Perhitungan Nilai Recall dan Precision

5.1. Analisa Hasil Implementasi Program

5.1.1. Perhitungan Nilai Recall dan Precision

Dalam kuisioner tersebut, penulis memberikan lima macam sampel citra batik untuk dicari dalam sistem. Kelima sampel tersebut diantaranya, Gondosuli Klithik, Sidoluhur Ukel, Parang Grendeh Gurdo, Parang Rusak dan Ceplok Parang Klithik Primis Tulis (merupakan motif batik kontemporer). Ketiga citra diantaranya merupakan citra yang sudah tersimpan dalam database sistem dan dua diantaranya tidak terdapat dalam database.

Untuk analisa perhitungan recall precision berdasarkan pengolahan data koleksi, digunakan proses modeling berdasarkan jenis batik seperti jenis parang, ceplok, semen, sido, cantel dan lain sebagainya.

Sedangkan untuk analisa penyebaran kuisioner, responden akan dibagi menjadi dua bagian, 15 kuisioner untuk para pakar batik (orang yang tahu tentang batik dan berkecimpung di dalamnya) dan 15 kuisioner lagi dibagikan kepada masyarakat umum. Tujuan dari pembagian tersebut, untuk melihat adakah perbedaan data citra relevant yang dipilih oleh para pakar batik dengan masyarakat umum, sehingga diharapkan dapat memperoleh sebuah analisa yang baik.

Dari kelima citra sampel batik yang dicari tersebut, sistem akan menampilkan 15 citra batik yang tersimpan dalam database yang memiliki kemiripian dengan citra yang dicari tadi. Sehingga responden diminta untuk menentukan citra batik mana saja yang dianggap relevant

(sesuai) dengan deskripsi citra relevant yang sudah ditentukan. Maksud dari deskripsi citra yang sudah ditentukan adalah penulis memilih satu responden sebagai responden kunci untuk dibandingkan dengan hasil yang diperoleh oleh responden lain.

Untuk kelompok pakar batik, penulis memilih Ibu GBRAy. Hj. Murdokusumo sebagai pakar batik sekaligus kerabat Keraton Yogyakarta dan untuk masyarakat umum penulis mengambil sampel dirinya sendiri sebagai responden kunci.

Hasil yang diperoleh dari tiap-tiap responden kemudian ditentukan dengan nilai recall-precision. Untuk nilai precision akan dilakukan penghitungan rata-rata sebanyak responden.

1. Pengujian terhadap citra batik “Gondosuli Klithik”

Citra Batik Gondosuli Klithik yang akan dicari di dalam sistem ini merupakan pola batik tradisional Yogyakarta dan merupakan salah satu jenis pola parang. Citra tersebut ditunjukkan pada gambar berikut ini.

Dari citra tersebut, penulis akan melakukan pencarian citra batik tradisional pada sistem dan menentukan deskripsi citra yang telah ditentukan. Kemudian meminta pendapat kepada 30 responden untuk memilih citra mana saja yang sesuai dengan citra kunci tersebut. Hasil pencarian citra ini ditampilkan pada gambar 5.2.

Gambar 5.2 Hasil Pencarian Citra Batik Gondosuli Klithik Dari hasil pencarian tersebut, terdapat beragam pendapat dari 30 responden. Tetapi sebelum membahas pendapat tersebut ada hal lain yang perlu diperhatikan dari gambar tersebut, yaitu istilah “dim”. Istilah “dim” merupakan kepanjang dari distance measure, yang berarti pengukuran jarak. Maksudnya, dari kelima belas citra yang

tertampil pada pencarian, tiap-tiap citra yang terpilih memiliki nilai atau ukuran kemiripan dengan citra Gondosuli Klithik. Nilai kemiripan tersebut yang diberi nama dim atau distance measure.

