Color Moments CIEL*a*b*, HSV, dan Ekstraksi Fitur Local Binary Pattern untuk Klasifikasi Citra Makanan Tradisional
| Main Author: | Novia Sabilla, Delischa |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194563/1/DELISCHA%20NOVIA%20SABILLA.pdf http://repository.ub.ac.id/id/eprint/194563/ |
Daftar Isi:
- Kecerdasan buatan atau Artificial Intelligence (AI) merupakan sebuah teknologi besar yang dapat mengubah kebiasaan sehari-hari, interaksi pribadi dan profesional, serta lingkungan. Laju perkembangan dari teknologi AI sangat cepat, dengan banyaknya terobosan baru di bidang machine learning dan pengambilan keputusan otomatis, menimbulkan banyak peluang baru untuk inovasi berkelanjutan. Menanggapi fenomena tersebut, muncul suatu gagasan inovasi untuk menerapkan produk AI berupa otomatisasi dalam mengenali ragam jenis kue tradisional. Kue kering, kue basah, dan jajanan pasar merupakan contoh dari makanan ringan tradisional yang keberadaannya hampir tersisihkan seiring perkembangan teknologi saat ini. Penelitian ini memanfaatkan data citra dari studi terdahulu berisi 34 kategori kue tradisional. Tahapan pengenalan citra pada penelitian ini terdiri dari ekstraksi fitur visual citra, yaitu warna dan tekstur, serta klasifikasi citra menggunakan metode machine learning Jaringan Syaraf Tiruan. Color moments, yaitu mean, standar deviasi, dan skewness dari ruang warna CIEL*a*b* dan Hue Saturation Value telah digunakan dalam berbagai penelitian dan teruji memberikan kontribusi tinggi pada kinerja pengenalan berbagai kategori citra. Metode Local Binary Pattern menghasilkan nilai keabuan dalam histogram yang banyak dimanfaatkan untuk ekstraksi fitur tekstur dari citra. Proses klasifikasi menggunakan Jaringan Syaraf Tiruan kemudian diuji menggunakan algoritme K-Fold Cross Validation dengan nilai k=10. Hasil menunjukkan bahwa pengklasifikasi memiliki kinerja terbaik menggunakan seluruh kombinasi fitur tekstur dan warna dengan rata-rata akurasi sebesar 86,64%. Gabungan hanya nilai fitur Color Moments memiliki rata-rata akurasi 83,30% dengan nilai channel b* dan H untuk masing-masing ruang warna yang paling berpengaruh terhadap identifikasi citra. Nilai fitur Local Binary Pattern memberikan hasil akurasi terrendah sebesar 54,9% untuk klasifikasi apabila tidak didukung oleh fitur lain