Training. Level Transformasi Wavelet. Banyak Fitur. Ukuran Dimensi. 0 40x x30 600

Transkripsi

1 Citra asli Citra ya Inisialisasi: Topologi jaringan, Bobot awal, Lebar tetangga, Nilai laju awal pembelajaran Kriteria pemberhentian Training Error> -6 Epoch< 4 Alpha> HASIL DAN PEMBAHASAN Pada penelitian ini, citra tanda tangan direduksi dimensinya dengan transformasi wavelet. Ukuran dimensi pada citra awal sebelum dilakukan tranformasi wavelet akan berkurang setengahnya setelah dilakukan transformasi wavelet. Ukuran dimensi dan banyaknya fitur pada citra dapat dilihat pada Tabel 2. Tabel 2 Ukuran dimensi dan banyak fitur pada dekomposisi wavelet Level Transformasi Wavelet Ukuran Dimensi Banyak Fitur 4x6 24 2x3 6 Gambar 6 Diagram alir proses clustering. Evaluasi Clustering Evaluasi clustering digunakan untuk mengetahui seberapa baik suatu data terkelompokkan. Pada penelitian ini evaluasi cluster yang digunakan yaitu koefisien silhouette dan Indeks Davies-Bouldin (). Analisis Hasil dan Dokumentasi Setelah memperoleh data dari proses clustering maka akan diperoleh beberapa kelas. Hasil dari clustering pada citra asli akan dianalisis dan dibandingkan dengan hasil clustering pada citra hasil transformasi wavelet. Tahap terakhir dari penelitian ini adalah dokumentasi dari hasil penelitian. Dokumentasi dibuat agar hasil penelitian ini dapat dijadikan dokumen yang sistematis. Lingkungan Pengembangan tidak Proses clustering Pada penelitian ini digunakan perangkat keras dengan spesifikasi prosesor Intel Core i3 2.3 GHz, memori 2 GB, HDD 32 GB, mouse dan keyboard. Perangkat lunak yang digunakan MATLAB 7.7. yang berjalan di sistem operasi Windows 7. Clustering yang dilakukan tanpa proses transformasi wavelet menghasilkan nilai silhouette yang optimum yaitu.9835 pada.2 dengan lebar tetangga awal 4 dan lebar tetangga akhir dan nilai minimum diperoleh ketika. dengan lebar tetangga awal 4 dan lebar tetangga akhir 2. Visualisasi pengelompokan citra pada koefisien silhouette maksimum dan pada nilai minimum dapat dilihat pada Gambar 7 dan Gambar 8. Hasil koefisien silhouette dan dari nilai.,.2,.3,.4,.5,.6,.7,.8 dan.9 dapat dilihat pada Lampiran 2. Gambar 7 Hasil pengelompokan pada silhouette maksimum. 6