Dalam sistem, perhitungan ini diawali dengan mencari ekstraksi ciri terhadap citra masukkan dengan menggunakan fungsi Ekstraksi Ciri yang telah ditunjukkan pada listing 4.3 pada bab sebelumnya. Sehingga didapat vektor ciri untuk citra batik “Gondosuli Klithik” sebagai berikut:

Tabel 5.1 Vektor Ciri Citra Batik Gondosuli Klithik

(skala,orientasi) Rerata Citra Standar Deviasi Citra

(1,1) 36.24117 22.1701 (1,2) 31.55985 21.7334 (1,3) 33.91093 17.83 (1,4) 211.9443 45.439 (2,1) 15.46921 14.3711 (2,2) 16.19749 8.69071 (2,3) 13.29976 6.20205 (2,4) 19.51925 8.35897 Setelah vektor ciri citra masukkan ditemukan, maka pencarian pun

berlanjut pada penghitungan standar deviasi untuk keseluruhan data yang tersimpan dalam database. Sehingga didapatkan standar deviasi pada tabel berikut:

Tabel 5.2 Standar Deviasi Vektor Ciri Pada Database Standar Deviasi ( ) Standar Deviasi ( )

113.101 55.1867 Standar deviasi vektor ciri pada database telah ditemukan maka proses pembandingan pun dapat dilaksanakan sesuai dengan listing 4.9. Sehingga diperoleh distance measure sebanyak 54 nilai (berdasarkan pada database sistem saat menganalisa) untuk tiap citra batik yang tersinpan dalam database. Sekaligus sistem ini juga melakukan sorting data dari nilai distance measure yang terkecil hingga yang terbesar dengan menggunakan fungsi yang terdapat pada aplikasi Matlab (sortrows).

Tabel 5.3 Distance Measure Keseluruhan Data Citra Batik No Nama Citra Batik Distance Measure

1. Gondosuli Klithik 0 2. Gondosuli Seling Klithik 0.7782 3. Parang Nitik Seling Klitik 1.7324 4. Parang Klithik Kecil Gurdo 2.2904

5. Abimanyu 2.6151

6. Ceplok Huk 3.1392

7. Cakar 3.3367

8. Parang Grendeh Gurdo 3.4218 9. Prabu Anom Truntum 3.4820

No Nama Citra Distance Measure 10. : Sido Guri : 3.7597 : 54. Semen Romo Bledak 6.4068

Dari hasil yang ditunjukkan pada tabel 5.3 maka sistem akan mengambil 15 besar citra terurut, yang terpilih pada tabel berikut ini:

Tabel 5.4 Citra Batik yang Terpilih dalam 15 Besar

No Nama Citra Batik Distance Measure

1. Gondosuli Klithik 0 2. Gondosuli Seling Klithik 0.7782 3. Parang Nitik Seling Klitik 1.7324 4. Parang Klithik Kecil Gurdo 2.2904

5. Abimanyu 2.6151

6. Ceplok Huk 3.1392

7. Cakar 3.3367

8. Parang Grendeh Gurdo 3.4218 9. Prabu Anom Truntum 3.4820

10. Sido Guri 3.7597

11. Ukel Ceplok Nitik 3.7781 12. Gringsing Bintang 3.8438 13. Sidomukti Ukel Jos 3.8769

14. Pringgodani 4.0080

Setelah kita melihat proses perhitungan distance measure, analisa beralih kepada:

• Analisa Perhitungan Recall Precision Berdasarkan Modeling Data Koleksi

Pada percobaa pertama ini, citra batik yang dimasukkan merupakan citra jenis parang, dalam proses modeling macam citra batik yang sesuai pada data koleksi terdapat 9 citra batik dan data yang dianggap sesuai pada hasil perncarian sebanyak 6 macam citra, sehingga kita dapat mencari nilai recall dan precision sebagai berikut (perhitungan dalam persen):

Dari hasil tersebut, dapat diartikan bahwa kemampuan sistem untuk mengambil data yang sesuai sebanyak 66,67% sedangkan untuk menentukan citra yang sesuai sebanyak 40 %.

• Analisa Perhitungan Recall Precision Berdasarkan Kuisioner Kuisioner yang dibagikan kepada 30 responden (15 responden bagi para pakar batik, 15 responden untuk masyarakat umum) untuk dapat menentukan citra batik mana yang sesuai dengan citra batik mana yang tidak. Berikut ini hubungan nilai

recall-precision terhadap salah satu responden (untuk kelompok pakar batik) yang akan ditampilkan pada tabel berikut ini:

