= =
= = =
dengan
& C ( "i wk p
k
=
=
k
" p " wk p p " & ( & C ( )aD arg E
Kategori +E )eru8akan kategori yang )e)iliki nilai p( ) "i *
& ) dj+ )aksi)u)* Nilai p(& ) dj+ tidak )e)8engaruhi
8er7andingan karena untuk setia8 kategori nilainya akan sa)a*
Berikut ini ga)7aran 8roses klasifikasi dengan algorit)a
Naive Bayes>
?7r* Taha8an Proses Klasifikasi Wajah Manusia
&. .a5 -ilter
Contoh )atriks +itra dan hasil )aD filter dari )atriks +itra
dengan 'indo' 1D1
! " " " 1
! " " " 1
! " " " !
2 2 2 1 !
2 2 2 1 !
Kategori
'ajah dari
,uatu Kelas
0ilter )aD 7erarti )enggantikan 8iDel dengan nilai
tertinggi dari suatu deret yang tre7entuk dari )atriks yang
sesuai dengan ukuran dari filter 'indo'*
IV* 4-,I6
Pada 8roses 8engujian ini akan dilakukan 8roses uji +o7a
)enggunakan 1 skenario yang 7er7eda 8ada +itra 'ajah* 4al
ini digunakan untuk )enguji kehandalan dari 8roses
enhan+e)ent dan )enda8atkan 8ara)eter yang 8aling
o8ti)u) yang dilakukan 8ada se)ua 8engujian* Proses uji
+o7a ini juga akan )e)7erikan 7anyak segi 8ositif9 teruta)a
jika 8roses enhan+e)ent terse7ut ditera8kan 8ada 7er7agai
)a+a) ga)7ar yang 7er7eda;7eda*
Cara untuk )e)8eroleh dia)eter dengan grays+ale
?a)7ar diatas )enggunakan nilai 7inerisasi F !#*
Dengan )elihat data ga)7ar diatas ga)7ar tidak terdeteksi
dengan 7aik sehingga 7inerisasi !# tidak di gunakan*
?a)7ar diatas )enggunakan nilai 7inerisasi F !2#*
Dengan )elakukan 7e7era8a kali testing data yang )e)iliki
nilai akurasi yang 8aling tinggi adalah 7inerisasi !2#* Gadi
8enulis )engunakan ukuran 7inerisasi !2#*
,elain itu9 akan dilakukan )enggunakan 8engujian
dari +itra yang telah di)asukkan dala) HtrainingI data9 se)ua
ga)7ar yang ada 8ada data7ase HtrainingI akan di reka)
ga)7arnya 8er +itra9 ke)udian hasil dari +itra yang telah
direka) terse7ut akan digunakan se7agai 8er7andingan uji
HtestingI data* ,ehingga se)ua data yang akan di testing akan
dilakukan 8en+o+okan dari data7ase dan 8ereka)an yang ada
8ada HtrainingI*
6angkah;langkah yang dilakukan adalah >
a* Masukkan # data training untuk )asing;)asing kelas
7* 6alu lakukan testing terhada8 # data testing untuk
)asing;)asing kelas
+* 6ihat 8rosentase ke7enaran dengan 8er7andingan seluruh
data yang ada dikurangi data yang salah lalu di7agi
dengan seluruh data
d* 5langi langkah a9 79 + dengan )engganti data training "
untuk s+enario !9 dan 1# untuk s+enario 1*
-* Ta7el 4asil 5ji Co7a
Pada hasil uji +o7a skenario +itra Wajah 8ada data
training se8erti di7a'ah ini>
Pada 8er+o7aan )enggunakan 8en+itraan 'arna
T-B63 *
D-T- T<-ININ? ,K3N-<I= J-N? DI ?5N-K-N
Data
Training
Azza_1
Azza_2
Azza_3
Azza_4
Azza_5
Fitri_1
Fitri_2
Fitri_3
Fitri_4
Fitri_5
Rangga_1
Rangga_2
Rangga_3
Rangga_4
Rangga_5
Ria_1
Ria_2
Ria_3
Ria_4
Ria_5
Vendy_1
Vendy_2
Vendy_3
Vendy_4
Vendy_5
Vicky_1
Vicky_2
Vicky_3
Vicky_4
Vicky_5
Zata_1
Zata_2
Zata_3
Zata_4
Zata_5
T-B63 !
