Optimalisasi dimensi image untuk meningkatkan akurasi Naïve Bayes Classifier dengan menggunakan interpolasi

Santoso, Irwan Budi and Supriyono, Supriyono (2017) Optimalisasi dimensi image untuk meningkatkan akurasi Naïve Bayes Classifier dengan menggunakan interpolasi. Research Report. Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M), UIN Maulana Malik Ibrahim Malang, Malang. (Unpublished)

Preview

Text (full text) 1966.pdf - Accepted Version Download (3MB) | Preview

Abstract

Salah satu faktor yang dapat meningkatkan akurasi naïve bayes classifier (NBC) dalam mengklasifikasikan objek image adalah ketepatan dalam ekstraksi fitur image dan ketepatan dalam membangun struktur model NBC. Pada penelitian ini, dikaji secara lebih mendalam bagaimana optimalisasi metode interpolasi khususnya metode non-adaptive (nearest neighbor, bilinear, bicubic dan lanczos) sebagai dasar dalam ekstraksi fitur image. Ekstraksi fitur berdasarkan metode interpolasi dilakukan dengan melakukan optimalisasi dimensi image (image downscaling) untuk mendapatkan fitur image yang optimal bagi NBC. Untuk mengetahui sejauhmana kemampuan metode yang diusulkan, dilakukan ekspetimen dengan menggunakan data image benchmark yaitu image texture yang diambil dari CVonline database. Hasil eksperimen menunjukkan bahwa ekstraksi fitur berdasarkan optimalisasi dimensi image dengan interpolasi nearest neighbor menghasilkan tingkat akurasi paling baik daripada interpolasi bilinear, bicubic dan lanczos. Untuk interpolasi bicubic dan lanczos memberikan hasil relatif sama, sedangkan hasil terburuk diberikan oleh interpolasi bilinear.

Item Type:	Research (Research Report)
Keywords:	metode interpolasi; ekstraksi fitur; naïve bayes classifier; dimensi image
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080104 Computer Vision
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	irwan budi santoso
Date Deposited:	24 Jul 2017 11:47

Downloads

Origin of downloads

Actions (login required)

View Item