Tabel 5.5 Hasil Perhitungan Recall – Precision Responden Kunci

No. Citra Batik Kelompok Pakar Batik Kelompok Masyarakat Umum

Relevan Recall Precision Relevan Recall Precision

1 Citra 1 √ 1/2 = 0.5 1/1 = 1 √ 1/3 = 0.33 1/1 = 1 2 Citra 2 √ 2/2 = 1 2/2 = 1 √ 2/3 = 0.67 2/2 = 1 3 Citra 3 - - √ 3/3 = 1 3/3 = 1 4 Citra 4 - - - - 5 Citra 5 - - - - 6 Citra 6 - - - - 7 Citra 7 - - - - 8 Citra 8 - - - - 9 Citra 9 - - - - 10 Citra 10 - - - - 11 Citra 11 - - - - 12 Citra 12 - - - - 13 Citra 13 - - - - 14 Citra 14 - - - - 15 Citra 15 - - - -

Dari tabel tersebut, responden kunci pakar batik hanya menemukan dua citra batik yang relevan. Sedangkan responden kunci untuk masyarakat umum hanya menemukan tiga citra batik yang relevan.

Sehingga diperoleh perhitungan salah satu contoh perhitungan recall – precision salah satu responden untuk kelompok pakar batik dengan kelompok masyarakat umum.

Tabel 5.6 Hasil Perhitungan Recall – Precision Responden

No. Citra Batik Kelompok Pakar Batik Kelompok Masyarakat Umum

Relevan Recall Precision Relevan Recall Precision

1 Citra 1 √ 1/2 = 0.5 1/1 = 1 √ 1/3 = 0.33 1/1 = 1 2 Citra 2 √ 2/2 = 1 2/2 = 1 √ 2/3 = 0.67 2/2 = 1 3 Citra 3 - - √ 3/3 = 1 3/3 = 1 4 Citra 4 - - - - 5 Citra 5 - - √ - - 6 Citra 6 - - - - 7 Citra 7 - - - - 8 Citra 8 - - - - 9 Citra 9 - - - - 10 Citra 10 - - - - 11 Citra 11 - - - - 12 Citra 12 - - - - 13 Citra 13 - - - - 14 Citra 14 - - - - 15 Citra 15 - - - -

Pada tabel 5.6, responden untuk Kelompok Pakar Batik memiliki kesamaan dengan pilihan responden kunci, berbeda dengan responden untuk masyarakat umum yang memilih citra nomor 5 sebagai citra yang relevan. Namun responden kunci

Kelompok Masyarakat Umum menganggap citra tersebut tidak relevan sehingga perhitungan untuk recall dan precision tidak akan terhitung karena memang tidak relevan.

Dari perhitungan nilai recall – precision tersebut. Maka kita dapat menghitung interpolasi recall – precision yang akan diperlihatkan pada tabel berikut ini (interpolasi ini hanya pada satu responden saja):

Tabel 5.7 Hasil Perhitungan Interpolasi Recall – Precision Rj P(rj) Para Pakar P(rj) Masyarakat Umum

0.0 1.000 1.000 0.1 1.000 1.000 0.2 1.000 1.000 0.3 1.000 1.000 0.4 1.000 1.000 0.5 1.000 1.000 0.6 1.000 1.000 0.7 1.000 1.000 0.8 1.000 1.000 0.9 1.000 1.000 1.0 1.000 1.000

Proses perhitungan Recall-Precision dilakukan untuk tiap-tiap responden sebanyak 30 responden, kemudian dicari nilai rata-rata precision (average), hasil perhitungan interpolasi dan nilai rata-rata precision dari seluruh data kuesioner ditampilkan dalam tabel 5.8.

112 Tabel 5.8 Hasil Perhitungan Interpolasi dan Rata-rata Recall – Precision Citra Batik Gondosuli Klithik bagi Para Pakar Batik

Rj ^{P(rj) dari Responden Para Pakar Batik} Rata – rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.8 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

113

Rj ^{P(rj) dari Responden Masyarakat Umum} Rata – rata

Gambar 5.3 Grafik Interpolasi Recall – Precision Citra Batik Gondosuli Klithik

Dari gambar grafik di atas menyatakan bahwa nilai rata-rata precision sama untuk tiap-tiap nilai recall. Sehingga dapat dikatakan citra yang ditampilkan oleh sistem ada yang relevan sesuai dengan keinginan pengguna pada peringkat teratas. Sehingga pengguna pun tidak kesulitan dalam menemukan citra batik yang sesuai dengan yang dicari.

