Percobaan Pada Fungsi Kernel RBF dengan  = 10

BAB V SIMPULAN DAN SARAN

5.1. Simpulan

Identifikasi tumbuhan paku berbasis spora pada penelitian ini menggunakan ekstraksi ciri 2DPCA dan SVM sebagai pemodelannya. Ekstraksi yang digunakan pada percobaan penelitian ini adalah 50 hingga 95, sedangkan pemodelan SVM menggunakan fungsi kernel RBF dan kernel Polynomial dengan metode one againt all. Berdasarkan penelitian yang dilakukan dapat diperoleh kesimpulan sebagai berikut : 1. Hasil klasifikasi citra spora menggunakan fungsi kernel RBF memperoleh tingkat akurasi tertinggi sebesar 98,96 pada ekstraksi ciri 70 dengan parameter sigma 10. 2. Hasil klasifikasi citra spora menggunakan fungsi Kernel Polynomial memperoleh tingkat akurasi tertinggi sebesar 94,8. 3. Hasil percobaan pada kernel RBF mempunyai hasil akurasi yang lebih tinggi dibandingkan dengan kernel Polynomial, hal ini menunjukan penggunaan kernel RBF lebih baik dari pada kernel Polynomial. 4. Data spora kelas 1 Aspleniceae memiliki kemiripan bentuk dengan kelas yang lain, karena kelas satu selalu dikenali oleh kelas 2, 3 dan 4.

5.2. Saran

Penelitian ini dapat dikembangkan dengan menggunakan parameter pada fungsi kernel RBF dan fungsi kernel polynomial yang lebih banyak, metode yang berbeda seperti one againt one, menggunakan pengolahan citra digital yang berbeda berdasarkan tekstur, berdasarkan warna dan berdasarkan ukuran citra serta jenis Pteridhopyta yang lebih bervariasi. DAFTAR PUSTAKA Buono, Agus dan Irwansyah 2009. Pengenalan Kadar Total Padat Terlarut Pada Buah Belimbing Manis Berdasar Citra Red-Green-Blue dengan Analisis Komponen Utama Sebagai Ekstrasi Ciri dan Jarak Euclidean sebagai Pengenal Pola. Jurnal Ilmu Komputer dan Informasi, Vol.2, No.1. Christianini, Nello dan John S. Taylor.2000 An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press, 2000 Christianini, Nello 2001. Support Vector and Kernel Machines. ICML tutorial, 2001. Fu L. 1994. Neural Network in Computer Intelligence. Singapura: McGraw Hill. Gonzales RC, Woods RE, Eddins SL., 2004. Digital Image Processing Using Matlab. Pearson Prentice Hall New Jersey. Harris, W.F. 1955. A manual of the spores of New Zealand pteridophyta. New Zealand. Department of Scientific and Industrial Research. Hsu, Chih-Wei dan Lin, Chih-Jen 2002. A Comparison of Methods For Multiclass Support Vector Machine. IEEE Transactions on Neural Networks, Vol. 13, No. 2, March 2002. Osuna EE, Freund R, Girosi F, 1997. Support Vector Machine: Training dan Application. Massachusetts Institute Of Technology Perwati, Lilih Khotim. 2009 Analisis Derajat Ploidi dan Pengaruhnya Terhadap Variasi Ukuran Stomata dan Spora pada Adiantum raddianum BIOMA, Vol. 11, No. 2, Hal. 39-44 Prasetyo, Budi 1998. Bentuk Spora Tumbuhan Paku Dalam Mendukung Konsep Takson Putra, Darma 2010. Pengolahan Citra Digital, Yogyakarta. Andi 2010 Rugayah, Widjaja, E.A., Praptiwi 2004. Pedoman Pengumpulan data Keanekaragaman flora.Indonesia. Pusat Penelitian Biologi-Lembaga Ilmu Pengetahuan Indonesia. Rismunandar 1990, Tanaman Hias Paku-Pakuan. Jakarta. Penebar Swadaya Santosa, Budi 2007, Data Mining, Teknik Pemanfaatan Data untuk Keperluan Bisnis, Graha Ilmu, Yogyakarta.