Dalam penelitian ini, kami menyajikan algoritma klasifikasi bunga. Data citra yang digunakan
dalam penelitian ini diperoleh dari dataset Oxford 102 Flowers. Kami mengklasifikasikan
16368 citra bunga yang diperoleh dengan menerapkan satu set proses augmentasi pada setiap
citra dalam dataset. Gambar disegmentasi dengan menggunakan metode GrabCut. Kemudian,
metode hybrid dari ekstraksi fitur digunakan pada citra yang tersegmentasi. Adapun Moment
Invariants digunakan untuk mengekstrak fitur bentuk sedangkan Color Moments digunakan
untuk mengekstrak fitur warna. Metode hybrid ekstraksi ciri yang diusulkan terbukti baik untuk
mendeklarasikan objek dengan mempertimbangkan warna, bentuk, dan luas objek.
Selanjutnya, kami menerapkan Random Forest sebagai pengklasifikasi. Algoritma klasifikasi
bunga yang diusulkan memberikan hasil yang memuaskan berdasarkan uji validasi stratified
k-fold cross-validation dimana nilai k optimal diperoleh dengan menggunakan elbow method.
Hasil eksperimen kami menunjukkan bahwa model yang diusulkan menghasilkan akurasi
88.74%.