Klasifikasi Jenis Buah dan Sayuran Menggunakan SVM Dengan Fitur Saliency-HOG dan Color Moments

Abstract

Fruit is part of a plant that comes from the flower or pistil of the plant and usually has seeds. Meanwhile, vegetables are leaves, legumes, or seeds that can be cooked. Fruits and vegetables have many variants that can be distinguished based on color, shape, and texture. The Saliency-HOG feature and Color moments were used in this study to extract shapes and colors features in fruit and vegetable images. In this study, the Support Vector Machine (SVM) method was used to classify the types of fruit and vegetables. The dataset used in this study is a public dataset consisting of 114 images of fruit and vegetables. Each type of fruit and vegetable contains 100 images consisting of 70 images as training data and 30 images as testing data. There are 4 saliency features used in the testing phase, namely Region Contrast (RC), Frequency-tuned (FT), Histogram Contrast (HC), and Spectral Residual (SR). Based on the test results, the Saliency-HOG and Color Moments features were able to provide good results with the best precision, recall, and accuracy being 98.57%, 98.55%, and 99.120%, respectively.

Penggunaan Algoritma Random Forest Dalam Klasifikasi Buah Segar Dan Busuk

“…Beberapa Penelitian Terhadap Buah telah di lakukan seperti klasifikasi citra buah dengan klasifikator SVM menghasilkan akurasi sebesar 94% [6] ,klasifikasi citra jenis daging menghasilkan akurasi 87,5% [7], Automatic classification for fruits' types and identification of rotten ones using k-NN and SVM menghasilkan akurasi 98% [8] dan implementasi SVM untuk klasifikasi jenis buah menghasilkan akurasi 99,120% [9]. Serta penelitian terkait seperti Klasifikasi Buah Segar dan Busuk Menggunakan Ekstraksi Fitur Hu-Moment, Haralick dan Histogram menggunakan algortima Random Forest mendapatkan akurasi 99,6% [1], Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT mendapatkan rata-rata akurasi 92% [10].…”

Pemanfaatan Scale Invariant Feature Transform Berbasis Saliency untuk Klasifikasi Sel Darah Putih

“…Tidak hanya itu, saliency juga digunakan dalam kombinasi pembentukan fitur bentuk dan warna dalam klasifikasi. Saliency telah digunakan sebagai dasar dalam ekstraksi fitur, yaitu Saliency-HOG dan Color Moments dalam melakukan klasifikasi jenis buah dan sayuran menggunakan Support Vector Machine [8].…”

Pengenalan Wajah Menggunakan Pembelajaran Mesin Berdasarkan Ekstraksi Fitur Pada Gambar Wajah Berkualitas Rendah

“…Objek yang diambil dapat berupa lokasi, area, arah, dan lain sebagainya [8]. b. Histogram of Oriented Gradients (HOG), merupakan metode ekstraksi fitur yang merepresentasikan bentuk dengan cara kerja menangkap histogram arah gradien di setiap sel yang terbagi dari sebuah citra untuk mendeteksi objek [9]. c. Haralick, adalah metode statistik yang digunakan untuk analisis objek pada citra digital dan terdiri dari 14 fitur [10].…”