Elliptical Fourier Descriptor relatif kurang baik. Akurasi tertinggi dihasilkan dari tangkai atas pusat dengan rata-rata 28 untuk jumlah harmonik N=4 dan N=8,
tangkai atas samping dengan rata-rata akurasi 22 untuk N=8, dan bagian tengah samping dengan rata-rata akurasi 28 untuk N=4.
5.6.2. Percobaan dengan menggunakan crossvalidation 10-fold
Dalam percobaan ini digunakan 9 data training dan 1 data testing. Hasil akurasi yang diperoleh adalah sebagai berikut :
Tabel 5.5 Hasil akurasi percobaan 1 faktor ruas daun dengan crossvalidation 10-fold
N=8 N=4
Posisi Akurasi
atas pusat 14
atas samping 26
tengah pusat 17
tengah samping 11
bawah pusat 13
bawah samping 7
Hasil akurasi pada tabel di atas diperoleh dengan menggunakan banyaknya harmonik N=8 dan N=4. Hasil akurasi menunjukkan bahwa akurasi tertinggi
dihasilkan dari tangkai tengah samping sebesar 27 untuk N=4, atas samping sebesar 21 untuk N=4 dan 26 untuk N=8 dan bagian atas pusat sebesar 21
untuk N=4.
5.6.3. Percobaan dengan menggunakan 3 kombinasi faktor ruas daun
Percobaan ketiga menggunakan kombinasi 3 faktor ruas daun. Faktor yang digunakan adalah faktor ruas daun bagian atas-pusat, bagian atas samping dan
bagian tengah-samping. Untuk pengklasifikasian, masing-masing digunakan lima citra untuk pelatihan dan 5 citra untuk pengujian.
Posisi Akurasi
atas pusat 21
atas samping 21
tengah pusat 10
tengah samping 27
bawah pusat 15
bawah samping 10
Tabel 5.6 Hasil akurasi percobaan 3 faktor daun bagian atas-pusat, bagian atas samping dan bagian tengah-samping dengan crossvalidation 2-
fold
Varietas Banyak
harmoni k 1 2 3 4 5 6 7 8 9 10
Total Akurasi
N=4 60 20 60 20 60 40 20 0 60 80 42
60 60 20 20 60 0 60 40 20 40 38
N=6 40 0 80 20 80 0 60 40 0 60 38 20 0 40 20 40 20 60 40 60 40
34
N=8
20 20 20 0 20 20 0 60 0 40 20 60 20 0 0 20 20 60 20 20 80
30
Dari tabel di atas dapat dilihat bahwa rata-rata akurasi tertinggi dicapai pada jumlah harmonik N=4 sebesar 40 yang diperoleh dari faktor ruas daun bagian
atas-pusat, bagian atas samping dan bagian tengah-samping. Selanjutnya untuk mengetahui kesalahan klasifikasi dan banyaknya suatu
varietas yang dikenali sebagai varietas lain dapat dilihat pada tabel berikut : Tabel 5.7 Hasil akurasi percobaan 3 faktor ruas daun dengan crossvalidation
2-fold Persentase rata-rata daun terklasifikasi
Varietas var 1 var 2 var 3 var 4 var 5 var 6 var 7 var 8 var 9 var 10 Total
Var 1 60
0 0 0 0 20 0 20 0 0 100 Var 2
20 20 0 20 0 0 0 20 20
100 Var 3
60
0 20 0 0 20 0 0 100 Var 4
60 20
0 0 0 20 0 0 100
Var 5 20
20
60
0 0 0 0 0 100
Var 6
20 0 20 0 0 40 0 0 0 20
100 Var
7 0 0 0 20 60 0 20 0 0 0
100 Var
8 0 20 0 20 20 0 0 0 0 40
100 Var
9 0 0 0 0 0 0 0 20
60
20 100 var
10 20 0 0 0 0 0 0 0 0 80
100
var = varietas
Varietas yang relatif dapat dikenali adalah varietas 1, 3, 5, 9 dan 10 dengan akurasi 60 hingga 80 dengan menggunakan banyak harmonik = 4.
Sedangkan untuk 5 varietas lainnya yakni varietas 2, 4, 6, 7 dan 8 relatif tidak dapat dikenali dan terklasifikasi ke dalam varietas yang lain. Seperti halnya
varietas 2 terklasifikasi ke dalam varietas 3, 5, 9 dan 10 masing-masing sebesar
20. Varietas 4 lebih dikenali sebagai varietas 3. Varietas 7 lebih dikenali sebagai varietas 5.
Hasil kombinasi 3 faktor dengan data testing rotasi 180
Hasil akurasi dari pengujian kombinasi 3 faktor ruas daun dengan 5 data testing dan 5 data testing yang diputar 180
adalah sebagai berikut : Tabel 5.8 Hasil akurasi percobaan 3 faktor daun bagian atas-pusat, bagian
atas samping dan bagian tengah-samping dengan crossvalidation 1-fold dan diputar 180
Varietas Banyak
harmonik 1 2 3 4 5 6 7 8 9 10
Total Akurasi
N=4 40 20
60 20 60 0 40 20 20 60
34
N=6 40 0 60 20 100 20 40 0 0 60 34
N=8 0 20 40 0 20 60 40 0 0 20 20
Dari tabel di atas dapat dilihat bahwa rata-rata akurasi tertinggi untuk pengujian kombinasi 3 faktor ruas daun daun bagian atas-pusat, bagian atas samping dan
bagian tengah-samping dengan crossvalidation 2-fold dan diputar 180 dicapai
pada jumlah harmonik N=4 dan N=6 sebesar 34. Hal ini menunjukkan bahwa hasil kecocokan dengan merotasikan objek sejauh 180
memiliki akurasi yang tidak jauh berbeda dengan objek asli.
5.6.4. Percobaan dengan menggunakan 6 kombinasi faktor ruas daun