Klasifikasi Pes Planus Menggunakan Ekstraksi Fitur HOG dan BoF dengan Random Forest

Abstract

Salah satu kontribusi fisika dalam bidang kesehatan adalah membantu proses diagnosis penyakit melalui citra medis, salah satunya untuk mendeteksi flat foot atau Pes Planus. Pada penelitian ini, metode ekstraksi dan pemilihan fitur digunakan untuk meningkatkan akurasi klasifikasi flat foot dengan menggunakan teknik machine learning. Histogram of Oriented Gradients (HOG) merupakan teknik ekstraksi fitur yang mengelompokkan nilai gradien piksel berdasarkan orientasi pada setiap bagian lokal dari citra, sedangkan Bag of Features (BoF) atau Bag of Words merupakan pendekatan yang memperlakukan ciri-ciri dari gambar sebagai fitur yang dapat diolah. Penelitian ini mengekstraksi gambar menjadi histogram dan mengidentifikasi fitur penting dari distribusi gradien intensitas piksel. Pemilihan fitur tambahan (additional features) dilakukan berdasarkan tingkat pengaruhnya terhadap model Random Forest. Data yang digunakan berjumlah 307 sampel, yang dibagi dalam beberapa lipatan menggunakan variasi nilai k-fold untuk memperoleh hasil validasi terbaik dan hasil pembelajaran optimal, dengan teknik sampling stratified. Hasil penelitian menunjukkan bahwa metode BoF mampu mengklasifikasikan Pes Planus berdasarkan fitur jejak kaki dengan akurasi 77,81%. Namun, metode HOG memiliki tingkat akurasi yang lebih tinggi, yaitu 85,67%