Pengenalan Iris Menggunakan Fitur Local Binary Pattern Dan RBF Classifier

Rivan, Muhammad Ezar Al; Devella, Siska

doi:10.24176/simet.v11i1.3717

Cited by 6 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dalam paparan singkat burung lovebird telah menjadikan penelitian telah dilakukan oleh [6] yaitu menguji klasifikasi citra jenis burung lovebird menggunakan Local Binary Pattern (LBP) [7][8] dan fuzzy logic [9] [10]. Dalam penelitian ini objek gambar yang diuji hanya pada bentuk kepala dan warna.…”

Section: Pendahuluanunclassified

Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi

Rahman

2021

RESTI

View full text Add to dashboard Cite

Lovebird is a pet that many people in Indonesia have known. The diversity of species, coat color, and body shape gives it its charm. As well in this lovebird bird has its uniqueness of various rare colors. However, many ordinary people have difficulty distinguishing the types of lovebirds. This research is needed to improve previous study performance in classifying lovebird images using the Decision Tree J48 algorithm with 4 types of evaluation. In this case, also to reduce the stage of feature extraction to speed up the computational process. Based on available comparisons, the results obtained at the same split ratio with a comparison of 60:40 in Decision Tree J48 have the precision of 1,000, recall of 1,000, f-measure of 1,000, and accuracy value of 100%. Then the Artificial Neural Network with a split ratio of 60:40 has a precision of 0.854, recall of 0.843, f-measurement of 0.841, and an accuracy value of 84.25%. These results prove that by testing the first-level extraction on color features, Decision Tree J48 is superior in classifying images of lovebird species, and Decision Tree J48 can improve performance and produce the best accuracy.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi

Rahman

2021

RESTI

View full text Add to dashboard Cite

show abstract

“…Nilai 0 dimulai dari pojok kiri atas dan dilanjutkan sesuai dengan arah jarum jam nilainya bertambah 1. Persamaan LBP dapat dilihat pada persamaan 1 [12].…”

Section: Gambar 7 Citra Gambar 8 Citra Dalam Bentuk Rgb Dalam Bentuk Grayscaleunclassified

Identifikasi Jenis Tepung Terigu Pada Roti Goreng Berdasarkan Fitur LBP Dengan Menggunakan Jaringan Saraf Tiruan

B¹,

Gasim²,

Rusbandi³

2020

algoritme

View full text Add to dashboard Cite

Penelitian ini tentang mengidentifikasi jenis tepung terigu pada goreng dengan menggunakan metode jaringan saraf tiruan. Jenis tepung terigu yang digunakan adalah kunci biru, sania, dan segitiga biru. Metode pengenalan yang digunakan adalah backpropagation . Hasil pengujian yang dilakukan menggunakan ukuran pixel 450x450px, jarak potret sejauh ±20 cm, resolusi kamera 16MP, menggunakan data latih sebanyak 100 citra/jenis dan data uji sebanyak 80 citra/jenis serta dengan menggunakan ekstraksi ciri Local Binary Pattern maka didapatkan hasil berupa tingkat akurasi sebesar 68,57%, presisi sebesar 53,33% dan recall sebesar 54,47%.

show abstract

“…Meskipun sidik jari memiliki fungsi yang sama dengan iris, namun dalam proses pengenalannya iris memiliki keunggulan tersendiri. Karena terlindung oleh kelopak mata, dan pola tekstur yang unik (Al Rivan & Devella, 2020).…”

unclassified

Penerapan Metode Pembelajaran Menggunakan Ekstraksi Fitur dan Algoritma Klasifikasi untuk Identifikasi Pengenalan Iris

Hidayat

Agustiani

Wildah

et al. 2021

View full text Add to dashboard Cite

Iris mata terletak di antara kornea mata dan lensa mata, yang berfungsi untuk mengontrol intensitas atau jumlah cahaya yang masuk dengan cara melebarkan dan mengecilkan pupil. Setiap orang memiliki iris yang berbeda dan memiliki stabilitas sepanjang hidup, kecuali terjadi kerusakan yang tidak disengaja pada iris seperti terjadi kecelakaan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dan identifikasi pengenalan citra iris dengan menggunakan metode pembelajaran atau machine learning. Metode yang diusulkan dalam penelitian ini adalah penerapan ekstraksi fitur seperti HOG, Hu-Moments, dan Haralick dengan algoritma klasifikasi yang terdiri dari LR, LDA, KNN, RF, CART, NB, dan SVM. Berdasarkan hasil pengujian yang telah dilakukan dalam mengklasifikasikan iris dapat disimpulkan bahwa penggunaan ekstraksi fitur sangat berpengaruh pada nilai akurasi yang dihasilkan. Dalam hal ini nilai akurasi terbaik diperoleh dari penggabungan ekstraksi fitur HOG dan haralick pada algoritma Random Forest dengan nilai akurasi sebesar 81.38℅.

show abstract

Pengenalan Iris Menggunakan Fitur Local Binary Pattern Dan RBF Classifier

Cited by 6 publications

References 8 publications

Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi

Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi

Identifikasi Jenis Tepung Terigu Pada Roti Goreng Berdasarkan Fitur LBP Dengan Menggunakan Jaringan Saraf Tiruan

Penerapan Metode Pembelajaran Menggunakan Ekstraksi Fitur dan Algoritma Klasifikasi untuk Identifikasi Pengenalan Iris

Contact Info

Product

Resources

About