2. Pengujian terhadap Citra Batik “Sidoluhur Ukel”

Citra Batik Sidoluhur Ukel yang akan dicari di dalam sistem ini merupakan pola batik tradisional Yogyakarta. Citra tersebut ditunjukkan pada gambar berikut ini:

Gambar 5.4 Batik Sidoluhur Ukel

Dari citra tersebut, penulis akan melakukan pencarian citra batik tradisional pada sistem dan meminta pendapat kepada 30 responden untuk memilih citra mana saja yang menurut mereka sesuai dengan citra kunci tersebut. Hasil pencarian citra ini ditampilkan pada gambar berikut:

Gambar 5.5 Hasil Pencarian Citra Batik Sidoluhur Ukel

Untuk menentukan nilai kemiripannya dapat dihitung sama seperti pada pembahasan sebelumnya, yaitu dengan mengekstrak citra masukkan sehingga diperoleh vektor ciri. Dari vektor ciri yang diperoleh tadi dapat dihitung perbandingannya dengan menghitung selisih vektor dari citra masukkan dengan tiap-tiap data yang tersimpan dalam database.

Setelah didapat nilai kemiripannya, baru dilakukan pengurutan nilai kemiripan dari yang terendah hingga yang terbesar. Kemudian ambil lima belas besar data dengan nilai kemiripan (distance measure) yang sangat minim sekali.

• Analisa Perhitungan Recall Precision Berdasarkan Modeling Data Koleksi

Citra batik yang dimasukkan merupakan citra jenis sido, dalam proses modeling macam citra batik yang sesuai pada data koleksi terdapat 7 citra batik dan data yang dianggap sesuai pada hasil perncarian sebanyak 3 macam citra, sehingga kita dapat mencari nilai recall dan precision sebagai berikut (perhitungan dalam persen):

Dari hasil tersebut, dapat diartikan bahwa kemampuan sistem untuk mengambil data yang sesuai sebanyak 42,85% sedangkan untuk menentukan citra yang sesuai sebanyak 20 %.

• Analisa Perhitungan Recall Precision Berdasarkan Kuisioner Responden kunci untuk para pakar batik hanya memilih satu citra yang sesuai, sedangkan untuk masyarakat umum responden kunci memilih 6 citra batik, sehingga didapat tabel interpolasinya yang ditunjukkan pada tabel 5.9 untuk para pakar batik dan tabel 5.10 untuk masyarakat umum.

118

Rj ^{P(rj) dari Responden Para Pakar Batik} Rata - rata

119

Rj ^{P(rj) dari Responden Masyarakat Umum} Rata – rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.733 0.5 0.750 0.750 0.750 0.750 0.750 0.750 0.750 0.375 0.375 0.375 0.375 0.333 0.333 0.333 0.333 0.538 0.6 0.750 0.750 0.750 0.750 0.750 0.750 0.750 0.400 0.400 0.400 0.400 0.400 0.400 0.400 0.400 0.563 0.7 0.400 0.400 0.400 0.400 0.444 0.444 0.444 0.400 0.400 0.400 0.400 0.400 0.400 0.400 0.400 0.408 0.8 0.454 0.454 0.454 0.454 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.454 0.454 0.454 0.454 0.475 0.9 0.454 0.454 0.454 0.454 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.454 0.454 0.454 0.454 0.475 1.0 0.400 0.400 0.400 0.400 0.545 0.545 0.545 0.545 0.545 0.545 0.545 0.400 0.400 0.400 0.400 0.468

Gambar 5.6 Grafik Interpolasi Recall – Precision Citra Batik Sidoluhur Ukel Pada grafik ini mulai terlihat perbedaan yang mencolok, untuk para pakar batik masih sama dengan grafik sebelumnya. Tetapi responden kunci pakar batik hanya memilih satu citra yang relevan dan itu merupakan masalah yang nanti akan dibahas lebih lanjut pada sub-bab pembahasan keseluruhan pengujian pertama.

Berbeda dengan masyarakat umum dimana grafik yang tersebut terjadi kenaikan pada angka recall 0.6 kemudian menurun pada recall 0.7 dan naik pada recall 0.8 kemudian mendatar hingga recall 1. Hal ini disebabkan karena para responden untuk masyarakat umum memilih atau melihat kesesuaian citra yang dicari terhadap citra yang didapat pada urutan yang terbawah, sehingga grafik yang ditampilkan naik.

3. Pengujian terhadap citra batik “Parang Grendeh Gurdo”

Pada pengujian ini, kita akan mencari citra batik Parang Grendeh Gurdo yang merupakan motif batik tradisional kombinasi antara motif parang dengan gurdo. Berikut citra batik yang ingin dicari.

