Data Citra Praproses Wood Type Identification Using Support Vector Machine Base on Image Data

Gambar 3.9 Hasil akurasi kernel RBF dengan parameter sigma = 25 Ketiga percobaan ini memiliki pola akurasi yang sama, yaitu terjadi peningkatan akurasi lalu akan menurun di saat ekstraksi ciri mencapai 80. Tingkat akurasi terendah 73 pada saat parameter sigma 25 dan ekstraksi ciri 80 - 95 sedangkan tingkat akurasi yang tertinggi 92 pada saat parameter sigma 15 dengan ekstraksi ciri 75, parameter 20 dengan ekstraksi ciri 75 dan parameter 25 dengan ekstraksi ciri 70.

3.5.3 Percobaan pada fungsi kernel RBF dengan parameter sigma

= 30, 35 dan 40 menggunakan ekstraksi ciri 50 - 95 Tingkat akurasi pada ketiga percobaan ini memiliki pola yang sama, tinggi pada saat ekstraksi ciri 50 - 75 dan rendah pada saat ekstraksi ciri 80 - 95, ini menandakan bertambahnya ekstraksi ciri tidak selalu diikuti dengan bertambahnya tingkat akurasi. Gambar 3.10 Hasil akurasi kernel RBF dengan parameter sigma = 30 Gambar 3.11 Hasil akurasi kernel RBF dengan parameter sigma = 35 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 Akur asi Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri Gambar 3.12 Hasil akurasi kernel RBF dengan parameter sigma = 40 Tingkat akurasi tertinggi 94 dicapai pada saat parameter sigma 30 dan 35 dan ekstraksi ciri 60 sedangkan tingkat akurasi terendah 70 dicapai pada saat parameter sigma 40 dan ekstraksi ciri 80 - 95 seperti ditunjukkan pada Gambar 3.10, Gambar 3.11 dan Gambar 3.12.

3.5.4 Percobaan pada fungsi kernel RBF dengan parameter sigma

= 45 dan 50 menggunakan ekstraksi ciri 50 - 95. Memiliki tingkat akurasi yang tinggi pada saat ekstraksi ciri 60 - 75 dan tingkat akurasi rendah pada saat ekstraksi ciri 80 - 95 yang berarti penambahan ekstraksi ciri akan dapat menurunkan tingkat akurasi. Penurunan tingkat akurasi cukup ekstrim perbedaannya sehingga perlu kehati-hatian dalam meningkatkan ekstraksi ciri, seperti ditunjukkan pada Gambar 3.13 dan Gambar 3.14. Gambar 3.13 Hasil akurasi kernel RBF dengan parameter sigma = 45 Gambar 3.14 Hasil akurasi kernel RBF dengan parameter sigma = 50 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri 10 20 30 40 50 60 70 80 90 100 50 60 70 75 80 85 90 95 A k ur as i Persen Ciri Tingkat akurasi tertinggi dicapai ada saat ekstraksi ciri 60 untuk setiap parameter sigma, yaitu mencapai 94. Tingkat akurasi terendah diperoleh pada saat parameter sigma 50 dengan ekstraksi ciri 80 - 95, yaitu 67.

3.5.5 Perbandingan hasil akurasi pada fungsi kernel RBF

Percobaan dengan fungsi kernel RBF dengan menggunakan parameter sigma = 1, 5, 10, 15, 20, 25, 30, 35, 40, 45 dan 50 dengan ekstraksi ciri 50 – 95 telah dilakukan dan dapat diambil kesimpulan sebagai berikut: 1 Pada saat parameter sigma 1, 5, 10, 15 dan 20 memiliki tinggat akurasi yang stabil atau tidak terjadi peningkatan atau penurunan tingkat akurasi yang signifikan. Akurasi cenderung tetap pada ekstraksi ciri 80 - 95 seperti terlihat pada Gambar 3.15. 2 Parameter sigma 1, 5 dan 10 memiliki kecenderungan tingkat akurasi yang menurun pada saat ekstraksi ciri 80 - 95 tetapi sebaliknya pada saat parameter sigma 15 dan 20 memiliki kecenderungan peningkatan tingkat akurasi. Gambar 3.15 Akurasi kernel RBF dengan parameter sigma = 1, 5, 10, 15 dan 20 3. Pada saat parameter sigma 25, 30, 35, 40 dan 45 terjadi perubahan tinggat akurasi yang ekstrim atau signifikan pada saat ekstraksi ciri bertambah 80 - 95, seperti ditunjukkan pada Gambar 3.16. 4. Pada saat parameter sigma 50, terjadi peningkatan tingkat akurasi yang signifikan ketika ekstraksi ciri ditambah dari 50 menjadi 60, seperti ditunjukkan pada Gambar 3.16. 60 70 80 90 100 50 60 70 75 80 85 90 95 Akur asi Persen Ciri Sigma 1 Sigma 5 Sigma 10 Sigma 15 Sigma 20