Perpustakaan Digital ITB

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.