Gambar 5.7 Batik Parang Grendeh Gurdo

Dari citra tersebut, penulis akan melakukan pencarian citra batik tradisional pada sistem. Hasil pencarian citra ini ditampilkan pada gambar berikut:

Gambar 5.8 Hasil Pencarian Citra Batik Parang Grendeh Gurdo Hasil pencarian tersebut, didapat dengan langkah yang sama pada pengujian sebelumnya. Kemudian dilakukan perhitungan recall dan precision.

• Analisa Perhitungan Recall Precision Berdasarkan Modeling Data Koleksi

Citra batik yang dimasukkan merupakan citra jenis kombinasi parang dan gurdo namun masuk dalam jenis parang, dalam proses modeling macam citra batik yang sesuai pada data koleksi terdapat 9 citra batik dan data yang dianggap sesuai pada hasil

perncarian sebanyak 3 macam citra, sehingga kita dapat mencari nilai recall dan precision sebagai berikut (perhitungan dalam persen):

Dari hasil tersebut, dapat diartikan bahwa kemampuan sistem untuk mengambil data yang sesuai sebanyak 33,33% sedangkan untuk menentukan citra yang sesuai sebanyak 20 %.

• Analisa Perhitungan Recall Precision Berdasarkan Kuisioner Responden kunci untuk para pakar batik hanya memilih satu citra yang sesuai, sedangkan untuk masyarakat umum responden kunci memilih 3 citra batik, sehingga didapat tabel interpolasinya yang ditunjukkan pada tabel berikut ini.

124 Citra Batik Parang Grendeh Gurdo bagi Pakar Batik

Rj ^{P(rj) dari Responden Para Pakar Batik} Rata – rata

125

Rj ^{P(rj) dari Responden Masyarakat Umum} Rata – rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.8 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.0 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.300 0.300 0.300 0.300 0.447

Gambar 5.9 Grafik Interpolasi Recall – Precision Citra Batik Parang Grendeh Gurdo Grafik di atas menunjukkan nilai kesamaan antara para pakar batik dengan masyarakat umum untuk nilai recall antara 0 – 0.9 dan nilai rata-rata precision tampak menurun dikarenakan posisi citra batik yang dianggap relevan bagi responden masyarakat umum tidak berada pada urutan teratas, sehingga dihasilkan nilai seperti grafik tersebut.

4. Pengujian terhadap citra batik “Parang Rusak”

Pada pengujian keempat ini, penulis mencoba mencari citra batik yang tidak tersimpan pada database (tidak seperti 3 contoh citra sebelumnya yang sudah ada pada database). Berikut ini citra batik Parang Rusak.

Gambar 5.10 Batik Parang Rusak

Dari citra tersebut, penulis akan melakukan pencarian citra batik tradisional pada sistem. Hasil pencarian citra ini ditampilkan pada gambar berikut:

Gambar 5.11 Hasil Pencarian Citra Batik Parang Rusak

Hasil pencarian tersebut, didapat dengan langkah yang sama pada pengujian sebelumnya, dan dilakukan perhitungan recall dan precision.

• Analisa Perhitungan Recall Precision Berdasarkan Modeling Data Koleksi

Citra batik yang dimasukkan merupakan citra jenis sido, dalam proses modeling macam citra batik yang sesuai pada data koleksi terdapat 7 citra batik dan data yang dianggap sesuai pada hasil pencarian sebanyak 3 macam citra, sehingga kita dapat mencari

nilai recall dan precision sebagai berikut (perhitungan dalam persen):

Dari hasil tersebut, dapat diartikan bahwa kemampuan sistem untuk mengambil data yang sesuai sebanyak 42,85% sedangkan untuk menentukan citra yang sesuai sebanyak 20 %.

• Analisa Perhitungan Recall Precision Berdasarkan Kuisioner Responden kunci untuk para pakar batik berpendapat tidak ada citra yang sesuai, sedangkan untuk masyarakat umum responden kunci memilih 5 citra batik, sehingga didapat tabel interpolasinya yang ditunjukkan pada tabel berikut ini.

