Klasifikasi Citra Makanan Menggunakan HSV Color Moment dan Local Binary Pattern dengan Naive Bayes Classifier

Abstrak

Makanan merupakan kebutuhan dasar yang harus dipenuhi bagi kehidupan manusia. Kebiasaan makan dapat menimbulkan kebiasaan yang baik dan buruk. Kebiasaan makan buruk dapat menimbulkan berbagai macam penyakit. Komunikasi, informasi, dan edukasi (KIE) dapat memberikan edukasi terhadap kebiasaan makan. Makanan memiliki jenis beraneka ragam, diperlukan pengenalan jenis makanan agar mempermudah dalam melakukan klasifikasi jenis makanan yang baik. Tujuan dari penelitian ini agar dapat memberikan edukasi mengenali jenis makanan. Proses diawali dengan melakukan klasifikasi citra menggunakan pre-processing untuk memisahkan antara objek makanan dan background. Tahapan selanjutnya yaitu dengan menggunakan esktraksi fitur warna Hue Saturation Value (HSV) yang terdiri dari fitur Mean, Standard Deviation, dan Skewness. Kemudian, dengan menggunakan ekstraksi fitur tekstur Local Binary Pattern (LBP) menghasilkan nilai keabuan dalam histogram. Hasil ekstraksi fitur dari setiap citra kemudian dilakukan klasifikasi menggunakan Naive Bayes Classifier. Berdasarkan hasil pengujian jika hanya menggunakan metode HSV menghasilkan nilai akurasi 65%. Selain itu, hasil dari pengujian yang telah dilakukan menggunakan metode HSV menghasilkan akurasi sebesar 65% dan metode LBP menghasilkan akurasi sebesar 60%.