IDENTIFIKASI ATRIBUT PEJALAN KAKI BERBASIS MULTI-LABEL CLASSIFICATION DENGAN MENGGUNAKAN CLASSIFIER CHAINS

Multi-Label Classification (MLC) adalah salah satu topik yang menjadi perhatian dalam dunia machine learning dan telah diterapkan pada banyak bidang, seperti klasifikasi teks, anotasi citra, anotasi video, bioinformatics, jaringan sosial dan kategori musik. Selain itu MLC dapat digunakan untuk identifikasi atribut pada citra pejalan kaki. Berbeda dengan single-label classification yang hanya mengklasifikasikan setiap atribut secara terpisah, multi-label classification mengklasifikasi semua atribut secara langsung. Pada penelitian ini diusulkan Classifier Chains (CC) sebagai metode untuk identifikasi atribut pejalan kaki, CC dipilih karena mempertimbangkan hubungan antara kelas yang mungkin terjadi. Serta menggunakan metode ekstraksi fitur warna color histogram dan ekstraksi fitur tekstur Multi-Block Local Binary Pattern (MB-LBP). Fitur gabungan yang dihasilkan dari color histogram dan MB-LBP akan digunakan sebagai proses input pada proses klasifikasi menggunakan CC. Percobaan dilakukan dengan beberapa urutan label atau atribut pejalan kaki yang berbeda pada saat pembangunan model. Percobaan dilakukan untuk mengetahui pengaruh urutan label berdasarkan tiga model yang berbeda, akurasi yang didapatkan pada model berturut-turut adalah 26.60%, 26.67% dan 26.82%. Berdasarkan hasil tersebut maka urutan label pada saat pembangunan model tidak mempengaruhi kinerja model secara signifikan dengen selisih dibawah 1%.