Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO)
Abstract
Klasifikasi bertujuan untuk memisahkan antara jenis-jenis kategori dan label yang telah dibuat. Didalam penelitian ini kami mecoba mengklasifiaksi citra bunga dengan menggunakan proses segmentasi. Segmentasi ini kami gunakan untuk menghilangkan noise yang ada didalam background. Selain itu untuk mendapatkan fitur dari gambar yang kami klasifikasi. Fitur yang kami gunakan adalah eccentricity, perimeter, metric dan area. Setal itu kami proses sehingga mendapatkan nilai. Kami menggunakan 120 gambar dari dataset 17flower dengan 2 jenis bunga berwarna putih dan kuning. Kemudian kami bagi menjadi data training dan data test dengan metode klasifikasi Random forest dan SMO yang diolah dengan skenario 10-fold cross-validation dan 66% split. Hasilnya adalah metode Random forest memiliki akurasi yang terbaik dengan 2 skenario yang berbeda dibandingkan dengan SMO.
Keywords
Full Text:
PDFReferences
Agus Nur Khormarudin, “Teknik Data Mining : Algoritma K-Means Clustering,” IlmuKomputer.Com, pp. 1–12, 2016.
A. Rosebrock, “Deep Learning for Computer Vision with Python,” PyImageSearch, vol. 53, p. 160, 2017.
P. Rosyani, “Deteksi Citra Bunga Menggunakan Analisis Segmentasi Fuzzy C-Means dan Otsu Threshold,” vol. 20, no. 1, 2020.
P. Rosyani and O. Hariansyah, “Pengenalan Citra Bunga Menggunakan Segmentasi Otsu Threshold dan Naïve Bayes,” pp. 1–7, 2020.
M. S. Sainin and R. Alfred, “Feature selection for Malaysian medicinal plant leaf shape identification and classification,” 2014 Int. Conf. Comput. Sci. Technol. ICCST 2014, vol. 2014, 2014.
P. Selvakumar and S. Hari Ganesh, “Tamil Character Recognition Using Canny Edge Detection Algorithm,” Proc. - 2nd World Congr. Comput. Commun. Technol. WCCCT 2017, pp. 250–254, 2017.
D. Anggraeni, V. A. Putri, S. F. Al-Uswah, M. F. H. Tulloh, and M. S. Zuhri, “Segementasi citra digital ikan menggunakan metode thresholding dan k-means,” pp. 1–10, 2009.
P. Rosyani, M. Taufik, A. A. Waskita, and D. H. Apriyanti, “Comparison of color model for flower recognition,” in 2018 3rd International Conference on Information Technology, Information System and Electrical Engineering (ICITISEE), 2019, pp. 10–14.
J. C. Kavitha and A. Suruliandi, “Texture and color feature extraction for classification of melanoma using SVM,” 2016 Int. Conf. Comput. Technol. Intell. Data Eng. ICCTIDE 2016, 2016.
A. B. Mabrouk, A. Najjar, and E. Zagrouba, “Image flower recognition based on a new method for color feature extraction,” VISAPP 2014 - Proc. 9th Int. Conf. Comput. Vis. Theory Appl., vol. 2, 2014.
B. Derviş, 済無No Title No Title, vol. 53, no. 9. 2013.
M. Wahyu, B. Santoso, R. C. Wihandika, and M. A. Rahman, “Ekstraksi Ciri untuk Klasifikasi Jenis Kelamin berbasis Citra Wajah menggunakan Metode Compass Local Binary Patterns,” vol. 3, no. 11, 2019.
A. Mustofa, H. Tjandrasa, and B. Amaliah, “Deteksi Penyakit Glaukoma pada Citra Fundus Retina Mata Menggunakan Adaptive Thresholding dan Support Vector Machine,” J. Tek. ITS, vol. 5, no. 2, 2016.
DOI: https://doi.org/10.26418/justin.v9i2.44120
Refbacks
Copyright (c) 2021 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
View My Stats

All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License