1. Home
  2. Lainnya

Analisis dan Evaluasi Wood Type Identification Using Support Vector Machine Base on Image Data

Gambar 3.6 Hasil akurasi kernel RBF dengan parameter sigma = 10

3.6.2 Percobaan pada fungsi kernel RBF dengan parameter sigma

= 15, 20 dan 25 menggunakan ekstraksi ciri 50 - 95 Pada percobaan dengan menggunakan parameter sigma 15, 20 dan 25 terjadi fluktuasi akurasi walaupun tidak terlalu ekstrim perbedaannya, tingkat akurasi mencapai 70 - 90. Terlihat pada Gambar 3.7, Gambar 3.8 dan Gambar 3.9 bahwa terjadi penurunan akurasi di saat ekstraksi ciri 80 - 95 dan setiap percobaan memiliki tingkat akurasi yang sama pada setiap parameter sigma. Gambar 3.7 Hasil akurasi kernel RBF dengan parameter sigma = 15 Gambar 3.8 Hasil akurasi kernel RBF dengan parameter sigma = 20 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri Gambar 3.9 Hasil akurasi kernel RBF dengan parameter sigma = 25 Ketiga percobaan ini memiliki pola akurasi yang sama, yaitu terjadi peningkatan akurasi lalu akan menurun di saat ekstraksi ciri mencapai 80. Tingkat akurasi terendah 73 pada saat parameter sigma 25 dan ekstraksi ciri 80 - 95 sedangkan tingkat akurasi yang tertinggi 92 pada saat parameter sigma 15 dengan ekstraksi ciri 75, parameter 20 dengan ekstraksi ciri 75 dan parameter 25 dengan ekstraksi ciri 70.

3.5.3 Percobaan pada fungsi kernel RBF dengan parameter sigma

= 30, 35 dan 40 menggunakan ekstraksi ciri 50 - 95 Tingkat akurasi pada ketiga percobaan ini memiliki pola yang sama, tinggi pada saat ekstraksi ciri 50 - 75 dan rendah pada saat ekstraksi ciri 80 - 95, ini menandakan bertambahnya ekstraksi ciri tidak selalu diikuti dengan bertambahnya tingkat akurasi. Gambar 3.10 Hasil akurasi kernel RBF dengan parameter sigma = 30 Gambar 3.11 Hasil akurasi kernel RBF dengan parameter sigma = 35 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 Akur asi Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri

Dokumen yang terkait

Support Vector Machine Modeling For Identification Of Ferns Plant Based On Spores Image In Eigen Space

0 19 217

Wood Identification Type by Using Support Vector Machine – Based Image

0 3 15

Identification of Single Nucleotide Polymorphism using Support Vector Machine on Imbalanced Data

0 6 16

Identification of Tuna and Mackerel based on DNA Barcodes using Support Vector Machine

0 2 6

Signature verification system using support vector machine.

0 2 5

SUPPORT VECTOR MACHINE TRAFFIC SIGN DETECTION AND CLASSIFICATION USING SUPPORT VECTOR MACHINE VECTOR

0 0 11

AUTOMATIC IMAGE ANNOTATION MENGGUNAKAN METODE SPEEDED UP ROBUST FEATURE DAN SUPPORT VECTOR MACHINE AUTOMATIC IMAGE ANNOTATION USING SPEEDED UP ROBUST FEATURES AND SUPPORT VECTOR MACHINE METHOD

0 0 8

INFORMATION GAIN DAN SUPPORT VECTOR MACHINE SENTIMENT ANALYSIS ON THE ENGLISH BOOK REVIEWS USING INFORMATION GAIN AND SUPPORT VECTOR MACHINE

0 0 7

SUPPORT VECTOR MACHINE IDENTIFICATION AND CLASSIFICATION OF COW MILK PURENESS BASED ON VIDEO SIGNAL PROCESSING BY USING GABOR WAVELET AND SUPPORT VECTOR MACHINE METHODS

0 0 8

VECTOR MACHINE AGE IDENTIFICATION USING DENTAL PANORAMIC WITH PRINCIPAL COMPONENT ANALYSIS AND SUPPORT VECTOR MACHINE

0 0 7