2. Ekstraksi Ciri
Ekstraksi ciri dilakukan dengan menggunakan metoda 2DPCA. Bagian citra yang diekstrasi adalah citra spora yang telah disamakan ukurannya. Reduksi
2DPCA bertujuan mendapatkan set matriks ciri yang nantinya akan digunakan untuk tahap pemodelan. Input citra spora memiliki dimensi yang lebih kecil
dibandingkan citra asli, sedangkan untuk keragaman informasi digunakan 50 hingga 95 kemiripan dari citra spora.
3. Data Latih Tereduksi
Data latih tereduksi merupakan citra spora hasil dari reduksi menggunakan 2DPCA dan memiliki dimensi yang lebih kecil dibandingkan citra spora
sebelumnya. Citra spora tereduksi memiliki kemiripan dengan citra sebelum direduksi sebesar 50 hingga 95. Data latih tereduksi digunakan sebagai input
untuk pemodelan dengan Support Vector Machine.
3.7. Pemodelan dengan Support Vector Machine.
Pemodelan dengan menggunakan Support Vector Machine bersifat multiclass, SVM memiliki beberapa metode dalam membandingkan objek,
diantaranya one-against-one dan one-against-all. Pada penelitian ini akan digunakan one-against-all dengan fungsi kernel RBF dan Polynomial.
3.8. Tahapan Pengujian
1. Data Uji
Data uji yang digunakan pada penelitian memiliki 4 kelas, setiap kelompok berisi 24 citra, masing-masing kelompok ini akan dijadikan data uji secara
bergantian, sehingga seluruh citra yang ada mengalami proses pengujian.
2. Matriks Transformasi
Matrik Transformasi didapat dari hasil reduksi dimensi 2D PCA pada data latih dan data uji, sehingga menghasilkan data latih dan data uji tereduksi
3. Data Uji Tereduksi
Data uji tereduksi pada citra spora didapat dari hasil matriks transformasi, sedangkan untuk nilai eigen yang digunakan adalah sejumlah n eigen sehingga
didapatkan tingkat kemiripan citra spora sebelum reduksi sebesar 50 hingga 95.
4. Pengujian Model
Pada proses pengujian model pada penelitian ini adalah menggunakan pemodelan Support Vector Machine. Data yang akan diujikan adalah data latih
tereduksi hasil pelatihan untuk menghasilkan klasifikasi yang benar dari citra uji tereduksi.
Pada penelitian ini menggunakan metode “one –against – all” dimana kasifikasi salah satu kelas atau kelompok dilatih oleh keseluruhan data, serta
menggunakan ekstraksi fitur sebesar 50 hingga 90, sehingga dapat membandingkan akurasi klasifikasi dari masing-masing fungsi kernel dan
ekstraksi fitur.
5. Analisis Hasil.
Proses pelatihan dan pengujian dengan menggunakan pemodelan SVM yang dilakukan untuk memperoleh hasil yang meliputi tingkat akurasi atau
keberhasilan pengenalan klasifikasi jenis Pteridhopyta dan tingkat kesalahan dalam pengenalan citra spora pada masing-masing kelas. Akurasi dihitung
berdasarkan data uji pada proses 4 fold cross validation, sedangkan untuk mengetahui penyebaran kesalahan digunakan confusion matriks.
Akurasi = Jumlah klasifikasi yang benar x 100 Jumlah semua data uji
3.9. Alat dan Bahan Penelitian
Pada penelitian ini digunakan alat dan bahan seperti software dan hardware yang mempunyai spesifikasi sebagai berikut :
Software : Sistem Operasi : MS Window XP Proffesional Version 2002 SP3
Pemrograman : Matlab 2008
Hardware : Processor intelR dual core 1.8GHz
Memori DDR2 2Gb RAM
3.10. Waktu dan Tempat Penelitian
Penelitian dilaksanakan di laboratorium Computational Intelegence CI Pascasarjana Departemen Ilmu Komputer IPB mulai Desember 2011 sampai
dengan Agustus 2012.
Kategori