Ayuningsih, Karunia (2018) Klasifikasi Citra Makanan Menggunakan HSV Color Moment Dan Local Binary Pattern Dengan Naïve Bayes Classifier. Sarjana thesis, Universitas Brawijaya.
Abstract
Makanan merupakan kebutuhan dasar yang harus dipenuhi bagi kehidupan manusia. Kebiasaan makan dapat menimbulkan kebiasaan yang baik dan buruk. Kebiasaan makan buruk dapat menimbulkan berbagai macam penyakit. Komunikasi, informasi, dan edukasi (KIE) dapat memberikan edukasi terhadap kebiasaan makan. Makanan memiliki jenis beraneka ragam, diperlukan pengenalan jenis makanan agar mempermudah dalam melakukan klasifikasi jenis makanan yang baik. Tujuan dari penelitian ini agar dapat memberikan edukasi mengenali jenis makanan. Proses diawali dengan melakukan klasifikasi citra menggunakan pre-processing untuk memisahkan antara objek makanan dan background. Tahapan selanjutnya yaitu dengan menggunakan esktraksi fitur warna Hue Saturation Value (HSV) yang terdiri dari fitur Mean, Standard Deviation, dan Skewness. Kemudian, dengan menggunakan ekstraksi fitur tekstur Local Binary Pattern (LBP) menghasilkan nilai keabuan dalam histogram. Hasil ekstraksi fitur dari setiap citra kemudian dilakukan klasifikasi menggunakan Naïve Bayes Classifier. Pengujian dilakukan dengan membandingkan nilai akurasi dari setiap metode yang digunakan. Adanya pengujian confusion matrix, dapat melihat nilai precision, recall, dan f-measure dari setiap metode. Berdasarkan hasil pengujian jika hanya menggunakan metode HSV menghasilkan nilai akurasi 65%. Selain itu, hasil dari pengujian yang telah dilakukan menggunakan metode HSV menghasilkan akurasi sebesar 65% dan metode LBP menghasilkan akurasi sebesar 60%
English Abstract
Food is a basic need that must be fulfilled in human life. Eating habits can lead to good and bad habits. Bad eating habits can cause various diseases. Komunikasi, informasi, dan edukasi (KIE) can provide education on eating habits. Food has a variety of types, it is necessary to recognize the type of food to make it easier to classification good types of food. The purpose of this study is to be able to provide education to recognize the types of food. The process begins with image classification using pre-processing to separate between food objects and background. On top of that, using the Hue Saturation Value (HSV) color extraction feature consists of the feature Mean, the Standard Deviation, and the Skewness. Then is the use of the Local Binary Pattern (LBP) texture feature extraction produce feature extraction uses gray scales in the histogram. The results of feature extraction from each image are then carried out using the Naïve Bayes Classifier classification. The test result is comparing the value of accuracy from each method that used. Based on the test results, the use of only the HSV method produces a 65% accuracy value. Meanwhile, the use the LBP method, get a 60% accuracy value. In addition, the results of tests that have been carried out using the HSV method produce an accuracy of 65% and the LBP method produces an accuracy of 60%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/979/051900770 |
| Uncontrolled Keywords: | makanan, kebiasaan makan, hue saturation value, local binary pattern, naïve bayes classifier-food, eating habits, obesity, hue saturation value, local binary pattern, naïve bayes classifiers |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.37 Computer vision > 006.370 151 Image processing--Mathematics |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 30 Apr 2020 07:01 |
| Last Modified: | 19 Oct 2021 08:19 |
| URI: | http://repository.ub.ac.id/id/eprint/167137 |
Preview |
Text
Karunia Ayuningsih.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |