Article Details

PERBANDINGAN PENGGUNAAN ALGORITME RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI JENIS KELAMIN

Oleh   Muhammad Ashabul Kahfi [18216042]
Kontributor / Dosen Pembimbing : Dr. Ir. Dimitri Mahayana, M.Eng.;
Jenis Koleksi : S1-Tugas Akhir
Penerbit : STEI - Sistem dan Teknologi Informasi
Fakultas : Sekolah Teknik Elektro dan Informatika (STEI)
Subjek :
Kata Kunci : computer vision, machine learning, klasifikasi, random forest, support vector machine
Sumber :
Staf Input/Edit : Dessy Rondang Monaomi  
File : 0 file
Tanggal Input : 28 Mar 2022

Tidak ada file


Computer Vision merupakan salah satu cabang permasalahan yang ada pada Artificial Intelligence.Data gambar merupakan salah satu data tidak terstruktur yang perlu dikembangkan dalam pengolahannya. Salah satu contoh masalah nyata pada computer vision adalah bagaimana melakukan klasifikasi jenis kelamin dari suatu data gambar. Salah satu solusi untuk menyelesaikan permasalahan dalam mengelola atau memahami data gambar adalah dengan menggunakan pendekatan model machine learning. Karena mudahnya terciptanya data sekarang, sehingga solusi dengan menggunakan pendekatan machine learning adalah hal yang perlu dipahami. Oleh karena itu, pada kesempatan ini penulis akan menyelesaikan permasalahan klasifikasi jenis kelamin dengan menggunakan pendekatan model machine learning, khususnya akan menggunakan algoritme Support Vector Machine dan Random Forest. Saat melakukan proses pembangunan mesin, didapatkan bahwa tahapan feature engineering atau feature extraction merupakan tahapan yang sangat penting dalam membangun model klasifikasi data gambar. Metrik yang digunakan dalam melakukan evaluasi terhadap model yang dibangun yaitu akurasi, precision, recall, skor F1, luar dibawah kurva ROC, confusion matrix, serta memperlihatkan waktu prediksi. Hampir semua metrik menunjukkan bahwa algoritme SVM menunjukkan hasil yang lebih baik dibandingkan algoritme Random Forest, namun algoritme SVM cenderung membutuhkan waktu prediksi yang lebih lama dibandingkan algoritme Random Forest.