SUMMARY
Penelitian ini memodelkan gambar menggunakan copula Gaussian. Metode pemodelan yang bersifat fleksibel karena tidak mensyaratkan distribusi normal pada nilai piksel gambar. Masalah kompleksitas komputasi yang disebabkan oleh dimensi data yang besar akan diatasi dengan metode partisi yang dilakukan pada penelitian ini. Data training berupa gambar apel dipartisi menjadi empat bagian yang nantinya kaan menjadi variabel bebas dalam model copula Gaussian. Optimasi model dilakukan dengan metode maksimum likelihood dan didapatkan hasil model copula Gaussian dengan hyperparameter length scale 1. Metode partisi dapat mereduksi dimensi data sehingga mampu mengatasi permasalahan kompleksitasi komputasi.