Seleksi Fitur Information Gain Pada Temu Kembali Citra Jenis Makanan Menggunakan Dominant Color Descriptor Dan Gray Level Co-occurence Matrix

Abstrak

Informasi nutrisi di dalam media sosial ditunjang oleh citra makanan yang sedang diulas. Diperlukan usaha keras bila ingin menelusuri makanan-makanan yang sejenis yang mempunyai nutrisi yang hampir sama. Oleh karena itu dibutuhkan sistem pencarian informasi untuk mempercepat proses pencarian informasi. Penelitian ini menggunakan metode Dominant Color Descriptor (DCD) untuk ekstraksi fitur warna dan metode Gray Level Co-occurence Matrix (GLCM) untuk ekstraksi fitur tekstur serta seleksi fitur information gain untuk menyeleksi fitur tekstur sehingga tidak semua fitur tekstur digunakan. Data yang digunakan berupa 29 jenis citra makanan dengan total 435 citra dengan setiap jenis makanan 15 citra. Pengujian dilakukan dengan membandingkan performa perhitungan jarak Euclidean distance, Chebyshev distance, dan Manhattan distance untuk fitur tekstur dan Quadratic distance dan Yang distance untuk fitur warna. penggunaan evaluasi nilai MAP, hasil pengujian menggunakan fitur tekstur  didapatkan nilai MAP sebesar 0,5542 dengan jarak Euclidean dan tanpa adanya seleksi fitur. Hasil pengujian menggunakan fitur warna didapatkan nilai MAP sebesar 0,7488 pada saat menggunakan jarak Yang. Pengujian menggunakan fitur tekstur warna dan fitur tekstur didapatkan nilai sebesar 0,7118 dengan mengguankan jarak Manhattan dan Yang dengan 10 fitur. Pada penelitian ini penggunaan DCD lebih efektif dari pada GLCM dengan menghasilkan nilai MAP yang lebih tinggi.