs Kaggle yang

178
 ANANDA KUSUMA WATI, DWI JUNIATI

diakses secara online melalui Dikarenakan input citra yang digunakan

[Link] adalah citra RGB, maka citra input terlebih
Dari situs ini peneliti memperoleh citra dari dahulu akan di ubah menjadi citra grayscale.
[Link] Proses grayslace ini dilakukan agar tetap
animals-image-dataset?select=train, pada situs didapatkan nilai tepian yang masih bervariasi
tersbut terdapat 30 jenis hewan namun yang sehingga masih terlihat seluruh tubuh hewan
tergolong kedalam jenis hewan kingdom mamalia yang tidak diperlukan.
dan memiliki motif ditubuhnya adalah 6 hewan c. Deteksi Tepi
yaitu harimau, ceetah, macan tutul, hyena, jerapah, Proses ini menggunakan metode deteksi
dan zebra. Dataset ini terdiri dari 120 citra yaitu 20 tepi canny.
citra (ceetah, harimau, macan tutul, hyena, jerapah, 3. Deteksi Tepi Canny
dan zebra) dengan format .jpg/.jpeg dalam hasil Setelah citra telah berupa citra grayscale, yang
citra yang sudah di potong pada bagian samping selanjutnya dilakukan deteksi tepi canny. Deteksi
perut hewan dengan resolusi 230 * 148. tepi ini dilakukan dengan tujuan mendapatkan
penampakan motif tubuh hewan. Dan hasil deteksi
Tahapan Penelitian tepi canny ini akan berupa citra BW (Black and
White).
Mulai Data Set 4. Dimensi Box Counting
Selanjutnya citra yang telah berubah dilakukan
penghitungan nilai dimensi fraktal dengan bantuan
software Matlab R2016a, dari setiap citra yang diolah
Deteksi Tepi Canny Pra-Proses dengan menggunakan metode box-counting. Tujuan
dari tahap ini yaitu memperoleh nilai dimensi
fraktal dari tiap citra yang akan digunakan dalam
tahap klasifikasi.
Dimensi fraktal
box-counting
K-Medoids 5. Clustering K-Medoids
Tahap klasifikasi ini dilakukan dengan cara
mengumpulkan hasil nilai dimensi fraktal yang
kemudian akan di proses menggunakan clustering
Selesai Akurasi
K-Medoids yang berada di software Rapidminer.
Gambar 4. Diagram Alur Rancangan Penelitian 6. Akurasi
Pada tahap akurasi ini, perhitungan dilakukan
1. Data set untuk mengetahui ketepatan hasil pengklasteran
Data set dalam penelitian ini berupa citra data. Hasil dimensi fraktal dari motif tubuh hewan
tubuh hewan yang diperoleh dari situs Kaggle yang tersebut dihitung akurasinya dengan rumus sebagai
diakses secara online. Data set yang akan diteliti berikut:
terdiri dari 6 jenis hewan yaitu harimau, ceetah,
macan tutul, hyena, jerapah, dan zebra. Dataset ini 𝐴𝑘𝑢𝑟𝑎𝑠𝑖
terdiri dari 120 citra yaitu 20 citra (ceetah, harimau, 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑦𝑎𝑛𝑔 𝑏𝑒𝑛𝑎𝑟
= 𝑋 100% (7)
macan tutul, hyena, jerapah, dan zebra). 𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎
2. Pra-Proses
Pada tahap pra-proses penelitian ini dilakukan:
HASIL DAN PEMBAHASAN
a. Cropping
Olah Data Citra
Citra yang diperoleh dipotong yang
Dalam tahapan ini, pengolahan citra hewan akan
difokuskan pada bagian motif tubuh dibagian
digunakan dengan bantuan software Matlab. Berikut
samping perut hewan tersebut agar lebih
merupakan contoh hasil pengolahan citra untuk
mudah pengolahan tahap selanjutnya.
masing-masing jenis hewan yang berada pada
b. Grayscalling
kingdom mamalia.

179
 PENERAPAN DIMENSI FRAKTAL

Ceetah

(a) (b) (e) (f)

Gambar 6. Pengolahan Citra Tubuh Harimau

Pada proses Gambar 6 diatas merupakan

pengolahan citra pada citra hewan harimau.
Dimana gambar (a) merupakan hewan harimau
sebelum cropping. Gambar (b) merupakan citra hasil
(c) (d) crop dibagian samping perut. Gambar (c)
merupakan citra berkualitas baik. Gambar (d)
merupakan hasil segmentasi citra. Gambar (e)
merupakan hasil citra motif tubuh harimau yang
telah dilakukan deteksi tepi canny.