2 Gambar 8 Hasil pengelompokan pada minimum. Dari hasil koefisien silhouette yang paling maksimum terlihat banyak citra terkelompok pada neuron ke-4, dan 2. Dilihat dari hasil visualisasi, citra tidak terkelompokkan sebagaimana seharusnya. Clustering merupakan proses pengelompokan objek-objek yang memiliki kesamaan dengan tidak memiliki kelas target. Namun pada penelitian ini tiap objek telah memiliki kelas target. Berdasarkan hasil pengelompokan pada koefisien silhouette maksimum tidak terkelompokkan dengan baik. Pada nilai yang minimum citra hampir menyebar ke seluruh neuron. Terdapat citra tanda tangan orang pertama, 2 dan 4 menjadi satu cluster. Ini tidak sesuai dengan bentuk dari tanda tangan tersebut. Namun jika dilihat dari hasil visualisasi yang paling bagus yaitu pada.7 dengan lebar tetangga awal 4 dan lebar tetangga akhir 4. Pada percobaan tersebut terlihat lebih baik pengelompokannya dibandingkan dengan hasil pengelompokan pada koefisien silhuette yang maksimum dan yang minimum. Pada saat tersebut dihasilkan koefisien silhouette sebesar.843 dan nilai sebesar nilai pada percobaan ini cukup besar. Namun dilihat dari hasil visualisasinya, percobaan ini menghasilkan pengelompokan yang lebih baik. Hasil visualisasinya dapat dilihat pada Gambar 9. Gambar 9 Hasil pengelompokan pada.7, r_awal 4, dan r_akhir 4. Dapat dilihat dari Gambar 9, tanda tangan orang pertama diwakili neuron ke-, tanda tangan orang ke-2 diwakili neuron ke-9 dan 2, tanda tangan orang ke-3 diwakili neuron ke- 2 dan 3, tanda tangan orang ke-4 diwakili neuron ke4, tanda tangan orang ke-5 diwakili neuron ke 8, tanda tangan orang ke-6 diwakili neuron ke-, tanda tangan orang ke-7 diwakili neuron ke-9, tanda tangan orang ke-8 diwakili neuron ke-23, tanda tangan orang ke-9 diwakili neuron ke- dan tanda tangan orang ke- diwakili neuron ke-4. Ada beberapa citra tanda tangan yang tidak masuk ke cluster yang seharusnya. Citra tanda tangan orang ke-2 dan orang ke-7 berada pada neuron 9. Terdapat 5 citra tanda tangan orang ke-2 dan 9 citra tanda tangan orang ke-7. Hasil evaluasi pada setiap percobaan dapat dilihat dari Gambar. Gambar menunjukkan 36 percobaan pada citra asli sebelum dekomposisi wavelet. Berdasarkan Indeks Davies-Bouldin, hasil clustering yang bagus ditunjukkan saat nilai minimum dan sebaliknya dengan koefisien silhouette, nilai maksimum menunjukkan hasil clustering yang paling baik. 7

3 Nilai Percobaan Silhouette Gambar Hasil evaluasi pengelompokan pada level. Pada Gambar terlihat koefisien silhouette maksimum saat percobaan ke 5 yaitu.2, lebar tetangga awal 4 dan lebar tetangga akhir. Nilai minimum diperoleh pada saat percobaan ke 2 yaitu saat., lebar tetangga awal 4 dan lebar tetangga akhir 4. Dilihat dari citra tanda tangan orang ke-2 dengan orang ke-7 sekilas terlihat sama karena itu letak kedua jenis tanda tangan ini berdekatan atau berada pada satu neuron dibandingkan dengan citra tanda tangan orang ke-5 yang berada pada neuron ke-8 jauh dari neuron ke- 9. Citra dari tanda tangan orang ke-2, 7 dan 5 dapat dilihat pada Gambar. Citra tanda tangan orang ke-2 Citra tanda tangan orang ke-7 Citra tanda tangan orang ke-5 Gambar Citra tanda tangan orang ke-2, 7 dan 5. Hasil pengelompokan yang paling baik dari semua percobaan pada citra asli sebelum didekomposisi wavelet yaitu pada.7 dengan lebar tetangga awal 4 dan lebar tetangga akhir 4. Ini disebabkan koefisien silhouette yang paling maksimum dan nilai yang paling minimum tidak memberikan hasil pengelompokan yang lebih baik. Jika banyak neuron output hanya terdiri atas satu objek maka akan menghasilkan nilai silhouette mendekati karena jarak objek-i dengan objek lain pada cluster yang sama menghasilkan nilai sedangkan jarak objek-i terhadap objek lain di cluster lain besar. Pada hasil pengelompokan citra menunjukkan sebaran objek-objek yang sama di beberapa neuron. Pemetaan yang baik ketika objek-objek yang sama berada pada satu cluster. Dekomposisi Wavelet Level Percobaan pertama adalah percobaan dengan mereduksi dimensi citra dengan transformasi wavelet pada. Citra hasil transformasi wavelet dilakukan proses clustering dengan mencobakan semua nilai dan perubahan lebar tetangga. Hasil clustering pada.4, lebar tetangga awal 4 dan lebar tetangga akhir yang memiliki koefisien silhouette maksimum yaitu.972 dapat dilihat pada Gambar 2. Terlihat jelas citra terkumpul pada neuron ke-2 dan neuron ke-7. Pada saat nilai minimum, yaitu nilai.8, lebar tetangga awal 4 dan lebar tetangga akhir 2, terlihat citra tanda tangan orang ke-2 dan ke-7 menempati neuron yang sama yaitu neuron ke-7. Tanda tangan orang pertama dan ke-4 menempati neuron yang sama yaitu neuron ke-2. Hasil pengelompokan saat nilai minimum ditunjukkan pada Gambar 3. 8

