Citra-citra yang teridentifikasi ke kelas lain disajikan pada Gambar 17.
a
b
c
Gambar 17 Citra tanaman hias yang teridentifikasi ke kelas lain a Dendrobium b Chaopraya Moonlight, Calathea sp. c Piper decumanum.
4.2.2.3 Identifikasi Akurasi Setiap Kelas Tanaman Hias dengan Fungsi Kernel
RBF.
Identifikasi tanaman hias dengan menggunakan fungsi kernel RBF menghasilkan tingkat akurasi tertinggi yaitu 81.11. Tingkat akurasi tanaman hias lebih baik
daripada tumbuhan obat karena metode FLBP sangat cocok pada citra yang memiliki tekstur yang kompleks. Akurasi masing-masing kelas disajikan pada Gambar 17.
Gambar 18 Grafik Akurasi masing-masing kelas SVM Kernel RBF dalam mengidentifikasi tanaman hias FLBP
8+2
. Hasil Ekstraksi FLBP
8,2
dengan menggunakan fungsi Kernel RBF pada tanaman hias , dari 30 kelas terdapat enam belas kelas yang mampu mengidentifikasi
semua citra uji sehingga menghasilkan tingkat akurasi 100, citra-citra yang memiliki akurasi tinggi dikarenakan citra-citra tersebut memiliki jenis daun dengan
warna yang bergradasi, memiliki tekstur unik yaitu citra yang kemiripan teksturnya cukup jauh berbeda dengan citra kelas lain, dan citra yang memiliki kualitas yang
baik dari segi pencahayaan maupun kontras serta memiliki komposisi background yang hampir seragam, citra-citra ini disajikan pada Gambar 19.
Gambar 19 Citra Tanaman Hias menghasilkan akurasi 100 dengan SVM Kernel
RBF. Dari 30 kelas terdapat sebelas kelas yang mampu mengklasifikasikan dengan
tingkat akurasi 66.67 yang disajikan pada Gambar 20.
Gambar 20 Citra Tanaman Hias menghasilkan akurasi 66,67 dengan SVM Kernel RBF.
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
Dari 30 kelas terdapat tiga kelas yang mampu mengklasifikasikan dengan tingkat akurasi 33.33 yang disajikan pada Gambar 21.
Gambar 21 Citra Tanaman Hias menghasilkan akurasi 33.33 dengan SVM Kernel
RBF.
4.3 Hasil Klasifikasi Probabilistic Neural Network PNN
Pembagian data uji dan data latih untuk identifikasi tumbuhan obat pada klasifikasi PNN sama dengan klasifikasi SVM. Uji coba yang dilakukan pada PNN
dengan menerapkan bias yang berbeda-beda untuk mendapatkan akurasi dari masing-
masing ekstraksi 4.3.1
Citra Tumbuhan Obat dengan Probabilistic Neural Network PNN
Hasil uji coba klasifikasi PNN dengan menggunakan FLBP
8,1
memiliki ukuran blok piksel 3x3 menghasilkan tingkat akurasi 64.29, dengan menggunakan
FLBP
8,2
nilai akurasi mengalami peningkatan menjadi 64.52
4.3.1.1 Model Klasifikasi PNN untuk Tumbuhan Obat. Model klasifikasi PNN disajikan dalam bentuk confusion matrix yang disajikan pada
Lampiran 7. Tabel 6 menyajikan kelas-kelas yang teridentifikasi ke dalam kelas lain.