Macan Tutul

(e) (f)
Gambar 5. Pengolahan Citra Tubuh Ceetah

Pada proses Gambar 5 diatas merupakan

pengolahan citra pada citra hewan ceetah. Dimana
gambar (a) merupakan hewan ceetah sebelum
(a) (b)
cropping. Gambar (b) merupakan citra hasil crop
dibagian samping perut. Gambar (c) merupakan
citra berkualitas baik. Gambar (d) merupakan hasil
segmentasi citra. Gambar (e) merupakan hasil citra
motif tubuh ceetah yang telah dilakukan deteksi
tepi canny.

Harimau
(c) (d)

(a) (b)
(e) (f)
Gambar 7. Pengolahan Citra Tubuh Macan Tutul

Pada proses Gambar 7 diatas merupakan

pengolahan citra pada citra hewan macan tutul.
Dimana gambar (a) merupakan hewan macan tutul
(c) (d) sebelum cropping. Gambar (b) merupakan citra hasil

180
 ANANDA KUSUMA WATI, DWI JUNIATI

crop dibagian samping perut. Gambar (c) Jerapah

merupakan citra berkualitas baik. Gambar (d)
merupakan hasil segmentasi citra. Gambar (e)
merupakan hasil citra motif tubuh macan tutul
yang telah dilakukan deteksi tepi canny.

Hyena
(a) (b)

(a) (b)

(c) (d)

(c) (d)

(e) (f)
Gambar 9. Pengolahan Citra Tubuh Jerapah

Pada proses Gambar 9 diatas merupakan

pengolahan citra pada citra hewan jerapah. Dimana
gambar (a) merupakan hewan jerapah sebelum
cropping. Gambar (b) merupakan citra hasil crop
(e) (f) dibagian samping perut. Gambar (c) merupakan
Gambar 8. Pengolahan Citra Tubuh Hyena citra berkualitas baik. Gambar (d) merupakan hasil
segmentasi citra. Gambar (e) merupakan hasil citra
Pada proses Gambar 8 diatas merupakan motif tubuh jerapah yang telah dilakukan deteksi
pengolahan citra pada citra hewan hyena. Dimana tepi canny.
gambar (a) merupakan hewan hyena sebelum .
cropping. Gambar (b) merupakan citra hasil crop Zebra
dibagian samping perut. Gambar (c) merupakan
citra berkualitas baik. Gambar (d) merupakan hasil
segmentasi citra. Gambar (e) merupakan hasil citra
motif tubuh hyena yang telah dilakukan deteksi
tepi canny.

(a) (b)

181
 PENERAPAN DIMENSI FRAKTAL

6 1.7963 46 1.7565 86 1.7177

7 1.7943 47 1.7522 87 1.7395
8 1.7602 48 1.7407 88 1.7394
9 1.7824 49 1.7592 89 1.7122
10 1.7814 50 1.7541 90 1.7355
11 1.7864 51 1.7538 91 1.7394
(c) (d) 12 1.7605 52 1.7572 92 1.7345
13 1.7856 53 1.7533 93 1.7395
14 1.7850 54 1.7545 94 1.7366
15 1.7555 55 1.7407 95 1.7339
16 1.7505 56 1.7508 96 1.7302
17 1.7885 57 1.7552 97 1.7302
18 1.7924 58 1.7565 98 1.7395
(e) (f) 19 1.7994 59 1.7573 99 1.7122
Gambar 10. Pengolahan Citra Tubuh Zebra 20 1.7685 60 1.7508 100 1.7187
21 1.6651 61 1.6078 101 1.6864
Pada proses Gambar 10 diatas merupakan 22 1.6643 62 1.6085 102 1.6733
pengolahan citra pada citra hewan zebra. Dimana 23 1.6621 63 1.6045 103 1.6802
gambar (a) merupakan hewan zebra sebelum 24 1.6501 64 1.5653 104 1.6894
cropping. Gambar (b) merupakan citra hasil crop 25 1.6533 65 1.6087 105 1.6894
dibagian samping perut. Gambar (c) merupakan 26 1.6531 66 1.6089 106 1.6985
citra berkualitas baik. Gambar (d) merupakan citra
27 1.6693 67 1.6089 107 1.6985
yang telah di segmentasi. Gambar (e) merupakan
28 1.6683 68 1.6055 108 1.6741
hasil citra motif tubuh zebra yang telah dilakukan
29 1.6561 69 1.6048 109 1.6968
deteksi tepi canny.
30 1.6562 70 1.5983 110 1.6865
31 1.6661 71 1.6932 111 1.6919
Dimensi Fraktal Box Counting
Pada proses ini dari ke 6 hewan kingdom 32 1.6582 72 1.6045 112 1.6927
mamalia yang akan di cari nilainya untuk 33 1.6691 73 1.6055 113 1.6935
pengelompokkan berdasarkan jenis hewan. Dari 34 1.5602 74 1.6075 114 1.6819
nilai yang diperoleh dari metode dimensi fraktal box 35 1.6653 75 1.6018 115 1.6719
counting dengan bantuan Matlab. Nilai citra dari 36 1.6591 76 1.6015 116 1.6803
masing-masing jenis hewan mamalia yang dimana 37 1.6501 77 1.6015 117 1.6985
data 1-20 adalah citra hewan ceetah, data 21-40 38 1.6632 78 1.6054 118 1.6751
adalah citra hewan harimau, data 41-60 adalah citra 39 1.6603 79 1.6075 119 1.6805
hewan macan tutul, data 61-80 adalah citra hewan 40 1.6613 80 1.6085 120 1.6735
hyena, data 81-100 adalah citra hewan hyena. Dari
perhitungan dimensi fratal box counting dengan Dari Tabel 1, rata-rata yang diperoleh dari
menggunakan matlab, berikut nilai dimensi citra setiap dimensi citra motif tubuh hewan mamalia
motif tubuh ke enam hewan mamalia. diatas diperoleh sebagai berikut.

