PENGENALAN CITRA JAJANAN PASAR DENGAN MEMANFAATKAN MOMEN WARNA RGB, HSV, DAN CIE LAB SERTA CIRI TEKSTUR LOCAL BINARY PATTERN

Rahadian Ramadhan Sakti, Sri (2020) PENGENALAN CITRA JAJANAN PASAR DENGAN MEMANFAATKAN MOMEN WARNA RGB, HSV, DAN CIE LAB SERTA CIRI TEKSTUR LOCAL BINARY PATTERN. Sarjana thesis, Universitas Brawijaya.

Abstract

Mengetahui benda yang akan dimakan menjadi hal penting bagi sebagian orang, terutama yang memiliki kondisi kesehatan tertentu. Jajanan pasar adalah beragam makanan yang banyak dijual di pasar tradisional sebagai pelengkap sesaji. Terdapat beberapa faktor yang mendorong diperlukannya cara untuk mengidentifikasi jajanan pasar. Keberagaman dan kemiripan antara satu dengan yang lain membuat jajanan pasar semakin sulit untuk dikenali secara kasat mata. Selain itu, meningkatnya tren alergi makanan selama 30 tahun terakhir juga menciptakan urgensi untuk mengenali makanan. Ilmu citra digital dapat digunakan untuk mengidentifikasi makanan. Dalam penelitian ini momen warna dari ruang warna CIE Lab, RGB, dan HSV (Hue, Saturation, Value), beserta tekstur local binary binary pattern (LBP) dimanfaatkan sebagai ciri untuk klasifikasi citra jajanan pasar. Jaringan saraf tiruan multilayer perceptron digunakan sebagai metode klasifikasi. Berdasarkan hasil pengujian, kombinasi fitur ruang warna CIE Lab dan tekstur local binary pattern dengan epoch 100, 20 node pada lapisan ke-1 dan ke-2, serta learning rate 0,3 mampu menghasilkan akurasi dan Macro F1-Score tertinggi senilai 94%. Kombinasi momen warna RGB dan tekstur local binary pattern dengan epoch 100, 15 node pada lapisan tersembunyi ke-1, 20 node pada lapisan tersembunyi ke-2, dan laju pembelajaran 0,1 mampu menghasilkan akurasi dan F1-Score 89%. Kombinasi momen warna HSV dan tekstur local binary pattern dengan epoch 100, 20 node pada lapisan tersembunyi ke-1, 15 node pada lapisan tersembunyi ke-2, dan laju pembelajaran 0,5 mampu menghasilkan akurasi dan F1-Score 86%. Klasifikasi dengan fitur tekstur LBP saja hanya mampu menghasilkan akurasi dan F1-Score sebesar 49%. Berdasarkan hasil tersebut, seluruh ruang warna mampu menghasilkan performa yang baik, namun penggunaan ruang warna CIE Lab dan tekstur local binary pattern mampu memberikan performa terbaik.

English Abstract

Identifying the foods that will be eaten becomes important for some people, especially those having a certain health condition. Traditional market snacks are varied foods often sold at traditional markets as complementary offerings. There are some factors that encourage the need for ways to identify traditional market snacks. Diversity and similarity between one another make traditional market snacks harder to be identified manually in plain view by human eyes. Furthermore, the rising trend of food allergy since the last 30 years also elicited the urgency to identify foods. In this research, color moments from CIE Lab, RGB, and HSV (Hue, Saturation, Value) color spaces along with local binary pattern texture are utilized as features to classify traditional market snack digital images. Multilayer perceptron artificial neural network is used as the classification method. Based on the test results, combination of color feature from CIE Lab color space and local binary pattern texture with 100 epochs, 20 nodes at the first and second hidden layer, along with 0,3 learning rate is able to produce 94% accuracy and F1-Score. The combination of RGB color moments and local binary pattern (LBP) with 100 epoch, 15 nodes at the first hidden layer, 20 nodes at the second hidden layer, and 0,1 learning rate is able to achieve 89% for accuracy and F1-Score. The combination of HSV color moments and local binary pattern (LBP) with 100 epoch, 20 nodes at the first hidden layer, 15 nodes at the second hidden layer, and 0,1 learning rate is able to achieve 86% for accuracy and F1-Score. Classification using only local binary pattern texture feature is only able to achieve 49% accuracy. Based on those results, all color spaces are able to achieve good performance, but the usage of CIE Lab and local binary pattern texture as features provides the best performance result.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150465
Uncontrolled Keywords:	Citra digital, momen warna, ruang warna, local binary pattern, Jajanan Pasar.,Digital Image, Color Moments, Color Space, local binary pattern, Traditional Market Snack
Subjects:	600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username nova
Date Deposited:	20 Sep 2022 07:44
Last Modified:	03 Oct 2024 08:01
URI:	http://repository.ub.ac.id/id/eprint/194445

Text Sri Rahadian Ramadhan Sakti.pdf Download (9MB)

Actions (login required)

View Item