Ekstraksi Fitur Berdasarkan Fuzzy Restricted Boltzmann Machine Pada Klasifikasi Fashion-MNIST Dengan Dan Tanpa Noise

Authors

  • Muhammad Ribhan Hadiyan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
  • Firdaniza Firdaniza Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
  • Herlina Napitupulu Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

DOI:

https://doi.org/10.37278/sisinfo.v6i2.876

Keywords:

Ekstraksi fitur, MAFRBM, Noise, SVM

Abstract

Mixed accelerated learning method based on a Fuzzy Restricted Boltzmann Machine merupakan metode ekstraksi fitur pada gambar yang relatif baru dan belum banyak diimplementasikan. MAFRBM memiliki kelebihan dalam melakukan ekstraksi fitur pada gambar yang memiliki noise. Pada umumnya keberadaan noise pada gambar dapat mempengaruhi hasil ekstraksi fitur secara signifikan. Pada penelitian ini dilakukan ekstraksi fitur menggunakan MAFRBM pada dataset Fashion-MNIST dengan dan tanpa penambahan noise. Jenis noise yang ditambahkan pada gambar yaitu gaussian, salt & pepper, dan poisson. Hasil ekstraksi fitur MAFRBM kemudian diklasifikasikan menggunakan Support Vector Machine (SVM). Hasil klasifikasi yang diperoleh menunjukkan akurasi tertinggi sebesar 88,2%. Selain itu, perbandingan hasil akurasi dari klasifikasi fashion-MNIST dengan noise tidak berbeda jauh dengan gambar tanpa noise.

References

Alamsyah, D., & Pratama, D. (2019). Deteksi Ujung Jari menggunakan Faster-RCNN dengan Arsitektur Inception v2 pada Citra Derau. JuSiTik : Jurnal Sistem Dan Teknologi Informasi Komunikasi, 2(1), 1.

Deng, N., Tian, Y., & Zhang, C. (2012). Support Vector Machines: Optimization Based Theory, Algorithms, and Extensions (1st ed.). Chapman & Hall/CRC.

Diantarakita, Widodo, A. W., & Rahman, M. A. (2019). Ekstraksi Ciri pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Local Binary Pattern. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(8), 7938–7945.

Feng, S., & Chen, C. L. P. (2018). A Fuzzy Restricted Boltzmann Machine: Novel Learning Algorithms Based on the Crisp Possibilistic Mean Value of Fuzzy Numbers. IEEE Transactions on Fuzzy Systems, 26(1), 117–130. https://doi.org/10.1109/TFUZZ.2016.2639064

Lü, X., Long, L., Deng, R., & Meng, R. (2022). Image feature extraction based on fuzzy restricted Boltzmann machine. Measurement, 204(52075316), 112063. https://doi.org/10.1016/j.measurement.2022.112063

Pradana, Z. H., Nafi’ah, H., & Rochmanto, R. A. (2022). Chatbot-based Information Service using RASA Open-Source Framework in Prambanan Temple Tourism Object. https://api.semanticscholar.org/CorpusID:252026904

Prayogi, M. D., & Nababan, A. A. (2021). Implementasi Reduksi Noise Pada Citra Rontgen Menggunakan Algoritma Arithmetic Mean Filter. Jurnal Ilmu Komputer Dan Sistem Informasi, 3(3), 84–90.

Priyowidodo, S. (2019). Klasifikasi Gambar Dataset Fashion-Mnist Menggunakan Deep Convolutional Neural Network. Jitekh, 7(1), 34–38.

Purbolaksono, M. D., Irvan Tantowi, M., Imam Hidayat, A., & Adiwijaya, A. (2021). Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(2), 393–399. https://doi.org/10.29207/resti.v5i2.3008

Puspitasari, N., Septiarini, A., & Aliudin, A. R. (2023). Metode K-Nearest Neighbor Dan Fitur Warna Untuk Klasifikasi Daun Sirih Berdasarkan Citra Digital. PROSISKO: Jurnal Pengembangan Riset Dan Observasi Sistem Komputer, 10(2), 165–172. https://doi.org/10.30656/prosisko.v10i2.6924

Reddy, M. A., Krishna, G. S. S. R., & Kumar, T. T. (2021). Malaria Cell-Image Classification using InceptionV3 and SVM. International Journal of Engineering Research & Technology (Ijert), 10(8), 6–10.

Taye, M. M. (2023). Understanding of Machine Learning with Deep Learning: Architectures, Workflow, Applications and Future Directions. In Computers (Vol. 12, Issue 5). https://doi.org/10.3390/computers12050091

Wang, P., Fan, E., & Wang, P. (2021). Comparative analysis of image classification algorithms based on traditional machine learning and deep learning. Pattern Recognition Letters, 141, 61–67. https://doi.org/https://doi.org/10.1016/j.patrec.2020.07.042

Downloads

Published

2024-08-16

How to Cite

Hadiyan, M. R., Firdaniza, F., & Napitupulu, H. (2024). Ekstraksi Fitur Berdasarkan Fuzzy Restricted Boltzmann Machine Pada Klasifikasi Fashion-MNIST Dengan Dan Tanpa Noise. SISINFO : Jurnal Sistem Informasi Dan Informatika, 6(2), 106–114. https://doi.org/10.37278/sisinfo.v6i2.876

Issue

Vol. 6 No. 2 (2024): SisInfo

Section

Articles

License

Copyright (c) 2024 Muhammad Ribhan Hadiyan, Firdaniza Firdaniza, Herlina Napitupulu

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish articles in SisInfo : Jurnal Sistem Informasi dan Informatika  agree to the following terms:

  1. Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution-ShareAlike License.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).