Tabel 1. Nilai Dimensi Pada Citra Hewan Tabel 2. Rata-Rata Dimensi Citra
No. Dimensi No. Dimensi No. Dimensi Jenis Hewan Rata-Rata Dimensi
1 1.7994 41 1.7553 81 1.7339 Ceetah 1.7827
2 1.7885 42 1.7573 82 1.7317 Harimau 1.6555
3 1.7923 43 1.7597 83 1.7329 Macan Tutul 1.7536
4 1.7903 44 1.7532 84 1.7316 Hyena 1.6079
5 1.7963 45 1.7536 85 1.7301

182
 ANANDA KUSUMA WATI, DWI JUNIATI

Jerapah 1.7310 20 cluster 4 60 cluster 4 100 cluster 3

Zebra 1.6856 21 cluster 2 61 cluster 5 101 cluster 0
22 cluster 2 62 cluster 5 102 cluster 2
K-Medoids Clustering 23 cluster 2 63 cluster 5 103 cluster 2
Pada tahap ini, dengan memakai metode K- 24 cluster 2 64 cluster 5 104 cluster 0
Medoids Clustering guna untuk mengumpulkan jenis 25 cluster 2 65 cluster 5 105 cluster 0
motif tubuh yang ada pada tubuh hewan kingdom
26 cluster 2 66 cluster 5 106 cluster 0
mamalia. Dengan menggunakan software rapidminer,
27 cluster 2 67 cluster 5 107 cluster 0
berikut hasil yang diperoleh.
28 cluster 2 68 cluster 5 108 cluster 2
29 cluster 2 69 cluster 5 109 cluster 0
Tabel 3. Tabel Centroid
30 cluster 2 70 cluster 5 110 cluster 0
Tabel Centroid
31 cluster 2 71 cluster 0 111 cluster 0
cluster 0 16985
32 cluster 2 72 cluster 5 112 cluster 0
cluster 1 17994
33 cluster 2 73 cluster 5 113 cluster 0
cluster 2 16735
34 cluster 2 74 cluster 5 114 cluster 2
cluster 3 17395
35 cluster 2 75 cluster 5 115 cluster 2
cluster 4 17508
36 cluster 2 76 cluster 5 116 cluster 2
cluster 5 16085
37 cluster 2 77 cluster 5 117 cluster 0
Dari Cluster centroid yang ada diatas, data nilai 38 cluster 2 78 cluster 5 118 cluster 2
dimensi fraktal yang di peroleh pada tabel 3 akan 39 cluster 2 79 cluster 5 119 cluster 0
dibagi menjadi 6 kelompok motif tubuh hewan 40 cluster 2 80 cluster 5 120 cluster 2
yaitu ceetah, harimau, macan tutul, hyena, jerapah, Dari hasil pengclusteran dengan menggunakan
dan zebra. Berikut hasil yang diperoleh dari software metode k-medoids yang tertera pada tabel 4
rapidminer. bahwasannya citra motif tubuh ceetah berada pada
cluster 1, citra motif tubuh harimau berada pada
Tabel 4. Hasil Pengelompokan Nilai Dimensi cluster 2, citra motif tubuh macan tutul berada pada
cluster 4, citra motif tubuh hyena berada pada
No Cluster No Cluster No Cluster
cluster 5, citra motif tubuh jerapah berada pada
1 cluster 1 41 cluster 4 81 cluster 3
cluster 3, dan citra motif tubuh zebra berada pada
2 cluster 1 42 cluster 4 82 cluster 3
cluster 0. Terdapat 19 data dari 120 data yang tidak
3 cluster 1 43 cluster 4 83 cluster 3
sesuai dengan dataset yang diambil dari Image
4 cluster 1 44 cluster 4 84 cluster 3 Animals.
5 cluster 1 45 cluster 4 85 cluster 3
6 cluster 1 46 cluster 4 86 cluster 3 Akurasi
7 cluster 1 47 cluster 4 87 cluster 3 Dari proses clustering k-medoids, selanjutnya
8 cluster 4 48 cluster 3 88 cluster 3 akan di hitung keakurasian data yang dihitung
