Perbandingan Algoritma Pembelajaran Mesin untuk Klasifikasi Warna Kulit Berdasarkan Warna Piksel Citra
DOI:
https://doi.org/10.33379/jusifor.v1i1.1274Kata Kunci:
Deteksi warna kulit, Pembelajaran Mesin, KlasifikasiAbstrak
Klasifikasi warna citra digital untuk mendeteksi warna kulit atau bukan kulit merupakan hal yang sangat penting dalam dunia Computer Vision. Hal ini sangat membantu berbagai aplikasi dalam kehidupan nyata, seperti aplikasi deteksi wajah, gerakan tangan, sistem keamanan, deteksi penyakit kulit, pemblokiran konten dewasa, dan lain sebagainya. Warna merupakan komponen yang paling utama dalam hal mendeteksi warna kulit pada citra, oleh karena itu pada penelitian ini akan dilakukan eksperimen klasifikasi warna kulit pada piksel sebuah citra menggunakan ruang warna yang berbeda beda diantaranya, RGB, HSV, YCbCr, dan SCgCr dengan memanfaatkan algoritma pembelajaran mesin, yaitu KNN, Naïve Bayes, dan Random Forest. Pada penelitian ini, data yang digunakan merupakan data public Skin Segmented yang bersumber dari UCI dengan ruang warna RGB dan transformasi ke ruang warna lainnya, hasil klasifikasi yang dilakukan ternyata menghasilkan performa yang sangat baik, untuk algoritma KNN dan Random Forest selalu mendapatkan tingkat akurasi di atas 95% di semua ruang warna tersebut.
Referensi
R. Khan, A. Hanbury, J. Stöttinger, and A. Bais, “Color based skin classification,” Pattern Recognit. Lett., vol. 33, no. 2, pp. 157–163, 2012, doi: 10.1016/j.patrec.2011.09.032.
S. Kolkur, D. Kalbande, P. Shimpi, C. Bapat, and J. Jatakia, “Human Skin Detection Using RGB, HSV and YCbCr Color Models,” vol. 137, pp. 324–332, 2017, doi: 10.2991/iccasp-16.2017.51.
K. B. Shaik, P. Ganesan, V. Kalist, B. S. Sathish, and J. M. M. Jenitha, “Comparative Study of Skin Color Detection and Segmentation in HSV and YCbCr Color Space,” Procedia Comput. Sci., vol. 57, pp. 41–48, 2015, doi: 10.1016/j.procs.2015.07.362.
F. A. Pujol, M. Pujol, A. Jimeno-Morenilla, and M. J. Pujol, “Face detection based on skin color segmentation using fuzzy entropy,” Entropy, vol. 19, no. 1, pp. 1–22, 2017, doi: 10.3390/e19010026.
S. Roheda and H. Kalva, “A multi-scale approach to skin pixel detection,” IS T Int. Symp. Electron. Imaging Sci. Technol., pp. 18–23, 2017, doi: 10.2352/ISSN.2470-1173.2017.4.SRV-352.
H. K. Al-Mohair, J. Mohamad-Saleh, and S. A. Suandi, “Color space selection for human skin detection using color-texture features and neural networks,” 2014 Int. Conf. Comput. Inf. Sci. ICCOINS 2014 - A Conf. World Eng. Sci. Technol. Congr. ESTCON 2014 - Proc., 2014, doi: 10.1109/ICCOINS.2014.6868362.
A. R. Abbas and A. O. Farooq, Human skin colour detection using Bayesian Rough Decision Tree, vol. 938. Springer International Publishing, 2018.
D. Yi, W. Yang, and S. Z. Li, “Skin Spectroscopy,” Encycl. Biometrics, pp. 1414–1419, 2015, doi: 10.1007/978-1-4899-7488-4_1027.
N. a Ibraheem, M. M. Hasan, R. Z. Khan, and P. K. Mishra, “Understanding Color Models : A Review,” ARPN J. Sci. Technol., vol. 2, no. 3, pp. 265–275, 2012.
S. Dhanabal and S. Chandramathi, “A Review of various k-Nearest Neighbor Query Processing Techniques,” vol. 31, no. 7, 2011.
U. Sharma, S. Saran, and S. M. Patil, “Fake News Detection using Machine Learning Algorithms,” Int. J. Eng. Res. Technol., vol. 9, no. 3, pp. 509–518, 2021.
K. M. Al-aidaroos, A. A. Bakar, and Z. Othman, “Naïve Bayes Variants in Classification Learning,” pp. 276–281, 2010.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 JUSIFOR : Jurnal Sistem Informasi dan Informatika
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