4 dan orang ke-4 dapat dilihat pada Gambar 4. Citra tanda tangan orang pertama Gambar 2 Hasil pengelompokan pada citra dengan silhouette maksimum. Gambar 3 Hasil pengelompokan pada citra dengan minimum. Citra tanda tangan orang pertama dan orang ke-4 memiliki kemiripan sehingga citra tersebut masuk pada neuron yang sama ketika nilai minimum. Citra tanda tangan orang pertama Citra tanda tangan orang ke-4 Gambar 5 Citra tanda tangan orang pertama dan orang ke-4. Hasil pengelompokan pada nilai minimum masih lebih baik daripada hasil pengelompokan saat koefisien silhouette maksimum. Saat minimum, koefisien silhouette sebesar.625. Dilihat dari semua hasil pengelompokan dari tiap dan perubahan nilai tetangganya, tidak ada pengelompokan yang lebih baik. Gambar 5 menunjukkan hasil evaluasi clustering pada citra hasil dekomposisi wavelet. Koefisien silhouette maksimum diperoleh pada percobaan ke-3 yaitu saat.4, lebar tetangga awal 4 dan lebar tetangga akhir. Nilai minimum saat percobaan ke 3 yaitu saat.8, lebar tetangga awal 4 dan lebar tetangga akhir 2. Dekomposisi wavelet hanya sampai dan tidak dilanjutkan ke level 2 karena hasil pengelompokan pada sudah tidak menunjukkan pengelompokan yang baik. Hal ini disebabkan pada citra hasil dekomposisi wavelet telah mengalami pengurangan informasi dari citra awal. Nilai Silhouette Percobaan Gambar 4 Hasil evaluasi pengelompokan pada. 9

5 Perbandingan hasil evaluasi pengelompokan yang dinilai dari koefisien silhouette pada level dan dapat dilihat pada Gambar 6, Gambar 7, Gambar 8 dan Gambar 9. Pada ke-4 gambar terlihat rentang koefisien silhouette pada citra level dan antara.5 sampai dengan. Terlihat pada yang sama namun citra yang berbeda level mengalami perubahan koefisien silhouette Perbandingan silhouette r_akhir silhouette level Gambar 6 Perbandingan koefisien silhouette saat lebar tetangga akhir..5 Perbandingan silhouette r_akhir 2 silhouette level Gambar 7 Perbandingan koefisien silhouette saat lebar tetangga akhir 2. Perbandingan silhouette r_akhir 3 silhouette level Gambar 8 Perbandingan koefisien silhouette saat lebar tetangga akhir 3.

6 Perbandingan silhouette r_akhir 4 silhouette level Gambar 9 Perbandingan koefisien silhouette saat lebar tetangga akhir 4. Perbandingan hasil evaluasi pengelompokan dengan Indeks Davies-Bouldin terdapat pada Gambar 2, Gambar 2, Gambar 22 dan Gambar 23. Pada ke-4 gambar tersebut dapat disimpulkan pada citra yang berbeda levelnya dan pada yang sama mengalami perubahan nilai. Perbandingan r_akhir level Gambar 2 Perbandingan nilai saat lebar tetangga akhir. 2 Perbandingan r_akhir level Gambar 2 Perbandingan nilai saat lebar tetangga akhir 2.