4-,I6 ,K3N-<I= CIT<- W-G-4 ,K3N-<I= *
Data
ke;i
Data
Testing
Human
Preceti
!n
"ac#ine
Preceti
!n
testing data
akurat data
B* Ta7el -kurasi <iset Data
Berdasarkan hasil data uji +o7a di8eroleh data
akurasi dari )asing;)asing +itra yang disajikan 8ada
Ta7el $ dengan ga)7ar grafik akurasi se8erti ada 8ada
?7r9 yaitu>
T-B63 $*
4-,I6 -K5<-,I CIT<- W-G-4
4asil
,kenario
! 1
-kurasi %29!/K /921K /"9$K
Berdasarkan ?7r* dida8atkan nilai akurasi tertinggi
terda8at 8ada s+enario ! dan 1* ,edangkan untuk nilai rata;
rata akurasinya /#9"$K* Nilai akurasi ini da8at dikatakan
o8ti)al9 hal ini dikarenakan dari segi fitur )enurut <?B
yang 7agus*
T-B63 %*
4-,I6 D-T-,3T W-G-4*
4asil +itra 'ajah dari +itra dataset9 +itra grays+ale9
+itra 7iner9 dan +itra )aD filter*
(a& (7&
(+& (d&
Dari 8erhitungan terse7ut9 ga)7ar da8at di
kelo)8okkan )asing;)asing ke dala) kelas yang telah di
tentukan* Data yang )e)iliki tingkat kelas yang
)endekati hasil dari )ean yang ada )eru8akan hasil dari
klasifikasi +itra yang ditangka8* Dengan kata lain
8engklasifikasian di8eroleh dari rata;rata )ean 'arna
ga)7ar yang di tangka8 8ada kolo) 8engujian9 yang
ke)udian )un+ulah hasil klasifikasi yang te8at dala)
8engelo)8okkan +itra yang ditangka8*
C* Desain Ta)8ilan
Dala) a8likasi 8engenalan 'ajah ini terdiri dari 1 7agian
ta7* Terda8at ta7 tentang Data Training9 Data Testing9 dan
-7out 5s*
a* Data Training
Dala) ta)8ilan ini 7erisi tentang 8e7a)8akan
8hoto training9 ta)8ilan +itra grays+ale9 +itra 7iner9
+itra filter9 7utton 7ro'se dan 8roses9 serta ta)8ilan
ekstraksi*
?7r !* Ta)8ilan setelah )engin8utkan sa)8le
'ajah
Data Testing
?7r 1* Ta)8ilan setelah diin8utkan ga)7ar
'ajah
Pada ta)8ilan terse7ut 7erisi tentang foto
'ajah yang sudah di7erikan efek grays+ale9 i)age
7iner9 dan i)age filter9 serta nilai 8osterior9 dan hasil
<?B dan dia)eternya*
7* -7out us
?7r* ?rafik -kurasi Citra Wajah
?7r*1 (a& Citra -sli9 (7& Citra ?rays+ale9 (+& Citra Biner9 (d& MaD
0ilter Biner
?7r 2* Ta)8ilan foto 8e)7uat a8likasi
Pada ta)8ilan terse7ut 7erisi tentang 8e)7uat
a8likasi*
K3,IMP56-N
Dari hasil uji 8engklasifikasian +itra 'ajah )anusia yang
telah dilakukan9 da8at disi)8ulkan 7ah'a a8likasi untuk
)engklasifikasikan 'ajah da8at )enggunakan )etode Naive
Bayes*
Dala) 8enggunakan a8likasi ini9 nilai akurasi dari
8engklasifikasian terse7ut )e)iliki hasil keakuratan yang
sa)a dengan )enggunakan )etode Na:ve Bayes* ,ehingga9
8engklasifikasian diatas sudah ter7ilang +uku8 akurat9 dilihat
dari akurasi )a+hine 8er+e8tion 8resentase yang dida8at 8ada
ta7el uji*
,iste) 8engklasifikasian ini )asih da8at dilakukan
8er7aikan yang tujuannya untuk )e)7antu 8roses
8engklasifikasian*
P5,T-K-
MN ?* 3ason9 B* No7le9 and I* N* ,neddon9 H=n +ertain integrals of
6i8s+hit.;4ankel ty8e involving 8rodu+ts of Bessel fun+tions9I Phil*
Trans* <oy* ,o+* 6ondon9 vol* -!2$9 88* "!/O""9 -8ril /""*
(referen"es+
M!N G* Clerk MaD'ell9 - Treatise on 3le+tri+ity and Magnetis)9 1rd ed*9 vol*
!* =Dford> Clarendon9 %/!9 88*A%O$1*
M1N I* ,* Ga+o7s and C* P* Bean9 H0ine 8arti+les9 thin fil)s and eD+hange
anisotro8y9I in Magnetis)9 vol* III9 ?* T* <ado and 4* ,uhl9 3ds* Ne'
Jork> -+ade)i+9 /A19 88* !$O1"#*
BI=D-T- P3N36ITI
0itria D'i Nurhayati9 6ahir di Magetan9 !
Maret //2* ,aat ini sedang )ene)8uh
8endidikan , jurusan Infor)atika ,e)ester
2 di 5niversitas Bra'ijaya9 Malang* T'itter
> (D'i!#0itria9 fa+e7ook > 0itria D'i*
,iti -..a -)ira9 6ahir di Banjar)asin9 ! Guni
//"* ,aat ini sedang )ene)8uh 8endidikan ,
jurusan Infor)atika ,e)ester 2 di 5niversitas
Bra'ijaya9 Malang* T'itter > (-..aMyra 9
fa+e7ook > ,iti -..a -)ira*
I Wayan Vendy Wiranatha9 6ahir di Bali9 !
Nove)7er //1* ,aat ini sedang )ene)8uh
8endidikan , jurusan Infor)atika ,e)ester 2 di
5niversitas Bra'ijaya9 Malang* T'itter >
(vendyLve+ker 9 fa+e7ook > Vendy Ve+ker9 Pin
BBM> $A!"10CD*