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
Model klasifikasi dari Fungsi kernel polynomial disajikan dalam bentuk Confusion Matrix secara lengkap yang disajikan pada Lampiran 5. Tabel 3 menyajikan kelas-
kelas yang teridentifikasi pada kelas lain. Tabel 3 Kelas tumbuhan obat yang teridentifikasi pada kelas lain dengan fungsi
kernel polynomial
Setiap kelas tumbuhan obat dapat teridentifikasi oleh fungsi kernel polynomial. Kelas 4 Lavendula Afficinalis Chaix merupakan kelas yang mengalami kesalahan
klasifikasi, terdapat delapan citra data uji teridentifikasi ke kelas 1 Pandanus Amaryllifolius Roxb, hal ini dikarenakan kelas 4 dan kelas 1 memiliki kemiripan
tekstur pada permukaan belakang daun, Gambar 10 menyajikan kesalahan klasifikasi kelas 4 yang teridentifikasi pada kelas 1.
Gambar 10 Citra Lavendula Afficinalis Chaix teridentifikasi ke kelas Pandanus Amaryllifolius Roxb.
Kelas 24 Orthosiphon Aristatus B1 Miq , merupakan kelas yang menghasilkan akurasi terendah dimana kelas ini hanya mampu mengidentifikasi lima citra data uji,
terdapat sembilan citra teridentifikasi kedalam kelas yang berbeda-beda diantaranya adalah satu citra masing-masing teridentifikasi ke kelas 4 Lavendula afficinalis
Chaix dan kelas 12 Quisqualis Indica, tiga citra teridentifikasi ke kelas 15 clinacanthus nurans dan empat citra teridentifikasi ke kelas 18 Talinum
paniculatum , citra kelas 24 disajikan pada Gambar 11.
Gambar 11 Kelas 24 teridentifikasi pada kelas 4,12,15 dan 18.
4.2.1.3 Identifikasi Akurasi Setiap Kelas Tumbuhan Obat dengan Fungsi
Kernel Polynomial.
Hasil akurasi perkelas dari uji coba identifikasi tumbuhan obat dengan fungsi kernel polynomial pada FLBP
8,2
disajikan pada Gambar 12.
Gambar 12 Grafik akurasi masing-masing kelas SVM kernel polynomial dalam mengidentifikasi tumbuhan obat FLBP
8+2
. Klasifikasi SVM kernel polynomial dengan menggunakan ekstraksi FLBP
mampu mengidentifikasi kelas-kelas yang memiliki warna yang bergradasi dan citra yang memiliki variasi warna, walapun akurasinya tidak tinggi, sebagai contoh kelas
24 Orthosiphon Aristatus B1 Miq. Kelas 24 hanya mampu mengidentifikasi 5 citra data testing. Kelas citra tumbuhan obat yang selalu terklasifikasi dengan benar
memiliki warna yang seragam dan kualitas citra yang baik dari segi pencahayaan maupun kontras, terdapat 4 kelas yang selalu terklasifikasikan dengan benar dengan
akurasi 100 dari 30 kelas yang ada, keempat kelas tersebut adalah kelas 6 Acanthus ilicifolius L, kelas 7 Centella asiatica, kelas 16 Clitoria ternatea L.,
dan kelas 29 Psidium guajava L., citra-citra ini disajikan pada Gambar 13.
Gambar 13 Citra tumbuhan obat menghasilkan akurasi 100 dengan SVM kernel polynomial.
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 delapan kelas yang mampu mengklasifikasikan dengan tingkat akurasi 85 - 92.86, hal ini disajikan pada Gambar 14.
Gambar 14 Citra tumbuhan obat menghasilkan akurasi antara 85 - 92.56 dengan SVM kernel polynomial.
Terdapat delapan kelas yang mampu mengklasifikasikan dengan tingkat akurasi antara 60 - 80 disajikan pada Gambar 15.
Gambar 15 Citra tumbuhan obat menghasilkan akurasi antara 60 - 80 dengan SVM kernel polynomial.
Citra-citra yang menghasilkan tingkat akurasi dibawah 60 terdapat pada kelas 4,5,11,12,14,15,17,21,24 dan kelas 27 dapat dilihat pada Gambar 16.
Gambar 16 Citra tumbuhan obat menghasilkan akurasi dibawah 60 dengan SVM kernel polynomial.
4.2.2 Citra Tanaman Hias dengan SVM.
