BAB 4 HAS IL PENELITIAN DAN PEMBAHAS AN
4.1 Proses Retrival Berikut ini adalah contoh tampilan hasil dari kueri: 1. Kategori Buah
Gambar 4.1 Hasil kueri kategori buah dengan metode histogram warna
55
56
Gambar 4.2 Hasil kueri kategori buah dengan metode momen warna
Gambar 4.3 Hasil kueri kategori buah dengan kombinasi metode
57 2. Kategori Burung
Gambar 4.4 Hasil kueri kategori burung dengan metode histogram warna
Gambar 4.5 Hasil kueri kategori burung dengan metode momen warna
58
Gambar 4.6 Hasil kueri kategori burung dengan kombinasi metode
3. Kategori Ikan
Gambar 4.7 Hasil kueri kategori ikan dengan metode histogram warna
59
Gambar 4.8 Hasil kueri kategori ikan dengan metode momen warna
Gambar 4.9 Hasil kueri kategori ikan dengan kombinasi metode
60 4. Kategori M obil
Gambar 4.10 Hasil kueri kategori mobil dengan metode histogram warna
Gambar 4.11 Hasil kueri kategori mobil dengan metode momen warna
61
Gambar 4.12 Hasil kueri kategori mobil dengan kombinasi metode 5. Kategori Bunga
Gambar 4.13 Hasil kueri kategori bunga dengan metode histogram warna
62
Gambar 4.14 Hasil kueri kategori bunga dengan metode momen warna
Gambar 4.15 Hasil kueri kategori bunga dengan kombinasi metode
63 4.2 Evaluasi 4.2.1 Prosedur Pengujian Evaluasi terhadap sistem RCBK yang telah dibuat dilakukan dengan cara menghitung precision dan recall. Evaluasi dilakukan dengan menggunakan 651 citra dimana terbagi menjadi 5 kategori, dimana dari tiap-tiap kategori mempunyai jumlah yang berbeda-beda. Pertama-tama dari 651 citra akan dilakukan pengindeksan, kemudian akan diambil contoh (sample) sebanyak 20 gambar dari tiap-tiap kategori untuk dijadikan kueri. Dari tiap-tiap kueri dalam kategori tersebut akan dicoba dengan menggunakan 3 metode yaitu metode histogram warna, metode momen warna, dan gabungan dari kedua metode tersebut. Dalam melakukan evaluasi, digunakan tampilan interface GUI yang dibuat menggunakan M ATLAB 7.11.0 (R2010b). Pengunaan software ini bertujuan untuk mempermudah dalam hal pemrosesan citra yang akan dilakukan (image processing) yang sudah tersedia dalam software tersebut. Untuk setiap kueri yang dicoba, akan dilakukan pengukuran terhadap nilai recall dan precision pada 11 titik standar yang digunakan (0%, 10%, 20%, ..., 100%). Kemudian digunakan precision interpolasi untuk membandingkan antara metode satu dengan metode lainnya. Lalu dihitung nilai rata-rata precision untuk setiap kategori dan juga nilai ratarata precision dari semua kueri yang diinputkan. Pengujian dilakukan menggunakan laptop dengan spesifikasi : •
Processor Intel(R) Core(TM ) 2 CPU T5300 @1,7Ghz
64 •
RAM 2GB DDR2
•
Hard Disk SATA 80GB
•
Operating System Windows XP SP 3 32 bit
4.2.2 Hasil Pengujian Berikut adalah hasil percobaan yang dilakukan, berupa tabel recall dan precision untuk tiap kueri masing-masing kategori dan keseluruhan, beserta grafik recall dan precision dari setiap tabel: a. Kategori Buah (Apel) Tabel 4.1 Rata-rata precision kategori buah (apel) Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.7820 0.6417 0.5822 0.4936 0.4650 0.3612 0.3573 0.3366 0.2802 0.1060
M omen 1 0.5802 0.4184 0.2730 0.2000 0.1511 0.1294 0.1065 0.0814 0.0495 0.0342
Gabungan 1 0.6952 0.6241 0.4559 0.3727 0.2906 0.2420 0.2243 0.1650 0.1339 0.0937
65
Grafik Rata-rata Precision Kategori Buah (Apel) 1 0,9 0,8
Precision
0,7 0,6
Color Histogram
0,5
Color Moment
0,4
Combine methods
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.16 Rata-rata precision kategori buah (apel) b. Kategori Ikan (Arwana) Tabel 4.2 Rata-rata precision kategori ikan (arwana) Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.2774 0.0856 0.0611 0.0560 0.0453 0.0408 0.0394 0.0382 0.0399 0.0437
M omen 1 0.2621 0.0871 0.0573 0.0509 0.0461 0.0423 0.0389 0.0384 0.0354 0.0335
Gabungan 1 0.2317 0.1021 0.0653 0.0570 0.0466 0.0406 0.0394 0.0382 0.0399 0.0437
66
Grafik Rata-rata Precision Kategori Ikan (Arwana) 1 0,9 0,8
Precision
0,7 0,6
Color Histogram
0,5
Color Moment
0,4
Combine methods
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.17 Rata-rata precision kategori ikan (arwana) c. Kategori Burung (Elang) Tabel 4.3 Rata-rata precision kategori burung (elang) Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.2420 0.0622 0.0514 0.0362 0.0318 0.0297 0.0333 0.0364 0.0401 0.0444
M omen 1 0.3708 0.1302 0.0992 0.0777 0.0742 0.0474 0.0412 0.0384 0.0344 0.0330
Gabungan 1 0.3062 0.0660 0.0530 0.0369 0.0318 0.0297 0.0333 0.0364 0.0401 0.0444
67
Grafik Rata-rata Precision Kategori Burung (Elang) 1 0,9 0,8
