Klasifikasi Citra Burung Jalak Menggunakan Artificial Neural Network dan Random Forest

Aviv Yuniar Rahman

Abstract


Klasifikasi Citra Burung Jalak Menggunakan Fitur ekstraksi GLCM dan Artificial Neural Network sebelumnya sudah pernah diteliti. Hasil dalam penelitian tersebut menunjukkan tingkat akurasi dalam klasifikasi jenis burung jalak hanya mencapai 49,20% dengan split ratio 50:50.Oleh karena itu, peneliti mengusulkan klasifikasi citra burung jalak menggunakan Artificial Neural Network dan Random Forest. Klasifikasi ini bertujuan untuk meningkatkan hasil akurasi sebelumnya. Hasil dalam pengujian yang dilakukan antara Artificial Neural Network dengan Random Forest bisa disimpulkan bahwa pada fitur Wavelet memiliki hasil yang maksimal pada proses klasifikasi burung jalak. Hasil dalam pengujian dimulai dengan Artificial Neural Network memiliki nilai tertinggi pada precision mencapai 0.986, recall 0.987, f-measure sebesar 0.988 dan accuracy sebesar 89% pada split ratio 50:50. Hasil dari Random Forest memiliki nilai tertinggi pada precision mencapai 1.000, recall mencapai 0.877, f-measure mencapai 0.975 dan accuracy mencapai 100% dengan perbandingan mulai dengan 50:50. Hasil klasifikasi citra burung jalak dari segi matrix confusion menunjukkan bahwa perbandingan data antara 10:90 sampai dengan 90:10 juga sangat berpengaruh dalam proses ketepatan dalam mengklasifikasi. Pengujian yang telah dilakukan telah membuktikan bahwa metode Random Forest dapat memperbaiki kinerja dan hasil pada metode Artificial Neural Network. Serta dalam hal ini menunjukkan Random Forest lebih baik dalam ketepatan dan keakuratan dibandingkan dengan Artificial Neural Network dalam mengklasifikasi jenis burung jalak


Keywords


Burung Jalak; Artificial Neural Network; Random Forest; GLCM; Gabor; Wavelet

Full Text:

PDF

References


F. Rachmawati and D. Widhyaestoeti, “Early Warning System for Predicting the Level of Road Service on the Bogor City SSA Route,” vol. 8, no. 2, pp. 9–18, 2020.

A. M. Afida, “Klasifikasi Jenis Burung Berdasarkan Suara Menggunakan Algoritme Support Vector Machine,” vol. 1, 2019.

A. Y. Rahman and I. Istiadi, “LoveBird Type Classification Using Fuzzy Logic and Artificial Neural Networks With Three Levels Of Features,” 2020.

M. Novitasari and B. Arifitama, “Penerapan Augmented Reality Hewan Burung Berdasarkan Klasifikasi Jenis Makanan Menggunakan Marker Based Tracking,” pp. 532–537, 2020.

B. S. Iskandar, D. Mulyanto, and R. L. Alfian, “Traditional Ecological Knowledge Of The Bird Traders On Bird Species Bird Naming , And Bird Market Chain : A Case Study In Bird Market Pasty Yogyakarta , Indonesia,” vol. 21, no. 6, pp. 2586–2602, 2020, doi: https://doi.org/10.13057/biodiv/d210631.

I. M. Nasser and S. S. Abu-Naser, “Artificial Neural Network For Predicting Animals Category,” vol. 3, no. 2, pp. 18–24, 2019, doi: 10.256W1/123456789/182.

D. Alamsyah and D. Pratama, “Implementasi Convolutional Neural Networks (CNN) untuk Klasifikasi Ekspresi Citra Wajah pada FER-2013 Dataset,” J. Teknol. Inf., vol. 4, no. 2, pp. 350–355, 2020, doi: 10.36294/jurti.v4i2.1714.

H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.

A. Y. Rahman, “Classification of Starling Image Using Artificial Neural Networks,” pp. 0–5, 2021, doi: https://doi.org/10.1145/3479645.3479690.

M. M. Sebatubun and M. A. Nugroho, “Ekstraksi Fitur Circularity untuk Pengenalan Varietas Kopi Arabika,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 4, pp. 283–289, 2017, doi: 10.25126/jtiik.201744505.

W. Apriliah et al., “Prediksi Kemungkinan Prediksi pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” vol. 10, pp. 163–171, 2021.

S. Devella et al., “Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT,” vol. 7, no. 2, pp. 310–320, 2020.

D. W. Wibowo, D. Erwanto, and D. A. W. Kusumastutie, “Klasifikasi Jenis Kayu Menggunakan Esktrasi Fitur Gray Level Co-Occurence Matrix dan Multilayer Perceptron,” J. Nas. Tek. ELEKTRO, vol. 10, no. 1, p. 1, Mar. 2021, doi: 10.25077/jnte.v10n1.788.2021.

E. K. Ratnasari, R. V. H. Ginardi, and C. Fatichah, “Klasifikasi Citra Daun Berdasarkan Ciri Tekstur Dan Warna Menggunakan Segmentation-Based Gray Level Co-occurrence Matrix,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 3, no. 1, pp. 1–10, 2019, doi: 10.26594/register.v3i1.575.

A. B. Seran, A. Y. Rahman, and I. Istiadi, “Temu Kembali Kemiripan Motif Citra Tenun Menggunakan Transformasi Wavelet Diskrit Dan GLCM,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 5, pp. 958–966, 2021, doi: 10.29207/resti.v5i5.3484.

A. L. Hananto, S. Sulaiman, S. Widiyanto, and A. Y. Rahman, “Evaluation Comparison Of Wave Amount Measurement Results In Brass-Plated Tire Steel Cord Using RMSE And Cosine Similarity,” Indones. J. Electr. Eng. Comput. Sci., vol. 22, no. 1, p. 207, 2021, doi: 10.11591/ijeecs.v22.i1.pp207-214.




DOI: http://dx.doi.org/10.26418/jp.v8i2.53480

Refbacks

  • There are currently no refbacks.