Gambar 4.22. Tingkat pengenalan dengan skala dan resizing 128×128 piksel dari k-NN k=1
4.6.2. Untuk Kelas Menggunakan k-Nearest Neighbor k-NN k=3
a. Hasil Pengenalan Terbaik Dari Jendela Ekstraksi Ciri Menggunakan k-NN
k=3
Dari presentase pengujian jendela ekstraksi ciri pada tabel 4.5 dan gambar 4.11 tingkat pengenalan yang terbaik adalah 64×64 piksel. Untuk tingkat pengenalannya tidak
mencapai 100 tetapi tingkat pengenalannya hanya mencapai 94,55 seperti pada tabel 4.18. Ini disebabkan oleh nilai jendela ekstraksi ciri yang terlalu kecil. Cara memperbaiki
agar citra yang bervariasi rotasi dan skalanya dapat dikenali adalah dengan cara memperbesar ukuran resizing ataupun jendela ekstraksi cirinya.
Tabel 4.18. Tingkat Presentase terbaik dari Jendela Ekstraksi Ciri k-NN k=3 Resizing 64×64 piksel
Jendela Hasil Presentase
4×4 72,73
5×5 84,09
6×6 86,36
7×7 90
8×8 90,45
9×9 93,18
10×10 94,55
10 20
30 40
50 60
70 80
90 100
92,5 97,5
102,5 107,5
112,5 T
in g
k a
t P
e n
g e
n a
la n
Skala
Tingkat Pengenalan Dengan Skala dan Resizing
128×128 Piksel Dari k-NN k=1
Skala
Gambar 4.23 menampilkan tingkat pengenalan dari variasi resizing 64×64 piksel terhadap jendela ekstraksi ciri. Dari gambar dilihat semakin besar nilai variasi resizing
maka pengenalannya akan semakin banyak yang dikenali secara benar tetapi tidak mencapai 100. Agar pengenalan tersebut dapat dikenali secara benar, nilai variasi
resizing dan jendela ekstraksi cirinya harus besar.
Gambar 4.23. Tingkat pengenalan dari variasi resizing 64×64 piksel terhadap jendela ekstraksi ciri
b. Hasil Pengenalan Terbaik Dari Rotasi Menggunakan k-NN k=3
Dari presentase rotasi pengujian di tabel 4.6 dan gambar 4.12 didapatkan hasil presentase pengujian dari hasil percobaan. Untuk hasil terbaik dari pengujian adalah
sebesar 100 tetapi untuk pengujian ini mendapatkan presentase terbaik sebesar 94 dengan resizing 128×128 piksel rotasi -7,5°. Untuk pengujian ini ada resizing yang
mendapatkan nilai presentase terbaik juga dari resizing 200×200 piksel, tetapi nilai variasi jendela ekstraksi cirinya yang lain kecil tingkat pengenalannya tidak seperti yang resizing
128×128 piksel. Tingkat pengenalan ini kurang mengenali secara baik disebabkan oleh nilai rotasi yang lebih besar atau kurang dari 0°, rotasinya akan sedikit berubah seperti
aslinya. Variasi nilai 0° yang berarti gambar asli tanpa rotasi. Dari hasil presentase pada tabel 4.19 dan gambar 4.24 menampilkan citra dengan nilai rotasi yang nilainya minimum
10 20
30 40
50 60
70 80
90 100
4×4 5×5
6×6 7×7
8×8 9×9
10×10 T
in g
k a
t P
e n
g e
n a
la n
Jendela Ekstraksi Ciri
Tingkat Pengenalan Dari Variasi Resizing 64×64 Piksel Terhadap Jendela Ekstraksi
Ciri
Jendela
dan maksimum dari 0°, akan sedikit jauh perbandingan nilai presentasenya. Untuk memperbaiki agar pengenalan tersebut dapat dikenali secara benar dengan memperbesar
ukuran variasi dari resizing dan jendela ekstraksi ciri. Untuk yang minimum pengenalannya cukup dikenali secara benar dibandingkan dengan yang maksimum.
Tabel 4.19. Tingkat Presentase terbaik dari Rotasi 128×128 piksel dengan k-NN k=3 Resizing 128×128 piksel
Rotasi Hasil Presentase
-12,5° 73
-7,5° 94
-2,5° 93
2,5° 92
7,5° 91
12,5° 66
Gambar 4.24 menampilkan tingkat pengenalan dengan rotasi terbaik -7,5° dengan resizing 128×128 piksel dari k-Nearest Neighbor k-NN k=3. Dari gambar tersebut dapat
disimpulkan bahwa semakin besar atau maksimum nilai rotasi maka akan banyak yang dikenali secara salah ataupun sebaliknya dengan nilai minimum yang akan banyak dikenali
secara benar. Nilai asli dari citra rotasinya adalah 0° bila melebihi dari nilai rotasi itu banyak yang dikenali secara salah. Semakin besar kelas k-Nearest Neighbor k-NN maka
pengenalannya akan berkurang yang disebabkan oleh nilai perhitungan jarak akan diambil nilai minimumnya sebanyak k pada k-Nearest Neighbor k-NN. Pengambilan
menggunakan k-Nearest Neighbor k-NN dengan nilai di atas k=1 akan membuat perbandingan yang banyak, karena setiap sampel database yang berisi variasi citra asli,
rotasi dan skalanya mempunyai nilai jarak masing-masing. Banyaknya perbandingan dari hasil nilai jarak yang paling minimum tersebut akan membuat pengenalannya semakin
berkurang, karena harus membandingkan dengan citra yang lainnya.
Gambar 4.24. Tingkat pengenalan dengan rotasi dan resizing 128×128 piksel dari k-NN k=3
c. Hasil Pengenalan Terbaik Dari Skala Menggunakan k-NN k=3
