B. Parameter Fungsi Keanggotaan
2. Kinerja Sistem
Penilaian kinerja sistem dilakukan dengan identifikasi urutan citra relevan yang dihasilkan oleh sistem temukembali. Nilai presisi dihitung berdasarkan identifikasi citra relevan yang berada dalam urutan nomor 1 sampai 15 atau nilai recall = 0,07 – 1. Tahapan ini percobaan dilakukan menggunakan tipe kaidah
terbaik untuk masing-masing metode implikasi yaitu Tipe 8 untuk metode Mamdani, Tipe 2 untuk metode Aljabar dan Tipe 1 untuk metode Einstein dengan rancangan percobaan sebagai berikut :
Jumlah Percobaan = Jenis Bunga x Citra Query x Metode Implikasi = 12 x 5 x 3
= 180
Gambar 34 adalah hasil percobaan yang disortasi secara menaik berdasarkan nilai presisi per jenis bunga metode Mamdani. Nilai presisi tiap jenis bunga yang dihasilkan oleh metode Mamdani lebih kecil dibandingkan dengan metode Aljabar dan Einstein kecuali untuk bunga daffodil. Nilai presisi tiap jenis bunga metode Aljabar dan Einstein mempunyai pola yang mirip. Hal ini disebabkan karena pola klasifikasi citra antara metode Aljabar dan Einstein yang lebih mirip dibandingkan dengan metode Mamdani.
Bunga yang mempunyai nilai presisi terkecil untuk metode Mamdani, Aljabar dan Einstein berturut-turut adalah bunga iris (73,33 %), morning glory (77,33 %), morning glory dan lily putih (80,00 %). Jenis bunga yang mempunyai nilai presisi terbesar berturut-turut adalah daisy merah muda (97,33 %), daisy merah muda (98,67 %) dan mawar kuning (100 %).
70 75 80 85 90 95 100
IRS MGM LPT CYM DPT LKH ASC LCK MKN DAF LKC DMM JENIS BUNGA PR ES IS I (% ) Mamdani, Tipe 8 Aljabar, Tipe 2 Einstein, Tipe 1
Gambar 34. Grafik Nilai Presisi per Jenis Bunga
Gambar 35 adalah nilai interpolasi presisi – recall hasil percobaan untuk menilai kinerja sistem secara keseluruhan. Setiap proses query yang dilakukan sistem bisa mengidentifikasi citra relevan rata-rata dari urutan nomor 1 sampai 4 menggunakan metode Mamdani, urutan nomor 1 sampai 3 menggunakan metode Aljabar dan urutan nomor 1 sampai 5 menggunakan metode Einstein.
Nilai presisi - recall metode Mamdani dari urutan citra nomor 4 sampai 6 lebih besar dibandingkan dengan metode Aljabar. Tapi setelah urutan nomor 7 nilai presisi - recall metode Mamdani menjadi lebih kecil daripada metode
Aljabar karena semakin banyak citra relevan yang tidak teridentifikasi oleh sistem. Nilai presisi - recall metode Einstein dari urutan nomor 4 sampai 14 selalu lebih besar dibandingkan metode Aljabar, tapi urutan nomor 15 terjadi penurunan nilai presisi - recall yang besar terutama untuk bunga daffodil sebesar 6,00 % dan cymbidium sebesar 5,71 % (hasil lengkap di Lampiran 12).
80 85 90 95 100 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 RECALL PRES IS I ( % ) Mamdani, Tipe 8 Aljabar, Tipe 2 Einstein, Tipe 1
Gambar 35. Grafik Nilai Presisi – Recall Sistem Temukembali
Penilaian secara persepsi terhadap citra keluaran yang dihasilkan oleh ketiga metode implikasi dilakukan dengan menggunakan Tipe 7. Gambar 36 adalah citra yang dihasilkan menggunakan citra query bunga daisy putih dan daisy merah muda. Penggunaan metode Mamdani untuk query bunga daisy putih citra yang dihasilkan 86 % jenis bunga daisy dan 14 % dari jenis yang lainnya, untuk query bunga daisy merah muda citra yang dihasilkan 71 % jenis bunga daisy dan 19 % jenis bunga lainnya (Gambar 36 (a)). Citra yang dihasilkan dengan metode
Aljabar untuk query kedua jenis bunga tersebut adalah 54 % dan 51 % jenis bunga daisy dan 46 % dan 49 % jenis bunga lainnya (Gambar 36 (b)). Metode Einstein citra yang dihasilkan adalah 49 % dan 46 % jenis bunga daisy dan 51 % dan 54 % jenis bunga lainnya (Gambar 36 (c)).