9 cluster 1 49 cluster 4 89 cluster 3 dengan persemanaan (7). Berikut hasil yang
10 cluster 1 50 cluster 4 90 cluster 3 diperoleh.
11 cluster 1 51 cluster 4 91 cluster 3
12 cluster 4 52 cluster 4 92 cluster 3 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑟𝑒𝑑𝑖𝑘𝑠𝑖 𝑑𝑎𝑡𝑎 𝑏𝑒𝑛𝑎𝑟
𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑋 100%
13 cluster 1 53 cluster 4 93 cluster 3 𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎
14 cluster 1 54 cluster 4 94 cluster 3
101
15 cluster 4 55 cluster 3 95 cluster 3 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑋 100%
120
16 cluster 4 56 cluster 4 96 cluster 3
17 cluster 1 57 cluster 4 97 cluster 3 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 84,16%
18 cluster 1 58 cluster 4 98 cluster 3
19 cluster 1 59 cluster 4 99 cluster 0 Sehingga diperoleh akurasi sebesar 84,16%.

183
 PENERAPAN DIMENSI FRAKTAL

FRAKTAL BOX COUNTING DARI CITRA

WAJAH DENGAN DETEKSI TEPI
PENUTUP
CANNY. Jurnal Ilmiah Matematika, 2(6).
KESIMPULAN
Alifa Isnaini, N. & Juniati, D. (2019).
Adapun kesimpulan yang dapat diambil dari
KLASIFIKASI JENIS TUMOR KULIT
penelitian ini sebagai berikut:
MENGGUNAKAN DIMENSI FRAKTAL
1. Bahwasannya citra tubuh hewan dapat diolah
BOX COUNTING DAN K-MEANS. J. Ris. &
dengan metode fraktal box counting dan bukan
Ap. Mat, 3(2), 29–39.
hanya bentuk wajah maupun tubuhnya, namun
dari motif tubuh hewan juga dapat dijadikan ciri Anwar, G. A. & Riminarsih, D. (2019).
khas bagi hewan tersebut. KLASIFIKASI CITRA GENUS PANTHERA
2. Dimana citra hewan mamalia diproses melalui MENGGUNAKAN METODE
tahapan pengolahan citra (greyscale, histogram, CONVOLUTIONAL NEURAL NETWORK
segmentasi citra) yang dimana menghasilkan (CNN). Jurnal Ilmiah Informatika Komputer,
citra keabuan yang jelas sehingga pada proses 24(3), 220–228.
selanjutnya dapat menghasilkan tepi canny pada [Link]
citra yang menggunakan metode deteksi tepi.
Proses selanjutnya yaitu menghitung nilai pada Ekonomi, R., Satwa, P., Dan, L., Studi, P.,
citra dengan menggunakan dimensi fraktal box Pembangunan, E., Bayu, A. & Kamim, M.
counting yang dimana membagi citra dalam r (2020). Ekonomi dan Kebijakan Publik
iterasi dengan menghitung kotak yang menutupi Indonesia. Jurnal Ekonomi Dan Kebijakan
motif-motif tubuh hewan dengan iterasi Publik Indonesia, 7(1).
tersebut. Sehingga nilai yang muncul dapat di
cluster dengan metode cluster k-medoids, hal ini Ezar Al Rivan, M. (2019). Klasifikasi Mamalia
bertujuan untuk mengelompokkan jenis hewan Berdasarkan Bentuk Wajah Dengan K-NN
berdasarkan motif tubuhnya. Dan berdasarkan Menggunakan Fitur CAS Dan HOG. In
hasil penelitian ini menghasilkan nilai akurasi Jurnal Teknik Informatika dan Sistem Informasi
sebesar 84,4% dari 120 citra dengan 6 jenis ISSN (Vol. 5, Issue 2).
hewan yang ada pada kingdom mamalia. [Link]

