KLASIFIKASI MULTILABEL MOTIF CITRA BATIK MENGGUNAKAN BOOSTED RANDOM FERNS

M. Nur Fuad, Nanik Suciati

Abstract


Penelitian yang telah dilakukan terkait klasifikasi motif batik kebanyakan hanya mengenali satu motif batik dalam satu citra. Saat ini banyak terdapat citra batik yang memiliki lebih dari satu motif di dalamnya. Penelitian ini bertujuan untuk  mengenali banyak motif batik dalam satu citra menggunakan metode ekstraksi fitur bentuk Histogram of Oriented Gradient (HOG) dikombinasikan dengan metode klasifikasi Boosted Random Ferns (BRF). Pada penelitian sebelumnya, kombinasi metode tersebut mampu mengidentifkasi beberapa pejalan kaki dalam satu citra. Kemampuan kombinasi metode tersebut dalam mengidentifikasi multiobject dalam satu label (pejalan kaki) dikembangkan untuk mengidentifikasi multiobject dalam multilabel (motif-motif batik). Untuk kasus pengenalan motif batik, sistem yang dibangun  mengekstrak fitur HOG dari data citra training dan menyusunnya menjadi fitur ferns dalam BRF untuk membuat model-model klasifikasi motif batik. Selanjutnya setiap model klasifikasi motif digunakan untuk mengidentifikasi masing-masing motif pada citra testing. Uji coba dilakukan terhadap 64 data citra testing dengan 6 jenis motif batik. Pengujian performa metode menggunakan skenario pengujian berdasarkan variasi jumlah subset random ferns, jumlah weak classifier dan iterasi boostrapping. Terdapat empat variasi jumlah subset random ferns yakni 5, 10, 15 dan 20 subset, empat variasi jumlah weak classifier yakni 100, 200, 300 dan 400, serta enam variasi iterasi boostrapping yakni 0, 1, 2, 3, 4, dan 5 iterasi. Label-label hasil klasifikasi kemudian dihitung menggunakan tanimoto distance. Nilai tanimoto distance terbaik dari sistem yakni 0.0130, dengan jumlah citra testing yang dideteksi dengan benar sebanyak 62 citra dari 64 citra.

Full Text:

PDF

References


Riesmala, C. P., Rizal, A., & Novamizanti, L. (2012). Pengenalan Motif Batik dengan Analisis Struktur dan Warna Pada Citra Digital. Tugas Akhir, Telkom University, Bandung..

Rangkuti, A. H. (2013). Klasifikasi Motif Batik Berbasis Kemiripan Ciri Dengan Wavelet Transform Dan Fuzzy Neural Network, ComTech, 5(1), 361–372.

Kurniawardhani, A., Suciati, N., & Arieshanti, I. (2014). Klasifikasi Citra Batik Menggunakan Metode Ekstraksi Ciri yang Invariant Terhadap Rotasi. JUTI: Jurnal Ilmiah Teknologi Informasi, 12(2), 48.

Sulistyo A.S., P. (2016). Sistem Pengenalan Pola Motif Batik Pada Perangkat Android Dengan Jaringan Syaraf Tiruan, Tugas Akhir, Universitas Gadjah Mada, Yogjakarta.

Dalal, N., & Triggs, W. (2005). Histograms of Oriented Gradients for Human Detection. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition CVPR05, 1(3), 886–893.

Asiri, N. M., AlHumaidi, N., & AIOsaim, N. (2015). Combination of Histogram of Oriented Gradients and Hierarchical Centroid for Sketch-Based Image Retrieval. 2015 Second International Conference on Computer Science, Computer Engineering, and Social Media (CSCESM), 149–152.

Randa, A. F., Suciati, N., & Navastara, D. A. (2016). Implementasi Metode Kombinasi Histogram Of Oriented Gradients Dan Hierarchical Centroid Untuk Sketch Based Image Retrieval. Jurnal Teknik ITS, 5(2), 311-316.

Villamizar, M., Andrade-Cetto, J., Sanfeliu, A., & Moreno-Noguer, F. (2012). Bootstrapping Boosted Random Ferns for discriminative and efficient object classification. Pattern Recognition, 45(9), 3141–3153.

Nilogiri, A., Suciati, N., & Purwitasari, D. (2012). Klasifikasi Kansei Multi Label Dengan Probabilistic Neural Network Pada Citra Batik Menggunakan Klasifikasi Kansei Multi Label Dengan Probabilistic Neural Network Pada Citra Batik Menggunakan Kombinasi Fitur Warna, Tekstur, Dan Bentuk. Seminar Nasional Manajemen Teknologi, XVI, 1–9.

Villamizar, M., Moreno-Noguer, F., Andrade-Cetto, J., & Sanfeliu, A. (2010). Shared random ferns for efficient detection of multiple categories. Proceedings - International Conference on Pattern Recognition, 388–391.

Tomasi, C. (2012). Histograms of Oriented Gradients. Computer Vision Sampler, 1–6.

Villamizar, M., Andrade-cetto, J., & Sanfeliu, A. (2017). Boosted Random Ferns for Object Detection, 8828(c).

Oliveira, E., Ciarelli, P. M., Badue, C., Goiabeiras, C. De, Ferrari, A. F., & Postal, C. (2008). a KNN based Approach and a PNN Algorithm for a Multi-Label Classification Problem, Eighth International Conference on Intelligent Systems Design and Applications.




DOI: http://dx.doi.org/10.12962/j24068535.v16i1.a673

Refbacks

  • There are currently no refbacks.