(a) Metode Implikasi Mamdani
(b) Metode Implikasi Aljabar
(c) Metode Implikasi Einstein
Percobaan dengan query menggunakan jenis bunga lainnya, metode Mamdani menghasilkan citra yang lebih relevan terhadap warna ataupun bentuk citra query dibandingkan dengan metode Aljabar dan Einstein. Terutama metode Aljabar dan Einstein dari semua jenis bunga citra query menghasilkan selain citra relevan dari jenis dan warna bunga yang sama juga selalu menghasilkan citra dari jenis bunga morning glory. Hal ini tidak terjadi jika menggunakan metode Mamdani dimana citra yang dihasilkan selain citra relevan dari jenis dan warna bunga yang sama juga menghasilkan citra dari jenis bunga yang lebih beragam tergantung citra query yang menjadi masukan sistem temukembali citra. Penilaian secara persepsi ini memberikan hasil bahwa metode Mamdani dapat menghasilkan citra yang lebih baik dibandingkan dengan metode Aljabar dan Einstein.
Hasil identifikasi terhadap nominasi citra relevan ini kemudian digunakan untuk mencari nilai treshold setiap jenis bunga. Nilai treshold diperoleh dengan cara identifikasi nilai centroid citra relevan yang berada di urutan nominasi terakhir, dalam hal ini setiap jenis bunga mempunyai lima nilai centroid. Selanjutnya, dari kelima nilai centroid tersebut dihitung nilai treshold tiap jenis bunga dengan menggunakan fungsi max (Tabel 6).
Tabel 6. Nilai Treshold Nilai Treshold
No Jenis Bunga
Mamdani Aljabar Einstein
1 Daisy Merah Muda 0,52014 0,51845 0,50719 2 Daffodil 0,52559 0,51746 0,52210 3 Lily Coklat 0,52537 0,52842 0,54149 4 Daisy Putih 0,53027 0,57353 0,57297 5 Mawar Kuning 0,52951 0,54381 0,54484 6 Ascocentrum 0,53043 0,54628 0,53718 7 Cymbidium 0,50471 0,51692 0,52926 8 Morning Glory 0,51484 0,52565 0,53154 9 Lily Kuning Coklat 0,50232 0,51108 0,51969
10 Iris 0,52055 0,52304 0,51676
11 Lily Putih 0,50866 0,53300 0,50858 12 Lily Kuning Hitam 0,51273 0,51236 0,52046
Gambar 37. Citra Keluaran Menggunakan Nilai Treshold
Citra dalam Gambar 37 adalah hasil implementasi nilai treshold dalam sistem dengan menggunakan metode implikasi Mamdani dan kaidah Tipe 8. Penggunaan nilai treshold bertujuan untuk mengeliminasi citra basisdata yang tidak relevan dengan query. Implementasi nilai treshold ini menyebabkan keluaran sistem bersifat dinamis yaitu hanya menampilkan citra yang mempunyai nilai centroid lebih kecil atau sama dengan nilai treshold. Kelebihan lain implementasi nilai treshold adalah penghematan penggunaan memori komputer sehingga menambah kecepatan waktu komputasi. Hal ini disebabkan karena citra keluaran yang disimpan dalam memori komputer adalah citra yang relevan saja.
Metode lain sebagai bahan perbandingan dengan implementasi basis kaidah fuzzy dalam sistem temukembali ini adalah metode pembobotan. Penelitian yang dilakukan oleh Yuni (2006) dengan menggunakan basisdata citra yang sama adalah dengan menggunakan bobot 0,7 untuk ciri warna dan 0,3 untuk ciri bentuk. Metode segmentasi ciri citra yang digunakan dalam penelitian tersebut adalah untuk warna menggunakan fuzzy color histogram dan bentuk menggunakan Hough Transform. Nilai presisi tertinggi yang diperoleh dengan menggunakan
pembobotan tersebut adalah sebesar 44 % dan nilai presisi rata-rata dari seluruh jenis bunga adalah 42 %.