BAB IV HASIL DAN PEMBAHASAN

Ukuran: px

Mulai penontonan dengan halaman:

Download "BAB IV HASIL DAN PEMBAHASAN"

Sri Kartawijaya
6 tahun lalu
Tontonan:

1 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Pengukuran Precision & Recall Pada penelitian ini, eksperimen dilakukan terhadap 1000 gambar corel yang terdiri dari 10 kategori gambar (setiap kategori terdiri atas 100 gambar corel). Eksperimen dilakukan untuk mengukur precision dan recall dari sistem TKCBK yang menggunakan color histogram, forward diagonal mean, dan forward diagonal mean digabung dengan GLCM. Untuk setiap metode, eksperimen dilakukan pada setiap kategori gambar. Untuk setiap kategori gambar tersebut, dilakukan 5 query acak, kemudian hasil perhitungan precision dan recall dari setiap query tersebut dirata-rata, sehingga mendapatkan hasil precision dan recall untuk setiap kategori gambar. Hasil precision dan recall dari setiap kategori gambar dirata-rata sehingga mendapatkan hasil precision dan recall dari metode tersebut. Gambar di bawah ini merupakan contoh hasil query dari eksperimen untuk kategori gunung pada sistem TKCBK yang menggunakan forward diagonal mean dan sistem TKCBK yang diusulkan. 36

2 37 Gambar 4.1 Contoh Hasil Query Forward Diagonal Mean Gambar 4.2 Contoh Hasil Query Metode yang Diusulkan

3 38 Gambar-gambar kategori gunung terdiri dari 100 gambar yaitu dari 800.jpg hingga 899.jpg. Hasil temu kembali merepresentasikan hasil yang relevan jika hasil temu kembali tersebut termasuk ke dalam kategori gambar yang sama dengan gambar query. Pada gambar 4.1 terdapat 7 gambar relevan dari 10 gambar hasil temu kembali (842.jpg, 863.jpg, 808.jpg, 856.jpg, 845.jpg, 830.jpg, 803.jpg). Hasil precision pada gambar 4.1 adalah 7/10 = 70% dan recall pada gambar 4.1 adalah 7/100 = 7%. Pada gambar 4.2 terdapat 9 gambar relevan dari 10 gambar hasil temu kembali (842.jpg, 863.jpg, 808.jpg, 856.jpg, 845.jpg, 830.jpg, 803.jpg, 807.jpg, 820.jpg). Hasil precision pada gambar 4.2 adalah 9/10 = 90% dan recall pada gambar 4.2 adalah 9/100 = 9%. Peningkatan dari sistem TKCBK yang hanya menggunakan forward diagonal mean ke sistem TKCBK yang diusulkan pada gambar query 842.jpg adalah sebesar 20% untuk precision dan 2% untuk recall. Informasi hasil pengukuran precision dan recall untuk semua metode ditampilkan pada tabel-tabel di bawah. Tabel 4.1, tabel 4.2, dan tabel 4.3 di bawah ini berisi informasi mengenai hasil pengukuran precision dan recall dari sistem TKCBK yang menggunakan color histogram, forward diagonal mean, dan metode yang diusulkan (forward diagonal mean + GLCM + R*-Tree) pada setiap kategori gambar. Color histogram diukur sebagai pembanding dari forward diagonal mean yang merupakan sesama teknik untuk mengekstraksi fitur warna, sehingga dapat dilihat apakah forward diagonal mean merupakan teknik ekstraksi fitur warna yang lebih baik atau tidak.

4 39 Tabel 4.1 Precision & Recall dari Color Histogram Precision Recall Afrika 76.00% 7.60% Pantai 40.00% 4.00% Bangunan 40.00% 4.00% Bus 56.00% 5.60% Dinosaurus % 10.00% Gajah 62.00% 6.20% Bunga 82.00% 8.20% Kuda 58.00% 5.80% Gunung 18.00% 1.80% Makanan 54.00% 5.40% Rata-rata 58.60% 5.86% Tabel 4.2 Precision & Recall dari Forward Diagonal Mean Precision Recall Afrika 46.00% 4.60% Pantai 68.00% 6.80% Bangunan 38.00% 3.80% Bus 62.00% 6.20% Dinosaurus % 10.00% Gajah 66.00% 6.60% Bunga 96.00% 9.60% Kuda 84.00% 8.40% Gunung 62.00% 6.20% Makanan 48.00% 4.80% Rata-rata 67.00% 6.70%

