Perbandingan Ekstraksi Fitur Tekstur Dan Warna Dalam Klasifikasi Api Menggunakan Random Forest

KARUNIA, Daffa Aulia Rizky (2026) Perbandingan Ekstraksi Fitur Tekstur Dan Warna Dalam Klasifikasi Api Menggunakan Random Forest. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (85kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (247kB)
	Text 4. KATA PENGANTAR.pdf Download (319kB)
	Text 6. ABSTRAK.pdf Download (177kB)
	Text 7. ABSTRACT.pdf Download (118kB)
	Text 8. DAFTAR ISI.pdf Download (314kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (221kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (199kB)

Abstract

Kebakaran merupakan salah satu bencana yang dapat menimbulkan kerugian besar, sehingga
sistem deteksi api yang cepat dan akurat sangat dibutuhkan. Berbagai penelitian sebelumnya
menunjukkan bahwa metode berbasis visi komputer dapat menjadi solusi efektif utnuk
mendeteksi api melalui analisis warna maupun tekstur, namun masih terdapat kesenjangan dalam
memahami kontribusi relatif dari kedua fitur tersebut. Penelitian ini bertujuan untuk
membandingkan efektivitas metode ekstraksi fitur berbasis tekstur (Gray Level Co-Occurence
Matrix/GLCM, Local Binary Pattern/LBP) dengan metode berbasis warna (Color Histogram)
dalam klasifikasi citra api dan non-api. Dataset yang digunakan berasal dari Kaggle dengan total
999 citra, terdiri atas 755 citra api dan 244 citra non-api. Tahapan penelitian meliputi
preprocessing (resize, grayscaling, dan konversi HSV), ekstraksi fitur, balancing data
menggunakan Synthetic Minority Oversampling Technique (SMOTE), pembagian data,
standardisasi, serta klasifikasi menggunakan algoritma Random Forest. Evaluasi dilakukan
menggunakan confusion matrix, accuracy, precision, recall, dan f1-score. Hasil penelitian
menunjukkan bahwa metode berbasis tekstur (GLCM, LBP, dan GLCM-LBP) menghasilkan
akurasi sekitar 83-84%, sedangkan metode berbasis warna melalui Color Histogram memberikan
peningkatan signifikan dengan akurasi 97%. Kombinasi fitur warna dan tekstur (Color
Histogram-GLCM, Color Histogram-LBP, Color Histogram-GLCM-LBP) hanya memberikan
peningkatan kecil hingga 97,5%. Dengan demikian, dapat disimpulkan bahwa distribusi warna
lebih dominan dalam klasifikasi citra api dibandingkan pola tekstur.
Kata kunci : Klasifikasi Api, GLCM, LBP, Color Histogram, Random Forest

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	04 Mar 2026 00:53
Last Modified:	04 Mar 2026 00:53
URI:	https://eprints2.undip.ac.id/id/eprint/46463

Actions (login required)

View Item

Search for collections on Undip Repository