predicate node yang akan dihitung sesuai tahapan-tahapannya dari flowgraph di atas.
1. Region = 7
2. Cyclometic Complexity
VG = E – N + 2
= 25 – 20 + 2
= 7
3. Independent Path
Path 1: 1,2,4,5,6,8,9,10,11,12,13,14,15,16,17,18,19,20 Path 2: 1,3,4,5,7,8,9,11,12,13,14,16,17,18,19,20
Path 3: 1,3,4,5,7,8,9,11,12,5,7,8,9,11,12,13,14,16,17,18,19,20 Path 4 :1,2,4,5,6,8,9,10,11,12,13,14,15,16,17,18,5,7,8,9,11,12,13,14,16,17,18,19,20
Path 5:1,2,4,5,6,8,9,10,11,12,5,7,8,9,11,12,13,14,16,17,18,19,20 Path 6 :1,3,4,5,7,8,9,11,12,13,14,16,17,18,5,6,8,9,11,12,13,14,16,17,18,19,20
Path 7:1,3,4,5,7,8,9,10,11,12,13,14,15,16,17,18,19,20
4. Graph Matrix Untuk menghitung graph matrix, generalisasikan flowgraph pada
gambar 4.2 menjadi seperti gambar di halaman berikutnya.
1 2
3 4
5 6
7 8
9 10
11 12
13
20 15
16 17
18 19
14
Gambar 4. 3 Generalisasi Flowgraph
Kemudian menghitung graph matrix yang dibuat dalam bentuk tabel yang dapat dilihat pada tabel di bawah ini.
Tabel 4. 3 Graph Matrix
Node 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Graph Matrix
1 1 1
1 2
1 3
1 4
1 5
1 1 1
6 1
7 1
8 1
9 1
1 1
10 1
11 1
12 1
1 1
13 1
14 1
1 1
15 1
16 1
17 1
18 1
1 1
19 1
20 JUMLAH
6
VG = Jumlah graph matriks + 1 = 6 + 1 = 7
5. Predicate Node
Predicate Node = 1, 5, 9, 12, 14, 18 - 6
VG = Jumlah predicate node + 1 = 6 + 1
= 7
Jadi, kesimpulan cyclometic complexity dari algoritma Haar Cascade
Classifier ini ada 7 kompleksitas dan kesimpulan dari independent path dapat
dilihat pada tabel di bawah ini.
Independent Path Kondisi
Kasus Uji Hasil
Pengamatan
Path 1: 1,2,4,5,6,8,9,10,11,12,13,14,15,16,1
7,18,19,20 variance_norm_factor
targetImage.getSum2x,y,w,h
inv_window_area - meanmean
Mencari nilai faktor varian
dengan rumus untuk
proses deteksi
[x] diterima [ ] ditolak
Path 2: ifvariance_norm_factor
=
Mencari [x] diterima
1,3,4,5,7,8,9,11,12,13,14,16,17,18,1 9,20
0 then variance_norm_factor
Math.sqrtvariance_norm_fact or
faktor varian yang nilainya
= 0 [ ] ditolak
Path 3: 1,3,4,5,7,8,9,11,12,5,7,8,9,11,12,13,
14,16,17,18,19,20 else
variance_norm_factor
1 endif
Jika nilai
factor varian = 0
[x] diterima [ ] ditolak
Path 4 : 1,2,4,5,6,8,9,10,11,12,13,14,15,16,1
7,18,5,7,8,9,11,12,13,14,16,17,18,1 9,20
if sum feature.threshold variance_norm_factor then
val =
val +
feature.left_val
Mencari nilai fitur
yang faktor
variannya =0, maka ke
kiri [x] diterima
[ ] ditolak
Path 5: 1,2,4,5,6,8,9,10,11,12,5,7,8,9,11,12,
13,14,16,17,18,19,20 else
val =
val +
feature.right_val endif
Mencari nilai fitur
yang faktor
variannya =0, maka ke
kanan [x] diterima
[ ] ditolak
Path 6 : 1,3,4,5,7,8,9,11,12,13,14,16,17,18,5
,6,8,9,11,12,13,14,16,17,18,19,20 if val st_th then
break endif
Jika nilai
valnya dari st_th
maka [x] diterima
[ ] ditolak