PERBANDINGAN KINERJA METODE EKSTRAKSI TEKSTUR HOG, GLCM, DAN LBP BERBASIS EKSTRAKSI WARNA LAB PADA KLASIFIKASI JENIS BUAH

Ekstraksi fitur merupakan salah satu tahap yang penting dalam pemrosesan
citra digital. Fitur yang dapat diekstrak dari suatu citra di antaranya adalah warna,
tekstur, dan bentuk. Fitur citra seperti warna dan tekstur merupakan fitur yang dapat
dimanfaatkan untuk mengklasifikasikan berbagai jenis buah yang bermanfaat
dalam berbagai bidang. Penelitian ini bertujuan untuk mengetahui perbandingan
kinerja dari kombinasi metode tekstur HOG, GLCM, dan LBP dengan ekstraksi
warna Lab dalam klasifikasi jenis buah menggunakan metode random forest.
Perbandingan kinerja dilihat dari nilai akurasi, presisi, recall, dan F1-score pada
masing-masing kombinasi metode. Penelitian ini dilakukan pada 10 kelas buah
dengan 250 citra latih dan 100 citra uji. Penelitian ini merupakan penelitian
kuantitatif dan dilakukan menggunakan program MATLAB dengan hasil visualisasi
ditampilkan melalui Graphical User Interface (GUI). Hasil penelitian
menunjukkan bahwa penggabungan metode ekstraksi warna Lab dan HOG
menghasilkan akurasi = 91%, presisi = 91,34%, ������ = 91%, dan F1 −
����� = 90,96%. Sedangkan, penggabungan metode Lab dan GLCM
menghasilkan akurasi = 98%, presisi = 98,33%, ������ = 98%, dan F1 −
����� = 97,98% dan penggabungan metode Lab dan LBP menghasilkan
akurasi = 95%, presisi = 94,996%, ������ = 95%, dan F1 − ����� = 94,67%.
Berdasarkan perbandingan kinerja dari setiap penggabungan metode tersebut dapat
dikatakan bahwa metode Lab dan GLCM memberikan hasil klasifikasi buah yang
lebih baik daripada Lab dan LBP maupun Lab dan HOG.
Kata kunci: Klasifikasi, Lab, HOG, GLCM, LBP.