Perbandingan Kinerja Single dan Multiple Feature pada Sistem Temu Kembali Citra Tumbuhan Menggunakan Ensemble Multinomial Logistic Regression.

Abstract

Daun tumbuhan dapat diidentifikasi menggunakan fitur yang berbeda. Hal ini penting untuk memilih fitur yang optimal untuk melakukan identifikasi. Penelitian ini menganalisis kinerja single feature dan multiple feature menggunakan klasifikasi multinomial logistic regression. Hasil klasifikasi tersebut digunakan untuk seleksi fitur. Penelitian ini menggunakan 66 spesies tanaman dengan 660 citra. fuzzy local binarypPattern digunakan untuk mengekstrak fitur tekstur dan global shape descriptor digunakan untuk mengekstrak fitur geometri. Similaritybased combination method digunakan untuk menggabungkan fitur sebagai ensemble classifier. Berdasarkan percobaan ditemukan bahwa beberapa citra daun dapat diidentifikasi berdasarkan fitur tekstur dan citra lainnya dapat diidentifikasi berdasarkan fitur geometri. Hasil penelitian menunjukkan bahwa penerapan fitur tekstur memiliki kinerja lebih baik dibandingkan dengan fitur geometri dengan ratarata precision sebesar 0.84. Sementara itu, single feature memiliki kinerja yang lebih baik daripada multiple feature. Rata-rata precision dari multiple feature adalah 0.69.