a. Pengujian Nilai Variasi Resizing Terhadap Jendela Ekstraksi Ciri
Menggunakan k-NN k=3
Untuk kelas k-Nearest Neighbor k-NN k=3 jendela ekstraksi cirinya dapat dilihat di tabel lampiran 25, 26 dan 27 dibagian hasil tidak dimasukkan ke database, semakin
kecil ukuran variasi resizing pengenalannya semakin kecil dan banyak yang dikenali secara salah. Dari tabel juga memperlihatkan bahwa sistem belum dapat mengenali 100 yang
dikenali hanya 94,55 pada variasi resizing 64
×
64 piksel dengan jendela ekstraksi ciri 10
×
10 piksel. Tabel 4.5. Tingkat Pengenalan Pengaruh untuk k-NN k=3 terhadap Jendela Ekstraksi
Ciri Resizing
Piksel Jendela Esktraksi Ciri Piksel
4
×
4 5
×
5 6
×
6 7
×
7 8
×
8 9
×
9 10
×
10 200
×
200 79,09
88,64 90,00
90,91 91,82
92,73 93,64
128
×
128 81,82
90,00 89,55
91,82 92,27
92,27 93,64
64
×
64 72,73
84,09 86,36
90,00 90,45
93,18 94,55
32
×
32 74,09
82,73 86,36
89,55 89,09
90,91 93,18
16
×
16 63,18
78,50 68,18
73,64 75,45
76,36 79,55
Dari tabel 4.5 dapat digambarkan grafik variasi resizing dan jendela ekstraksi ciri dengan tingkat pengenalan seperti pada gambar 4.11. Grafik pada gambar tersebut
menunjukkan bahwa semakin kecil ukuran variasi resizing, maka tingkat pengenalan semakin rendah. Hal ini disebabkan karena semakin kecil ukuran variasi resizing, citra
semakin terlihat tidak berbentuk citra masukan sehingga tingkat pengenalannya juga akan semakin rendah. Semakin besar ukuran variasi resizing, tingkat pengenalannya semakin
tinggi. Dari tingkat pengenalan jendela ekstraksi ciri semakin besar ukuran dari variasi jendela ekstraksi ciri maka tingkat pengenalannya semakin tinggi. Hal ini disebabkan
pengambilan sisi kiri atas dari hasil Discrete Cosine Transform Two Dimension DCT 2-D yang semakin besar bila jendela ekstraksi ciri nilai variasinya besar. Variasi jendela
ekstraksi ciri yang kecil akan sedikit mengambil sisi kiri atas dari hasil Discrete Cosine Transform Two Dimension DCT 2-D dan itulah yang menyebabkan variasi jendela
ekstraksi ciri yang nilainya kecil lebih rendah tingkat pengenalannya dari variasi yang besar ukuran variasi jendela ekstraksi cirinya.
Gambar 4.11. Grafik tingkat pengenalan kelas k=3 terhadap Jendela Ekstraksi Ciri
b. Pengujian Nilai Variasi Resizing Terhadap Variasi Masukan Rotasi
Kategori