Implementasi LDA pada fitur HOG untuk Klasifikasi ASL Menggunakan K-NN
| Main Authors: | Al Rivan, Muhammad Ezar, Irsyad, Hafiz, Kevin, Kevin, Narta, Arta Tri |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP
, 2020
|
| Online Access: |
http://jurnal.mdp.ac.id/index.php/jatisi/article/view/286 http://jurnal.mdp.ac.id/index.php/jatisi/article/view/286/153 |
Daftar Isi:
- Sign Language is alternative way to communication using sign. One of sign language is American Sign Language (ASL). Image from Dataset processed using feature extraction HOG then reduce using Linear Discriminant Analysis (LDA). The reduced feature used to K-Nearest Neighbor classification. There are 3 distance used consist of euclidean, manhattan and chebyshev. The best accuracy obtain from manhattan distance using k=3 with 72,42% precision.
- Sign language merupakan suatu cara alternatif yang bisa digunakan untuk berkomunikasi dengan menggunakan isyarat, salah satu jenisnya yaitu American Sign Language (ASL). Dataset sign language yang digunakan yaitu dalam bentuk dataset citra yang diproses menggunakan ekstraksi fitur Histogram of Oriented Gradients (HOG) dan selanjutnya direduksi menggunakan Linear Discriminant Analsysis (LDA). Selanjutnya hasil reduksi digunakan untuk klasifikasi K-Nearest Neighbors (k-NN). Tiga jenis distance yang digunakan yaitu euclidean, manhattan dan chebyshev. Hasil terbaik diperoleh menggunakan manhattan distance dengan nilai K = 3 dengan presisi sebesar 72,42 %.