5 40 Tabel 4.3 Precision & Recall dari Forward Diagonal Mean+GLCM+R*-Tree Precision Recall Afrika 54.00% 5.40% Pantai 84.00% 8.40% Bangunan 58.00% 5.80% Bus 74.00% 7.40% Dinosaurus % 10.00% Gajah 80.00% 8.00% Bunga % 10.00% Kuda 96.00% 9.60% Gunung 80.00% 8.00% Makanan 62.00% 6.20% Rata-rata 78.80% 7.88% Gambar 4.3 dan gambar 4.4 di bawah ini merupakan grafik perbandingan dari precision dan recall pada sistem TKCBK yang menggunakan color histogram, forward diagonal mean, dan metode yang diusulkan pada setiap kategori gambar berdasarkan tabel-tabel di atas % % 80.00% Precision 60.00% 40.00% 20.00% Color Histogram FDM Metode yang Diusulkan 0.00% Afrika Pantai Bangunan Bus Dinosaurus Gajah Bunga Kuda Gunung Makanan Rata rata Gambar 4.3 Grafik Perbandingan Precision

6 % Recall 10.00% 8.00% 6.00% 4.00% 2.00% Color Histogram FDM Metode yang Diusulkan 0.00% Afrika Pantai Bangunan Bus Dinosaurus Gajah Bunga Kuda Gunung Makanan Rata rata Gambar 4.4 Grafik Perbandingan Recall Gambar 4.5 di bawah ini merupakan grafik perbandingan pasangan recallprecision dari setiap metode. Untuk membentuk garis pada grafik ini, recall dan precision pada setiap hasil query dihitung. Penghitungan berupa penghitungan dari recall dan precision pada saat hasil temu kembali pertama hingga hasil ke 10 (setiap query hasilnya berupa 10 gambar) untuk setiap hasil query. Setelah itu, dilakukan penghitungan rata-rata recall dan precision dari hasil temu kembali pertama hingga hasil ke 10 dari semua query, sehingga didapatkan hasil rata-rata recall dan precison dari hasil temu kembali pertama hingga hasil ke 10. Pasangan hasil rata-rata recall dan precision pada hasil temu kembali pertama hingga hasil ke 10 membentuk titik-titik yang dihubungkan menjadi garis.

7 Precision Color Histogram FDM Metode yang Diusulkan Recall Gambar 4.5 Grafik Perbandingan Recall-Precision 4.2 Hasil Pengukuran Waktu Proses Pencarian Untuk pengukuran waktu proses pencarian, eksperimen dilakukan terhadap sistem TKCBK sebelum menggunakan R*-Tree dan sistem TKCBK yang diusulkan yaitu menggunakan R*-Tree. Untuk setiap metode, eksperimen dilakukan pada setiap kategori gambar. Untuk setiap kategori gambar tersebut, dilakukan 5 query acak, kemudian hasil waktu proses pencarian dari setiap query tersebut dirata-rata, sehingga mendapatkan hasil waktu proses pencarian untuk setiap kategori gambar. Hasil waktu proses pencarian dari setiap kategori gambar dirata-rata sehingga mendapatkan hasil waktu proses pencarian dari metode tersebut.

8 43 Tabel 4.4 dan tabel 4.5 di bawah ini berisi informasi mengenai hasil pengukuran waktu proses pencarian gambar dari sistem TKCBK yang tidak menggunakan struktur data R*-Tree dan sistem TKCBK yang menggunakan R*- Tree pada setiap kategori gambar, sehingga dapat dilihat perbedaan waktu proses pencarian gambar dari sistem TKCBK yang tidak menggunakan R*-Tree dengan sistem TKCBK yang menggunakan R*-Tree. Tabel 4.4 Waktu Proses Pencarian Tanpa R*-Tree Waktu Afrika s Pantai s Bangunan s Bus s Dinosaurus s Gajah s Bunga s Kuda s Gunung s Makanan s Rata-rata s Tabel 4.5 Waktu Proses Pencarian Menggunakan R*-Tree Waktu Afrika s Pantai s Bangunan s Bus s Dinosaurus s Gajah s Bunga s Kuda s Gunung s Makanan s Rata-rata s

