LAMPIRAN DATA PENELITIAN Gambar telapak tangan yang digunakan untuk penelitian terdiri dari 10 orang yang berbeda dengan setiap orang memiliki 10 variasi. Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Orang Ke-1
57
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Orang Ke-2
Orang Ke-3
58
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Orang Ke-4
Orang Ke-5
59
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Orang Ke-6
60
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Orang Ke-7
Orang Ke-8
61
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Orang Ke-9
62
Citra 1
Citra 2
Citra 3
Citra 4
Citra 5
Citra 6
Citra 7
Citra 8
Citra 9
Citra 10
Orang Ke-10
63
PERHITUNGAN PRINCI PAL
COMPONENT ANALYSIS (PCA)
Sebuah citra dapat dianggap sebuah matriks dengan citra perhitungannya dilakukan sebagai berikut: Contoh :
1.
tentukan citra pelatihan dan ujicoba(kalau kurang tambah sampai 5 citra)
2.
soalx di contohx ini g dan citra ujicobanya, takut di tanyakan, tambahkan saja mas.
3.
Diberi keterangan di setiap step perhitungan, biar saya ngerti mas (warna biru)
Misalkan dat a x 1, x2 dan x3 merupakan sampel dari citra pelatihan, maka hal pertama yang dilakukan adalah merubah dari matriks menjadi vektor kolom yang dijadikan satu menjadi sebuah dataset .
Selanjutnya dilakukan Zero Mean terhadap data diatas, dengan terlebih dahulu mencari vektor rata-rata dari dataset diatas.
Setelah didapatkan matrik Zero Mean dilakukan perhitungan untuk mendapatkan matriks kovarian.
66
Kemudian dicari nilai eigen dari matrik kovarian diatas:
eigen vektor
eigen value
Lalu hitung matrik principal component dengan menggunakan rumus dibawah ini:
Setelah itu matrik Principal Component ditransformasikan menjadi matrik bobot yang akan digunakan sebagai acuan nilai pada uji coba Naïve Bayes, dengan rumus sebagai berikut:
68
PERHITUNGAN NAÏVE BAYES Image
Kelas
a K a 1 r
a Ka r 1
Karakteristik 3
a
20
60
30
2
a
19
55
35
3
b
10
70
32
4 5
b c
12 10
72 60
28 40
6
c
11
40
43
???
14
60
38
(20 19) / 2 19.5
Karakteristik 2
1
Test Image
Karakteristik 1
(20 19. )5 2
0.707
>>>MEAN
19 19. )5
2
/( )1 2
( >>SD (STANDART DEVI ASI)
69
P ( X i x
P ( X i
2 xi 1 1 ij | Y y j ) exp 2 2 ij ij
a | Karakteris k
P ( X i
a | Karakteri tsi 1k
ti 1
4
)1
1 2 a Ka 1r
2 1 xi a K a r 1 ex p
Total P (PELU ANG) = 4.1127E-14 * 0.087900542 * 0.033656492
= 4.05E-17 Dengan cara yang sama, maka akan didapatkan nilai : 1. Rata-rata tiap image tiap karakteristik 2. Standart deviasi tiap image tiap karakter istik 3. Peluang masing-masing image 4. Peluang tiap image tiap karakteristik Rata-rata a b
19.5 11
57.5 71
32.5 30
c
10.5
50
41.5
a
0.70711
3.5355
3.5355
b c
1.4142 0.70711
1.4142 14.142
2.8284 2.1213
Standart Deviasi
Peluang tiap citra tiap karakteristik a
4.11E-14
0.087878
0.033648
b
0.029733
2.06E-14
0.0025834
c
2.70E-06
0.02197
0.048215
Peluang image yang dicari terhadap masing-masing Kelas adalah 4.0557E-17, 5.26764E-19, 9.53957E-10. Karena terbesar adalah image C, maka nilai tersebut masuk dalam kelas C.
