PENGGUNAAN FITUR HOG BERBASIS SUPERPIXEL UNTUK KLASIFIKASI JENIS JAMUR DENGAN METODE SVM

Jamur memiliki banyak ragam dengan ciri yang mirip sehingga terdapat masalah dalam pengklasifikasian jenis dari jamur. Dataset citra jamur yang digunakan bernama Mushrooms classification – Common genus’s images yang berisi sembilan jenis jamur, yaitu Agaricus, Amanita, Boletus, Cortinarius, Entoloma, Hygrocybe, Lactarius, Russula, dan Suillus. Penggunaan fitur segmentasi dapat meningkatkan akurasi untuk masalah pengklasifikasian. Salah satu fitur segmentasi yang dapat digunakan adalah Superpixel (SLIC). Penelitian ini menggunakan dataset citra jamur yang di-resize. Metode SLIC digunakan untuk mensegmentasi citra jamur ke bentuk superpixel. Segmentasi citra ke superpixel ditujukan untuk mengkelompokkan piksel yang sejenis ke dalam region sehingga citra mudah diolah. HOG adalah fitur ekstraksi untuk mendeteksi objek. SVM sering digunakan sebagai metode klasifikasi karena mampu menghasilkan akurasi yang baik sehingga dapat mempelajari dan mengenali citra jamur. Penggunaan superpixel sebagai fitur segmentasi dengan jumlah region 1.200, kernel radial basis function (RBF), C bernilai sepuluh dan gamma scale memberikan hasil terbaik dengan akurasi sebesar 0,8329. Berdasarkan hasil pengujian yang didapat pada penelitian ini, superpixel dapat meningkatkan akurasi dari SVM pada dataset jamur dibandingkan dengan tanpa superpixel.