9 44 Gambar 4.6 di bawah ini merupakan grafik perbandingan dari waktu proses pencarian gambar pada sistem TKCBK yang tidak menggunakan R*-Tree dengan sistem TKCBK yang menggunakan R*-Tree pada setiap kategori gambar berdasarkan tabel-tabel di atas. Gambar 4.6 Grafik Perbandingan Waktu Prosess Pencarian 4.3 Pembahasan Hasil Hasil yang telah ditampilkan pada tabel 4.2 dan tabel 4.3 menunjukkan bahwa sistem TKCBK yang diusulkan yaitu menggunakan fitur forward diagonal mean, GLCM, dan struktur data R*-Tree menghasilkan peningkatann precision rata-rata sebesar 11.8% dan recall rata-rata sebesar 1.18% dari sistem TKCBK precision pada gambar yang hanya menggunakan fitur forward diagonal mean. Grafik pasangan recall- 4.5 juga menggambarkan bahwa metode yang diusulkan

10 45 lebih baik dari sistem TKCBK yang hanya menggunakan Forward diagonal mean. Hasil pada tabel 4.1 dan tabel 4.2 menunjukkan bahwa Forward diagonal mean lebih baik dari pada color histogram, karena pada sistem TKCBK yang hanya forward diagonal mean memiliki precision lebih tinggi rata-rata sebesar 8.4% dan recall lebih tinggi rata-rata sebesar 0.84%. Hasil pada tabel 4.4 dan tabel 4.5 menunjukkan bahwa sistem TKCBK yang menggunakan struktur data R*-Tree lebih cepat rata-rata 13.2% ( s) daripada sistem TKCBK yang tidak menggunakan R*-Tree. Hasil pada gambar 4.3 di atas menunjukkan bahwa semua kategori mengalami peningkatan kecuali pada kategori dinosaurus, karena pada kategori dinosaurus akurasi sistem TKCBK yang dicapai sebelum ditambahkan GLCM sudah maksimum (100%), namun ada beberapa kategori yaitu afrika, bangunan, dan makanan yang mengalami peningkatan tetapi belum mencapai hasil yang memuaskan dari sisi akurasi dibandingkan kategori lainnya. Pada kategori afrika dan makanan, gambar memiliki karakteristik berupa intensitas warna yang bervariasi dan ketidakteraturan yang tinggi, sehingga akibat kemiripan karakteristik tersebut, hasil temu kembali dari kategori afrika sering terdapat gambar kategori makanan dan sebaliknya, selain itu latar belakang pada gambar tersebut ikut diperhitungkan dalam proses mendapatkan hasil temu kembali. Pada gambar kategori afrika, latar belakang banyak didominasi oleh tumbuhan maupun langit, sehingga pada hasil temu kembalinya sering terdapat gambar kategori lain yang ada tumbuhan maupun langit. Pada kategori bangunan, gambar memiliki karakteristik berupa bangunan yang didominasi bebatuan dan didominasi warna abu-abu, sehingga hasil temu kembali sering terdapat gambar kategori lain yang

11 46 terdapat bebatuan atau objek yang berwarna abu-abu. Pada ketiga kategori tersebut, sebagian besar karakteristik pada gambar banyak dimiliki oleh gambar pada kategori lain, sehingga pada saat proses mendapatkan hasil temu kembali, gambar dari kategori lainnya ikut muncul pada hasil temu kembali. Selain itu, hasil pada gambar 4.3 tersebut menunjukkan bahwa color histogram yang digunakan sebagai pembanding menghasilkan hasil akurasi rata-rata yang paling kecil. Dampak dari hasil penelitian adalah gambar relevan yang didapatkan akan semakin meningkat karena akurasi dari sistem TKCBK meningkat, sehingga dapat membantu mendapatkan gambar yang diinginkan dari kumpulan gambar yang besar.

dokumen-dokumen yang mirip

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Pada saat ini, perkembangan teknologi memungkinkan kita untuk menyimpan gambar dalam format digital. Kumpulan gambar yang banyak membutuhkan sebuah sistem