Dari 30 kelas terdapat sembilan kelas yang mampu mengklasifikasikan dengan tingkat akurasi antara 60 - 80 disajikan pada Gambar 27.
Gambar 27 Citra tumbuhan obat menghasilkan akurasi antara 60 - 80 dengan PNN.
Dari 30 kelas terdapat sebelas kelas yang mampu mengklasifikasikan dengan tingkat akurasi dibawah 60 disajikan pada Gambar 28.
Gambar 28 Citra tumbuhan obat menghasilkan akurasi dibawah 60 dengan PNN.
4.3.2 Citra Tanaman Hias dengan Probabilistic Neural Network PNN
Uji coba Klasifikasi PNN untuk tanaman hias menerapkan bias yang berbeda-beda untuk mendapatkan akurasi dari masing-masing ekstraksi dengan menggunakan
FLBP
8,1
memiliki ukuran blok piksel 3x3 menghasilkan tingkat akurasi cukup baik yaitu 75.56 , dan pada FLBP
8,2
nilai akurasi mengalami peningkatan menjadi 77.78.
4.3.2.1 Model Klasifikasi PNN untuk Tanaman Hias Model klasifikasi PNN disajikan dalam bentuk confusion matrix yang disajikan
pada Lampiran 8. Tabel 7 menyajikan kelas-kelas yang teridentifikasi ke dalam kelas lain.
Tabel 7 Kelas tanaman hias yang teridentifikasi pada kelas lain dengan PNN
Tidak semua citra uji dapat dikenali oleh setiap kelas, dari model klasifikasi dapat dilihat kelas 24 Calathea sp sama sekali tidak dapat mengenali data uji, hal ini
dikarenakan data testing dan data training memiliki background yang sangat berbeda, klasifikasi PNN tidak mampu mengidentifikasi citra data testing tersebut. Kelas ini
mengalami kesalahan klasifikasi dengan teridentifikasi ke kelas 14 Agave attenuata sebanyak satu citra dan dua citra teridentifikasi ke kelas 19 Begonia sp, hal ini
dapat dilihat pada Gambar 29.
Gambar 29 Citra Calathea sp. yang paling banyak mengalami kesalahan klasifikasi dengan menggunakan PNN.
Citra kelas 15 Dendrobium chaopraya moonlight dan kelas 20 Calathea rufibarba hanya mampu mengidentifikasi satu citra uji saja. Kelas 15 Dendrobium
chaopraya moonlight teridentifikasi ke kelas 1 Dracena draco dan kelas 13 Philodendron bifinnatifidum. Kelas 20 Calathea rufibarba teridentifkasi ke dalam
kelas 19 Begonia sp. Citra-citra tersebut dapat dilihat pada Gambar 30.
a
b Gambar 30 Citra tanaman hias hanya dapat mengidentifikasi 1 citra uji a
Dendrobium chaopraya moonlight b Calathea rufibarba.
4.3.2.2 Identifikasi Akurasi Setiap KelasTanaman Hias dengan Klasifikasi PNN Identifikasi tanaman hias dengan menggunakan klasifikasi PNN disajikan dalam
bentuk grafik, akurasi masing-masing kelas disajikan pada Gambar 31. .
Gambar 31 Grafik Akurasi Masing-Masing Kelas PNN Dalam Mengidentifikasi tanaman hias FLBP
8+2
.
20 40
60 80
100
1 3
5 7
9 11
13 15
17 19
21 23
25 27
29
A ku
ra si
Kelas
Pada FLBP
8,2
dengan klasifikasi PNN, dari 30 kelas terdapat empat belas kelas yang dapat mengidentifikasi semua citra uji hal ini dikarenakan citra-citra ini
memiliki latar belakang yang seragam dan memiliki jenis daun dengan warna yang
bergradasi
,
sehingga menghasilkan akurasi tinggi, citra-citra tersebut disajikan pada Gambar 32.
Gambar 32 Citra Tanaman Hias menghasilkan akurasi 100 dengan PNN. Dari 30 kelas terdapat tiga belas kelas yang mampu mengklasifikasikan dengan
tingkat akurasi 66.67 disajikan pada Gambar 33.
Gambar 33 Citra Tanaman Hias menghasilkan akurasi 66,67 dengan PNN. Dari 30 kelas terdapat tiga kelas yang mampu mengklasifikasikan dengan tingkat
akurasi dibawah 50 disajikan pada Gambar 34.
Gambar 34 Citra Tanaman Hias menghasilkan akurasi dibawah 50 dengan PNN.
4.4 Perbandingan Klasfikasi SVM Fungsi Kernel Polynomial