7 Perbandingan r_akhir level Gambar 22 Perbandingan nilai saat lebar tetangga akhir Perbandingan r_akhir level Gambar 23 Perbandingan nilai saat lebar tetangga akhir 4. Hasil Multidimensional Scaling Hasil pengelompokan pada citra awal terlihat paling optimal pada.7 dengan lebar tetangga awal 4 dan lebar tetangga akhir 4. Namun pada pengelompokannya terdapat citra yang berada pada satu neuron. Hal ini dapat dilihat pula dari hasil multidimensional scaling yang menunjukkan sulitnya objek terpisahkan dengan baik. Hasil multidimensional scaling dapat dilihat pada Gambar 24. Gambar 24 Hasil multidimensional scaling pada citra awal. 2

8 Pada Gambar 24 terdapat citra tanda tangan orang ke-2 yang berdekatan dengan orang ke-7. Terdapat beberapa kelompok data yang saling berdekatan seperti orang pertama dan orang ke- 4. Citra tanda tangan orang ke-9 dan orang ke- terlihat sulit untuk dipisahkan. Hasil multidimensional scaling pada citra hasil dekomposisi wavelet semakin sulit untuk dipisahkan dengan benar seperti yang dapat dilihat pada Gambar 25. Gambar 25 Hasil multidimensional scaling pada citra dekomposisi wavelet. Perbandingan Waktu Waktu pelatihan yang ditempuh citra awal sebelum didekomposisi wavelet lebih lama dibandingkan waktu pelatihan pada citra hasil dekomposisi wavelet. Hal ini disebabkan dimensi pada citra hasil dekomposisi wavelet lebih sedikit daripada citra awal sebelum didekomposisi wavelet. Waktu training yang ditempuh dari setiap percobaan pada citra level dan terdapat pada Lampiran 3. Gambar 26 memperlihatkan perbedaan waktu training pada citra awal sebelum didokomposisi wavelet dengan citra dekomposisi wavelet. Kesimpulan KESIMPULAN DAN SARAN Dari penelitian ini dapat disimpulkan bahwa kinerja penggabungan antar reduksi dimensi wavelet dengan algoritme self organizing maps (SOM) Kohonen yaitu proses pelatihan yang dilakukan lebih cepat dibandingkan dengan citra awal tanpa dekomposisi wavelet. Namun dengan dekomposisi wavelet hasil pengelompokan tidak lebih baik daripada citra awal tanpa dekomposisi wavelet. Ini menunjukkan bahwa dengan transformasi wavelet dapat mengurangi dimensi sehingga mempercepat proses pengelompokan tetapi mengurangi beberapa informasi dari citra awal sehingga sulit mengelompokkan dengan lebih baik. Kedekatan letak neuron menandakan adanya kemiripan antara citra. Citra tanda tangan orang ke-2 dengan orang ke-7 memiliki kemiripan sehingga hampir di setiap percobaan letak citra tersebut berdekatan. Begitu pula tanda tangan orang pertama dan orang ke-4 memiliki kemiripan. Hal ini juga dibuktikan dari hasil visualisasi dengan multidimensional scaling. Hasil yang diperoleh yaitu terdapat citra tanda tangan yang tidak terkelompokkan dengan benar. Citra tidak terkelompokkan dengan baik dapat disebabkan oleh beberapa faktor. Faktor-faktor itu di antaranya perbedaan posisi tanda tangan, labilnya bentuk tanda tangan seseorang yang bisa saja berubah sedikit atau terdapat goresan lain. Hal ini bisa disebabkan oleh kondisi emosi seseorang saat waktu training Level waktu training Level Gambar 26 Perbandingan waktu training. 3