Fauzan, Dyva Agna (2019) Algoritme Information Gain Feature Selection Pada Sistem Temu Kembali Citra Makanan Menggunakan Ekstraksi Fitur Warna Dan Tekstur. Sarjana thesis, Universitas Brawijaya.
Abstract
Nama makanan yang digunakan sebagai kata kunci atau query dalam melakukan pencarian resep makanan pada sistem pencarian memiliki keterbatasan, yaitu pengetahuan akan nama makanan yang ingin dicari resepnya. Sehingga dibutuhkan pendekatan lain untuk melakukan pencarian resep yaitu dengan tampilan atau citra dari makanan. Akan tetapi, dengan banyaknya fitur yang dihasilkan dari citra akan menimbulkan data berdimensi tinggi yang berakibat pada efektivitas sistem pencarian. Untuk itu, diperlukan seleksi fitur untuk menangani data berdimensi tinggi. Penelitian ini melakukan penelitian tentang pengaruh jumlah pengembalian yang dapat memberikan nilai MAP tertinggi serta pengaruh metode seleksi fitur Information Gain pada sistem temu kembali citra makanan dengan menggunakan ekstraksi fitur tekstur menggunakan Gray Level Co-occurance Matrix dan fitur warna menggunakan Color Moments dan Color Histogram. Pada jumlah pengembalian (r) sebanyak 5 mendapatkan nilai MAP mengungguli nilai r lain dengan nilai MAP = 1 pada penggunaan fitur warna saja dan tekstur saja dan nilai MAP = 0,98 pada kombinasi keduanya. Hal ini menunjukkan jumlah pengembalian yang lebih sedikit dapat memberikan nilai MAP yang lebih tinggi. Pengaruh algoritme seleksi fitur Information Gain pada sistem adalah dapat memberikan nilai MAP = 1 pada jumlah fitur (n) = 10 pada fitur warna, n = 5 pada fitur teksur, dan n = 30 pada kombinasi fitur. Hal ini menunjukkan sistem dapat memberikan hasil yang sama baiknya (pada warna dan tekstur) bahkan lebih baik (pada kombinasi fitur) jika dibandingkan dengan tanpa seleksi fitur meski dengan jumlah fitur yang lebih sedikit.
English Abstract
The food name used as a keyword or query in conducting a food recipe search on the search system has limitations, namely the knowledge of the name of the food that the recipe wants to find. So another approach is needed to do recipe searches, namely by the display or the image of food. However, with the many features that are generated from the image it will cause high dimensional data which results in the effectiveness of the search system. For this reason, feature selection is needed to handle high-dimensional data. This research conducted a study of the effect of the number of returns that can provide the highest MAP value and the effect of the Information Gain feature selection method on food image retrieval systems for food recipe searches using texture feature extraction using Gray Level Cooccurance Matrix and color features using Color Moments and Color Histogram. The number of retrieves (r) of 5 is outperforming other r values with the value of MAP = 1 on the use of only color features and textures and the value of MAP = 0.98 in the combination of both. This indicates a smaller number of returns can give a higher MAP value. The effect of the Information Gain feature selection algorithm on the system is that it can provide the MAP = 1 value on the number of features (n) = 10 on the color feature, n = 5 on the texture feature, and n = 30 on the combination. This shows that the system with feature selection can provide results that are as good (in color and texture) and even better (in combination of features) with fewer features when compared to without feature selection.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/169/051902339 |
| Uncontrolled Keywords: | CBIR, Information Gain, Color Moments, Color Histogram, GLCM, MAP, CBIR, Information Gain, Color Moments, Color Histogram, GLCM, MAP |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 07 Jul 2020 00:16 |
| Last Modified: | 24 Oct 2021 04:34 |
| URI: | http://repository.ub.ac.id/id/eprint/169261 |
Preview |
Text
Dyva Agna Fauzan (2).pdf Download (11MB) | Preview |
Actions (login required)
 |
View Item |