Precision
0,7 0,6
Color Histogram
0,5
Color Moment
0,4
Combine methods
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.18 Rata-rata precision kategori burung (elang) d. Kategori Bunga (M awar) Tabel 4.4 Rata-rata precision kategori bunga (mawar) Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.7358 0.3733 0.2648 0.2222 0.2126 0.2034 0.1841 0.1675 0.1357 0.0838
M omen 1 0.6479 0.1633 0.1300 0.1044 0.0792 0.0649 0.0618 0.0520 0.0438 0.0355
Gabungan 1 0.6946 0.3100 0.2569 0.2298 0.2152 0.2035 0.1688 0.1518 0.1203 0.0849
68
Grafik Rata-rata Precision Kategori Bunga (Mawar) 1 0,9 0,8
Precision
0,7 0,6
Color Histogram
0,5
Color Moment
0,4
Combine methods
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.19 Tabel 4.4 Rata-rata precision kategori bunga (mawar)
e. Kategori M obil (Lamborgini) Tabel 4.5 Rata-rata precision kategori mobil (lamborgini) Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.5322 0.2717 0.1581 0.1278 0.1233 0.1071 0.0900 0.0670 0.0585 0.0401
M omen 1 0.3266 0.1052 0.0988 0.0962 0.0771 0.0712 0.0641 0.0551 0.0503 0.0443
Gabungan 1 0.4961 0.2214 0.1248 0.1230 0.1113 0.1003 0.0903 0.0698 0.0605 0.0402
69
Grafik Rata-rata Precision Kategori Mobil (Lamborgini) 1 0,9 0,8
Precision
0,7 0,6
Color Histogram
0,5
Color Moment
0,4
Combine m ethods
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.20 Rata-rata precision kategori mobil (lamborgini) Dari hasil pengujian didapat rata-rata precision dari semua kueri yang dicoba : Tabel 4.6 Rata-rata precision dari semua kategori Recall 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Histogram 1 0.5139 0.2869 0.2235 0.1872 0.1756 0.1484 0.1408 0.1291 0.1109 0.0636
M omen 1 0.4375 0.1808 0.1317 0.1058 0.0855 0.0710 0.0625 0.0531 0.0427 0.0361
Gabungan 1 0.4848 0.2647 0.1912 0.1639 0.1391 0.1232 0.1112 0.0922 0.0789 0.0614
70
Grafik Rata-rata Precision Dari Semua Kategori 1 0,9 0,8
Precision
0,7 0,6
Histogram
0,5
Momen
0,4
Gabungan
0,3 0,2 0,1 0 0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Recall
Gambar 4.21 Tabel 4.6 Rata-rata precision dari semua kategori
4.3 Pembahasan Berdasarkan hasil penelitian subbab 4.2, terlihat bahwa dalam kategori buah metode histogram warna lebih unggul atas 2 metode lainnya. Sedangkan untuk momen warna menjadi metode yang paling buruk dalam hal meretriv citra berkategori buah (dalam hal ini mengambil contoh citra apel). Pada kategori ke-2 yaitu kategori ikan (arwana), penggunaan momen warna lebih unggul dibandingkan dengan 2 metode lainnya. Sedangkan metode histogram warna menjadi metode yang paling buruk dalam kategori ini. Namun untuk titik recall diatas 0.9 kedua metode tersebut sedikit lebih baik dibandingkan metode momen warna. Pada kategori ke-3 yaitu kategori burung (elang), penggunaan momen warna sedikit lebih unggul dibandingkan dengan 2 metode lainnya hingga titik recall 0.8,
71 Namun dari titik recall 0.9 keatas kedua metode tersebut lebih unggul dibandingkan metode momen warna. Pada kategori ke-4 yaitu kategori bunga (mawar), secara keseluruhan penggunaan histogram warna cukup baik, namun untuk tingkat recall 0.4 hingga 0.6 penggunaan kombinasi dari kedua metode lebih baik dibandingkan metode momen warna dan metode histogram warna. Sedangkan untuk penggunaan momen warna menjadi metode yang paling buruk dalam kategori ini. Pada kategori ke-5 yaitu kategori mobil (lamborgini), secara keseluruhan penggunaan metode histogram warna lebih unggul dibandingkan kedua metode lainnya. Sedangkan momen warna menjadi metode terburuk dalam kategori ini. Dari performa rata-rata precision yang diperlihatkan dalam tabel 4.6 menunjukan bahwa secara keseluruhan penggunaan metode histogram warna masih lebih baik dibandingkan dengan kedua metode lainnya. Dengan buruknya performa dari metode momen warna dalam beberapa kategori menjadikan gabungan dari metode momen dan histogram warna tersebut menjadi kurang efektif dan efisien karena dipakai bobot yang sama yaitu 0.5 untuk penghitungan jarak kemiripan antara kueri dengan citra yang ada di basis data. Performa dari salah satu metode mempengaruhi gabungan ketua metode tersebut. Namun penggunaan momen warna walaupun secara keseluruhan menjadi metode yang paling buruk, namun dalam kategori ikan dan burung menjadi metode yang paling unggul dibandingkan kedua metode lainnya. Namun dengan tingkat precision yang cukup kecil, pengunaan fitur warna dalam meretriv kategori tersebut dirasa kurang mampu mengurangi semantic problem yang menjadi masalah utama dari proses RCBK.
