1. Home
  2. Lainnya

Latar Belakang Perumusan Masalah

2.3 Prosedur Analisis Data

Metode pada penelitian ini terdiri atas beberapa tahapan proses yaitu, dimulai dari pengumpulan data menggunakan kamera mikroskopis. Tahapan praproses, pembagian data data latih dan uji, ekstraksi ciri dengan metode 2D- PCA, pembelajaran, pengujian dan evaluasi dengan SVM menggunakan software Matlab 7.8, seperti ditunjukkan pada Gambar 2.4. Gambar 2.4 Metode penelitian

2.4 Data Citra Mikroskopis Kayu

Bond dan Hamner 2002 mengelompokkan pengamatan permukaan kayu ke dalam tiga kategori referensi bidang geometris, yaitu: cross section, radial section, dan tangential section seperti ditunjukkan pada Gambar 2.5. Mulai Citra Kayu Praproses Pembagian Data K-Fold Cross Validation Data Latih Evaluasi Selesai Parameter Terbaik Matriks Transformasi Pengujian SVM Data Uji Pembelajaran SVM Estimasi Parameter Pelatihan 2D-PCA Gambar 2.5 Referensi tiga dimensi bidang geometris permukaan kayu Data yang digunakan dalam penelitian ini berupa citra mikroskopis kayu sebanyak 96 citra yang berasal dari empat jenis kayu yang berbeda, masing- masing jenis kayu memberikan 24 citra yang berukuran 480 x 640 piksel. Ciri anatomi kayu dapat dilihat pada bidang cross section dengan cara memotong bidang kayu secara tegak lurus dengan arah pertumbuhan pohon atau bidang penampang kayu. Sebelum dilakukan pemotretan, daerah penampang kayu harus diiris terlebih dahulu dengan menggunakan cutter agar menghasilkan citra pori kayu yang bagus, seperti ditunjukkan pada Gambar 2.6. Gambar 2.6 Cara mengiris daerah penampang kayu Gambar 2.7 Akuisisi citra mikroskopis kayu Akuisisi citra mikroskopis kayu dilakukan dengan pemotretan sampel kayu yang berbeda jenisnya. Total data penelitian ini berjumlah 96 citra dari empat jenis kayu yang berbeda, masing-masing diambil 24 citra citra kayu berukuran 480 x 640 piksel, seperti ditunjukkan pada Gambar 2.7.

2.5 Praproses

Tahap awal praproses adalah mengubah ukuran citra menjadi 96 x 128 piksel dari ukuran asal 480 x 640 piksel dengan menggunakan fungsi pada program Matlab 7.8. Pada tahapan ini juga dilakukan pengubahan citra RGB menjadi citra grayscale yaitu mengubah citra RGB menjadi citra aras keabuan Maryana 2012.

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