Tabel 5 menunjukkan bahwa kelas 1 kayu Johar dan kelas 2 kayu Jati nilai sensitivity dan nilai specificity 100, ini berarti bahwa performance sistem
sangat baik untuk kelas tersebut sedangkan pada kelas 3 kayu Rasamala dan kelas 4 kayu Sengon terjadi sedikit penurunan performance sistem tetapi nilai
ini masih berada pada toleransi, perbedaan tidak lebih dari 28 untuk sensitivity dan tidak lebih dari 10 untuk specificity.
.
3.6.2 Tingkat akurasi tertinggi pada fungsi kernel polinomial
Pada percobaan menggunakan kernel polinomial parameter orde 1 menghasilkan tingkat kesalahan 4.17 pada ekstraksi ciri 60 sampai dengan
75. Jumlah data yang salah diklasifikasikan sebanyak empat data dari 96 data, seperti ditunjukkan pada Gambar 3.25.
Gambar 3.25 Tingkat akurasi tertinggi kernel Polinomial Gambar 3.25 menunjukkan hasil akurasi tertinggi berada pada ekstraksi ciri
60 sampai dengan 75, yaitu sebesar 95.83, sedangkan percobaan pada parameter orde 1 menunjukkan bahwa ekstraksi ciri 80 sampai dengan 95
terjadi penurunan akurasi hingga 84.37 pada ekstraksi ciri 95. Hal ini menunjukkan bahwa data teridentifikasi optimal menggunakan 2D-PCA dan SVM
ketika berada pada ekstraksi 60 sampai dengan 75 dengan parameter d = 1 menghasilkan akurasi 95.83. Pada saat ekstraksi ciri 85
– 95 terjadi penurunan tingkat akurasi, akan tetapi penurunan tingkat akurasi ini tidak terjadi secara
drastis seperti halnya pada kernel RBF. Kesalahan yang dihasilkan dari percobaan menggunakan kernel Polinomial parameter d = 1 dengan ekstraksi 60 sampai
dengan 75 dijabarkan menggunakan confusion matrix, seperti ditunjukkan pada Tabel 6.
80 85
90 95
100
50 60
70 75
80 85
90 95
Akur asi
Persen Ciri
Orde 1
Tabel 6 Confusion matrix percobaan kernel polinomial dengan parameter orde
= 1
AKTUAL PREDIKSI
Kelas 1
Kelas 2
Kelas 3
Kelas 4
Kelas 1 24
Kelas 2 24
Kelas 3 23
1 Kelas 4
3 21
Tabel 6 menunjukkan klasifikasi pada kelas 1 Kayu Johar dan kelas 2 Kayu Jati teridentifikasi 100 sedangkan pada kelas 3 Kayu Rasamala ada
satu data yang teridentifikasi kelas 4 Kayu Sengon pada kelas prediktor dan pada kelas 4 Kayu Sengon ada tiga data yang teridentifikasi kelas 3 Kayu
Rasamala pada kelas prediktor. Nilai sensitivity dan specificity dapat dilihat pada Tabel 7, Gambar 3.26 dan Gambar 3.27.
Tabel 7 Nilai sensitivity dan specificity kernel polinomial
Kelas Jenis Kayu
TP FP
FN TN
Sensitivity Specificity
1 Johar
24 68
100 100
2 Jati
24 68
100 100
3 Rasamala
23 1
3 69
88 98
4 Sengon
21 3
1 71
94 96
Gambar 3.26 Sensitivity sistem kernel polinomial
Gambar 3.27 Specificity sistem kernel polinomial
Tabel 7 menunjukkan bahwa kelas 1 kayu Johar dan kelas 2 kayu Jati nilai sensitivity dan nilai specificity 100, ini berarti bahwa performance sistem
sangat baik untuk kelas tersebut sedangkan pada kelas 3 kayu Rasamala dan
10 20
30 40
50 60
70 80
90 100
Se nsit
ivity
10 20
30 40
50 60
70 80
90 100
Spe civic
it y
Keterangan: Kelas 1 = Kayu Johar
Kelas 2 = Kayu Jati Kelas 3 = Kayu Rasamala
Kelas 4 = Kayu Sengon