Identifikasi Objek Menggunakan Random Forest dan Multi-Fitur

Abstract

Penelitian ini berfokus untuk identifikasi objek dengan latar belakang yang komplek, pendekatan kombinasi multi fitur menggunakan algoritma deteksi tepi (Sobel, Canny, dan Robert) dan Local Binary Pattern (LBP) serta klasifikasi menggunakan Random Forest. Tahapan penelitian ini meliputi pengumpulan data, pra-pemrosesan, ekstraksi ciri, dan evaluasi kinerja. Metrik untuk evaluasi kinerja menghitung akurasi, presisi, recall, dan F1-Score. Berdasarkan pengujian hasil yang diperoleh menunjukkan peningkatan yang signifikan dalam kinerja identifikasi objek. Hasilnya untuk akurasi mencapai 93%, presisi 96%, recall 91%, dan F1-Score 94%. Pengujian metode tersebut menunjukkan bahwa integrasi multi fitur mempengaruhi signifikan peningkatan keakuratan dan keandalan identifikasi objek, terutama dalam menghadapi tantangan latar belakang yang beragam dan kondisi pencahayaan yang tidak stabil.