4.2.1.1 Pemilihan Parameter Kernel Tumbuhan Obat.
Fungsi kernel yang digunakan yaitu fungsi Linear, Polynomial dan RBF, masing- masing fungsi kernel ini memiliki parameter yang berbeda-beda. Pada Fungsi kernel
Linear nilai parameter C yang diujicobakan adalah [ 2
12
,2
11
, 2
10
,2
9
, ..,2
-1
, 2
-2
] . Pada fungsi kernel Polynomial nilai parameter C yang diujicobakan sama dengan fungsi
linear , adapun nilai parametr γ dan r adalah [ 2
4
,2
3
, 2
2
,...,2
-10
] , untuk nilai degree
d pada penelitian ini di ujicobakan 2 , sehingga dihasilkan 15
3
=3.375 kombinasi. Pada fungsi kernel linear, nilai parameter C dan
γ sama dengan fungsi kernel polynomial dan linear , sehingga dihasillan 15
2
= 225 kombinasi yang diujicobakan. Ukuran circular neighborhood yang digunakan pada FLBP adalah 8,1 dan 8,2,
nilai akurasi masing-masing dari fungsi kernel tersebut disajikan pada Tabel 2 dan screen shoot hasil ekstraksi tumbuhan obat disajikan pada Lampiran 3.
Tabel 2 Akurasi Fungsi Kernel Tumbuhan Obat Operator
P,R Fungsi Kernel
Parameter Kernel Akurasi
C γ
r d
FLBP8,1 Linear 2
9
- -
- 68.09
Polynomial 2
9
2
2
2
-6
2 71.43
RBF 2
4
2
2
- -
73.09
FLBP8,2 Linear 2
8
- -
- 71.19
Polynomial 2
12
2
3
2
-10
2 73.57
RBF 2
3
2
2
- -
73.09
Ukuran circular neighborhood 8,2 pada penelitian ini menghasilkan tingkat akurasi lebih baik dibandingkan ukuran circular neighborhood 8,1, hal ini
dikarenakan semakin besarnya ukuran blok piksel semakin mampu mengambil nilai piksel-piksel ketetanggaan melingkar yang berbeda-beda sehingga pola-pola nilai
LBP pun menjadi berbeda, hal ini menjadi penciri yang baik dalam ekstraksi tekstur. Fungsi kernel terbaik untuk mengidentifkasi tumbuhan obat adalah fungsi kernel
polynomial pada ukuran circular neighborhood 8,2. Secara umum kelas-kelas yang
memiliki variasi warna kernel polynomial memiliki tingkat akurasi lebih tinggi dibandingkan kernel RBF dan kernel linear.
4.2.1.2 Model Klasifikasi Kernel Polynomial untuk Tumbuhan Obat
Kategori