ABSTRAKSI: Pada Tugas Akhir ini dilakukan implementasi metode 2D Gabor Wavelet sebagai metode ekstraksi ciri dan Jaringan Saraf Tiruan Learning Vector Quantization (LVQ) sebagai metode pengklasifikasian citranya. Citra akan dilkasifikasikan ke dalam 2 kelas yaitu citra porno atau citra bukan porno. Data yang digunakan pada saat pembangunan knowledge adalah data citra berukuran 40x40 pixel berjumlah 90 data latih, 30 data validasi dan 40 data uji. Dengan menggunakan metode ini, akurasi pada saat pembangunan knowledge adalah 100% untuk data latih, 100% untuk data validasi dan 97.5% untuk data uji. Akurasi terbaik pada saat melakukan deteksi gambar porno sebesar 95,5% dengan menggunakan parameter shifting pixel 5. Sedangkan akurasi terbaik pada saat melakukan deteksi gambar porno dan gambar tidak porno sebesar 83,53% dengan menggunakan parameter shifting pixel 10. Total jumlah gambar pada saat deteksi adalah 45 gambar porno dan 40 gambar porno.
2D Gabor Wavelet adalah ekstraksi ciri yang memiliki kemampuan dalam membedakan berbagai tekstur didasarkan atas berbagai frekuensi dan orientasi spasial. Sedangkan Learning Vector Quantization merupakan JST dengan pembelajaran yang terawasi. Kelebihan LVQ adalah hanya memiliki 1 hidden layer dan 1 linear layer sehingga proses learning / pembangunan knowledge serta proses pendeteksian yang cepat. Akurasi tertinggi pada saat pembangunan knowledge diperoleh dengan parameter Gabor Wavelet frekuensi 2, 3, 4, 5, 6 orientasi 300 serta ukuran kernel 7 dan parameter LVQ adalah 4 hidden neuron serta learning rate 0.04. Pembangunan knowledge dilakukan dengan menggunakan 90 data latih, 30 data validasi dan 40 data uji.
Kata Kunci : klasifikasi, citra porno, Gabor Wavelet, Learning VectorABSTRACT: In my final project, implemented 2D Gabor Wavelet as a method of feature extraction and Artificial Neural Network Learning Vector Quantization (LVQ) as a method of images recognation. The images will be classified into two classes which are pornographic images or non-pornographic images. The images size used during the construction of knowledge is a 40x40 pixel with 90 training data, 30 validation data and 40 test data. By using this method, the accuracy at of construction the knowledge is 100% for training data, 100% for validation data and 97.5% for testing data. The best system accuration of detection pornographic images using shifting pixel 5 reaches 95,5%. But the best system accuration of detection pornographic and non pornographic images using shifting pixel 10 reaches 83,53%.
2D Gabor Wavelet is a feature extraction that has the ability to differentiate various textures based on various frequency and spatial orientation. Learning Vector Quantization is a Artificial Neuron Network with supervised learning. LVQ is only has 1 hidden layer and 1 linear layer so that rapid process of learning / knowledge development and detection process. Highest accuracy at the time of construction of knowledge obtained with Gabor Wavelet frequency parameters 2, 3, 4, 5, 6 orientations 300, kernel size 7 and the parameters of LVQ are 4 hidden neurons and learning rate 0.04. Knowledge development done by using 90 training data, 30 data validation and 40 test data.Keyword: classification pornographic images, Gabor Wavelet, Learning