Hidayatillah, W. & Jakfar, M. (2022). Klasifikasi

SARAN Batik di Jawa Timur Berdasarkan Analisis
Dari penelitian ini data dikembangkan seperti: Dimensi Fraktal Dengan Menggunakan
1. Diharapkan dapat menggunakan metode lain Metode Box Counting. MATHunesa: Jurnal
yang lebih mudah digunakan selain dimensi Ilmiah Matematika, 10(2), 349–358.
fraktal box counting pada penelitian ini .
Juniati, D. & Budayasa, I. K. (2006). Geometri
2. Diharapkan penelitian selanjutnya dapat
Fraktal & Aplikasinya (pertama). Unesa
mengambil citra secara langsung di alam liar
University Press, 2016.
atau data primer.
3. Diharapkan penelitian selanjutnya dapat Mandelbrot, B. (1983). The Fractal Geometry of
menggunakan metode lain untuk perbandingan Nature. W.H. Freeman.
dalam hal pengklusteran seperti KNN, Kmeans,
dll. Mutrofin, S., Izzah, A., Kurniawardhani, A. &
Masrur, M. (2014). Optimasi teknik
klasifikasi modified k nearest neighbor
DAFTAR PUSTAKA
menggunakan algoritma genetika. Jurnal
Al Amin, M. & Juniati, D. (2017). KLASIFIKASI Gamma, 10(1).
KELOMPOK UMUR MANUSIA
BERDASARKAN ANALISIS DIMENSI

184
 ANANDA KUSUMA WATI, DWI JUNIATI

Nur Azizah, F. & Juniati, D. (n.d.). Tahun 2021 Yohannes, Y., Sari, Y. P. & Feristyani, I. (2019).
ANALISIS JENIS PENYAKIT PARU-PARU Klasifikasi Wajah Hewan Mamalia Tampak
BERDASARKAN CHEST X-RAY Depan Menggunakan k-Nearest Neighbor
MENGGUNAKAN METODE FUZZY C- Dengan Ekstraksi Fitur HOG. Jurnal Teknik
MEANS. Jurnal Ilmiah Matematika. Informatika Dan Sistem Informasi, 5(1).

Pratiwi, E. H. & Juniati, D. (2022). CLUSTERING

PENYAKIT PARU-PARU BERDASARKAN
RONTGEN DADA MENGGUNAKAN
DIMENSI FRAKTAL BOX COUNTING
DAN K-MEDOIDS. Jurnal Riset Dan Aplikasi
Matematika (JRAM), 6(1), 1–12.

Rahman, D., Mulyani, Y., Kusrini, M., Setiawan

Achmadi, A. & Hamidy, A. (2019). Buku
Panduan Identifikasi Mamalia Dilindungi.

Safitri, D. W. & Juniati, D. (2017). Classification of

diabetic retinopathy using fractal dimension
analysis of eye fundus image. AIP
Conference Proceedings, 1867.
[Link]

Salem, M., Al-Amri, S., Kalyankar, N. V &

Khamitkar, S. D. (2010). IMAGE
SEGMENTATION BY USING EDGE
DETECTION. In IJCSE) International Journal
on Computer Science and Engineering (Vol. 02,
Issue 03).

Santoso, B. & Restanto, W. (2021). Monitoring

Macan Tutul Jawa (Panthera pardus melas
Cuvier, 1809) dengan Kamera Trap di Cagar
Alam Nusakambangan Timur Kabupaten
Cilacap, Provinsi Jawa Tengah. Al-Hayat:
Journal of Biology and Applied Biology, 4(1), 1–
10. [Link]

Sapata, B. M. & Juniati, D. (n.d.). RAY THORAX

MENGGUNAKAN METODE FRAKTAL
BOX COUNTING.

Ulfani, M. & Fadillah, N. (n.d.). Terbit online pada

laman web jurnal:
[Link]
DETEKSI BESAR HEWAN MAMALIA
BERDASARKAN LUAS DAN KELILING
MENGGUNAKAN METODE K-MEANS.
[Link]

185