130 Rj ^{P(rj) dari Responden Para Pakar Batik} Rata - rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

131

Rj ^{P(rj) dari Responden Masyarakat Umum} Rata – rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.750 0.750 0.750 0.750 0.750 1.000 1.000 1.000 0.917 0.7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.750 0.750 0.750 0.750 0.750 1.000 1.000 1.000 0.917 0.8 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.667 0.667 0.667 0.667 0.667 0.667 0.667 0.667 0.822 0.9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.667 0.667 0.667 0.667 0.667 0.667 0.667 0.667 0.822 1.0 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.833 0.500 0.500 0.500 0.766

Gambar 5.12 Grafik Interpolasi Recall-Precision Citra Batik Parang Rusak Pada grafik di atas menjelaskan, bahwa nilai 0 pada interpolasi para pakar batik dikarenakan responden kunci para pakar tersebut merasa tidak ada yang cocok sekalipun yang tampil adalah citra batik jenis pola parang, namun hasilnya tetap berbeda.

Tetapi nilai tersebut tidak tampak pada interpolasi masyarakat umum yang lebih baik hasilnya dibandingkan dengan para pakar batik.

5. Pengujian terhadap citra batik “Ceplok Parang Klithik Primis Tulis”

Pada percobaan terakhir ini, penulis mencoba mencari citra batik modern atau batik kontemporer (bukan batik tradisional) kedalam sistem. Citra batik tersebut akan ditampilkan pada gambar 5.13.

Gambar 5.13 Batik Ceplok Parang Klithik Primis Tulis Dari citra tersebut, penulis akan melakukan pencarian citra batik tradisional pada sistem. Hasil pencarian citra ini ditampilkan pada gambar berikut:

Gambar 5.14 Hasil Pencarian Citra Batik Ceplok Parang Klithik Prismis Tulis

Hasil pencarian tersebut, didapat dengan langkah yang sama pada pengujian sebelumnya, dan dilakukan perhitungan recall dan precision.

• Analisa Perhitungan Recall Precision Berdasarkan Modeling Data Koleksi

Citra batik yang dimasukkan merupakan citra jenis ceplok, dalam proses modeling macam citra batik yang sesuai pada data koleksi terdapat 8 citra batik dan data yang dianggap sesuai pada hasil perncarian sebanyak 1 macam citra, sehingga kita dapat

mencari nilai recall dan precision sebagai berikut (perhitungan dalam persen):

Dari hasil tersebut, dapat diartikan bahwa kemampuan sistem untuk mengambil data yang sesuai sebanyak 12,5% sedangkan untuk menentukan citra yang sesuai sebanyak 6,67 %.

• Analisa Perhitungan Recall Precision Berdasarkan Kuisioner Responden kunci untuk para pakar batik berpendapat tidak ada citra yang sesuai, sedangkan untuk masyarakat umum responden kunci memilih 6 citra batik, sehingga didapat tabel interpolasinya yang ditunjukkan pada tabel berikut.

136 Rj ^{P(rj) dari Responden Para Pakar Batik} Rata – rata

137 Citra Batik Ceplok Parang Klithik Primis Tulis bagi Masyarakat Umum

Rj ^{P(rj) dari Responden Masyarakat Umum} Rata – rata

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0.0 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.7 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.8 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.9 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 0.670 1.0 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.500 0.600 0.600 0.600 0.600 0.600 0.600 0.540

138

Gambar 5.15 Grafik Interpolasi Recall-Precision Citra Batik Ceplok Parang Klithik Prismis Tulis

Dalam garfik ini, terlihat precision para pakar batik masih 0, sebab responden kunci tidak menemukan satu pun citra yang relevan. Berbeda dengan masyarakat umum yang lebih fleksibel menentukan citra yang sesuai menurut mereka walaupun dalam penelitian penulis, sempat mendengar ada beberapa responden dari masyarakat umum tidak dapat menentukan citra yang relevan karena bingung dengan citra yang sangat berbeda.

Disamping itu, contoh citra yang dicari merupakan citra batik modern atau kontemporer, yang merupakan suatu motif modern dengan desain yang sudah mengalami modifikasi, sehingga data yang ditampilkan oleh sistem banyak yang tidak sesuai karena

sistem tidak memiliki koleksi citra batik kontemporer melainkan batik bermotif tradsional.

Dalam dokumen CONTENT BASED IMAGE RETRIEVAL BATIK TRADISIONAL YOGYAKARTA DENGAN EKSTRASI CIRI BERDASARKAN TEKSTUR FILTER GABOR WAVELETS 2D SKRIPSI (Halaman 124-161)