IDENTIFIKASI ATRIBUT PEJALAN KAKI BERBASIS FITUR WARNA DAN TEKSTUR MENGGUNAKAN ADAPTIVE BOOSTING

Identifikasi atribut pada citra pejalan kaki masih memiliki beberapa kendala mendasar. Sudut penglihatan kamera, pencahayaan, dan beragamnya citra merupakan beberapa kendala yang ditemukan. Dibutuhkan metode ektraksi fitur yang cukup baik. Oleh karena itu penelitian ini menggunakan gabungan dari fitur warna dan tekstur. Metode ekstraksi fitur berbasis warna dan tekstur yang digunakan adalah Color Histogram dan Multi Block Local Binary Pattern (MB-LBP) dengan metode pembelajaran yang digunakan adalah Adaptive Boosting (Adaboost). Dataset yang digunakan adalah dataset PEdesTrian Attribute (PETA) yang memiliki jumlah data mencapai 19000. Penelitian ini bertujuan untuk mengetahui pengaruh ketika memakai fitur warna atau tekstur saja dengan gabungan fitur warna dan tekstur. Hasilnya adalah gabungan dari fitur warna dan tekstur dapat meningkatkan akurasi pada beberapa atribut. Akurasi tertinggi didapatkan oleh atribut sandal, dengan akurasi mencapai 76%.