Proses Training Proses Testing

3.3.2 Proses Klasifikasi

Setelah dilakukan proses reduksi dimensi proses yang harus dilakukan selanjutnya adalah proses klasifikasi. Dalam tugas akhir ini menggunakan metode support vector machine SVM. Proses klasifikasi ini dibagi menjadi dua proses. Proses pertama adalah proses training dari dataset yang telah direduksi dimensinya dan proses kedua adalah proses testing data.

3.3.2.1 Proses Training

Proses ini merupakan proses dimana harus dilakukan training dataset. Training dataset ini bertujuan untuk menemukan fungsi pemisah, margin, jumlah support vector, Lagrange Multiplier Lagrangian dan bias. Parameter-parameter yang dicari adalah a,b, dan nsv. Sedangkan parameter yang harus diinputkan adalah proyeksi citra Y menentukan suatu citra termasuk pejalan kaki atau bukan pejalan kaki, kernel, dan parameter kernel. Parameter a disini digunakan untuk menentukan jumlah dari support vector. Support vector merupakan suatu data yang terletak pada hyperplane, untuk menentukan support vector dapat dapat dilihat dari nilai alpha yang melebihi nilai toleransi. Selain nilai a dalam proses ini juga dicari nilai margin dan bias b. nilai margin ini merupakan adalah jarak antara hyperplane tersebut dengan pattern terdekat dari masing-masing class. Diagram alir proses training dapat dilihat pada Gambar 3.8. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. MULAI Input data training Prjimage dengan definisi Yi Mengubah iinput data training dengan mapping ke ruang multidimensional Fungsi Kernel Polynomial Menghitung jarak dari setiap elemen, Xi, ke kelas yang berbeda Yi ≠ Yj Menentukan parameter dari optimal hyperplane pada multidimensi Output: alpha, bias, jumlah support vector SELESAI       n j i j i x x x x K 1 , ,   Gambar 3.8 Diagram Alir Training SVM

3.3.2.2 Proses Testing

Pada sebelumnya yaitu proses testing di dapatkan nilai-nilai alpha, bias, dan jumlah support. Proses selanjutnya yaitu proses prediksi apakah suatu citra termasuk ke dalam pejalan kaki atau bukan pejalan kaki. Di dalam proses ini Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. parameter-parameter yang harus diinputkan adalah proyeksi citra, kernel, alpha, bias dan Y menentukan suatu citra termasuk pejalan kaki atau bukan pejalan kaki. Sedangkan parameter yang dicari adalah parameter Y. jika suatu citra yang diprediksi menghasilkan keluaran satu maka citra tesebut merupakan pejalan kaki. Sedangkan jika citra tersebut menghasilkan output minus satu maka citra tersebut tidak mengandung pejalan kaki. Diagram alir proses testing dapat dilihat pada Gambar 3.9. MULAI Input data Testing, Prjimage, alpha, bias, kernel Mentransformasikan input data dengan mapping ke ruang multidimensional menggunakan support vector dan parameter kernel Mengklasifikasi data testing Hasil klasifikasi data testing termasuk kelas pejalan kaki atau bukan pejalan kaki SELESAI Gambar 3.9 Diagram Alir Testing SVM 3.3.3 Proses Pengenalan Citra Pada tahap-tahap sebelumnya telah dijelaskan mengenai proses reduksi dimensi dan klasifikasi. Tahap yang akan dijelaskan selanjutnya yaitu tahap Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. pengenalan citra. Sebelum citra dicocokkan dengan template atau database citra harus diolah agar memiliki ukuran yang sesuai dengan template. Dalam proses pengenalan citra ini tahap-tahap yang harus dilakukan yaitu overlapping crop dan scaling. Proses ini bertujuan agar tidak terlalu banyak kehilangan informasi dari citra testing.

3.3.3.1 Overlapping Crop Citra