// <![CDATA[PERBANDINGAN KINERJA FITUR PRINCIPAL COMPONENT ANALYSIS DAN LINEAR DISCRIMINANT ANALYSIS PADA PENGENALAN HURUF ARAB MELAYU DENGAN METODE RANDOM FOREST]]> 0409076101 - Muhammad Ichwan, Ir. MT. Dosen Pembimbing 1 ZULFADIANDRE / 152017032 Penulis
Pengolahan citra merupakan teknik penting dalam meningkatkan kualitas suatu citra. Salah satu tahapan penting dalam pengolahan citra adalah pengenalan pola, yang melibatkan proses ektraksi fitur untuk mengidentifikasi karakteristik unik suatu citra. Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) adalah dua metode yang sering digunakan dalam ektraksi fitur dan reduksi dimensi pada citra berdimensi tinggi. Penelitian ini bertujuan untuk membandingkan performa PCA dan LDA sebagai masukan dalam kelasifikasi Random Forest (RF) untuk mengenali tulisan tangan huruf arab melayu. Hasil pengujian menunjukkan bahwa kombinasi PCA dan RF memberikan kinerja terbaik dengan accuracy keseluruhan sebesar 0.8525 dan waktu pelatihan 4614.10 detik. Sebaliknya, kombinasi LDA dan RF menghasilkan accuracy keseluruhan sebesar 0.6513 dan waktu pelatihan 969.78 detik. Penelitian ini menunjukkan bahwa meskipun PCA membutuhkan waktu pelatihan yang lebih lama, performanya lebih unggul dibandingkan LDA dalam mendukung klasifikasi tulisan tangan huruf Arab Melayu menggunakan metode Random Forest. Kata kunci: Pengolahan Citra Digital, PCA, LDA, RF, tulisan tangan arab melayu