Kombinasi Colour-Feature Dan Deep-Feature Untuk Evaluasi Nilai Estetika Pada Foto Makanan

Ardiansyah, Muhammad Arsyad (2023) Kombinasi Colour-Feature Dan Deep-Feature Untuk Evaluasi Nilai Estetika Pada Foto Makanan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000228-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Kebebasan berekspresi dalam berkarya banyak digaungkan oleh sebagian besar seniman dan masyarakat dewasa ini. Semua orang dapat membuat karya dengan cara mereka sendiri. Salah satu contohnya di bidang fotografi. Tidak sedikit masyarakat yang memiliki minat dalam bidang fotografi. Bidang ini banyak dimanfaatkan dalam proses bisnis, terutama dalam bisnis food & beverages. Dalam bisnis ini, teknologi fotografi digunakan dalam menambah daya tarik customer melalui foto makanan dan minuman. Tentunya pemilik bisnis menginginkan foto makanan yang dijual terlihat se-estetik mungkin supaya dapat menarik banyak customer. Banyak faktor yang dapat mempengaruhi unsur estetika pada foto makanan, seperti saturasi warna, kecerahan, sudut pandang foto dan sebagainya. Faktor-faktor tersebut dapat menjadi tolak ukur dalam evaluasi nilai estetika pada foto makanan. Oleh karena itu dalam penelitian ini akan memanfaatkan beberapa faktor tersebut melalui proses ekstraksi fitur menggunakan metode histogram warna pada ruang warna RGB, HSV dan LAB serta fitur detail gambar menggunakan metode VGG16. Fitur yang diperoleh kemudian dikombinasikan dan diklasifikasikan menggunakan metode ELM, SVM, RF dan KNN berdasarkan penilaian fotografer profesional. Dari kedua metode ekstraksi fitur diperoleh fitur histogram warna dengan berukuran 48 pada setiap ruang warna dan 25088 fitur hasil ekstraksi menggunakan VGG-16. Hasil penelitian diperoleh nilai akurasi terbaik menggunakan fitur detail gambar atau deep-features dengan metode klasifikasi SVM mencapai 84,66%.
=================================================================================================================================
Freedom of expression in work is widely echoed by most artists and society today. Everyone can create masterpieces in their own way, for example photography. Not a few people who have an interest in photography. This field is widely used in business processes, especially in the food & beverage business. In this business, photography technology is used to add to the attractiveness of customers through photos of food and drinks. Of course, business owners want photos of the food being sold to look as aesthetic as possible so they can attract lots of customers. Many factors can affect the aesthetic elements of food photos, such as color saturation, brightness, angle of view and so on. These factors can be used as benchmarks in evaluating the aesthetic value of food photos. Therefore, this research will utilize some of these factors through the feature extraction process using the color histogram method in RGB, HSV and LAB color spaces and image detail features using the VGG16 method. The features obtained are then combined and classified using the ELM, SVM, RF and KNN methods based on the assessment of professional photographers. From both feature extraction methods obtained color histogram features with a size of 48 in each color space and 25088 features extracted using VGG-16. The results of the study obtained the best accuracy value using image detail features or deep-features with the SVM classification method reaching 84.66%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	estetika, foto, warna, ekstraksi, klasifikasi, aesthetics, photo, colour, extraction, classification.
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Arsyad Ardiansyah
Date Deposited:	19 Oct 2023 07:14
Last Modified:	19 Oct 2023 07:14
URI:	http://repository.its.ac.id/id/eprint/101359

Actions (login required)

View Item