Optimalisasi dimensi image untuk meningkatkan akurasi Naïve Bayes Classifier dengan menggunakan interpolasi
| Main Authors: | Santoso, Irwan Budi, Supriyono, Supriyono |
|---|---|
| Format: | Research NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M), UIN Maulana Malik Ibrahim Malang
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.uin-malang.ac.id/1966/2/1966.pdf http://repository.uin-malang.ac.id/1966/ |
Daftar Isi:
- Salah satu faktor yang dapat meningkatkan akurasi naïve bayes classifier (NBC) dalam mengklasifikasikan objek image adalah ketepatan dalam ekstraksi fitur image dan ketepatan dalam membangun struktur model NBC. Pada penelitian ini, dikaji secara lebih mendalam bagaimana optimalisasi metode interpolasi khususnya metode non-adaptive (nearest neighbor, bilinear, bicubic dan lanczos) sebagai dasar dalam ekstraksi fitur image. Ekstraksi fitur berdasarkan metode interpolasi dilakukan dengan melakukan optimalisasi dimensi image (image downscaling) untuk mendapatkan fitur image yang optimal bagi NBC. Untuk mengetahui sejauhmana kemampuan metode yang diusulkan, dilakukan ekspetimen dengan menggunakan data image benchmark yaitu image texture yang diambil dari CVonline database. Hasil eksperimen menunjukkan bahwa ekstraksi fitur berdasarkan optimalisasi dimensi image dengan interpolasi nearest neighbor menghasilkan tingkat akurasi paling baik daripada interpolasi bilinear, bicubic dan lanczos. Untuk interpolasi bicubic dan lanczos memberikan hasil relatif sama, sedangkan hasil terburuk diberikan oleh interpolasi bilinear.