Contoh Perhitungan Manual

7/21/2019 Contoh Perhitungan Manual

http://slidepdf.com/reader/full/contoh-perhitungan-manual 1/20

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

Orang Ke-1


57




Orang Ke-2

Orang Ke-3




58




Orang Ke-4


Orang Ke-5 Citra 1 Citra 2 Citra 3 Citra 4 Citra 5

59





Orang Ke-6


60




Orang Ke-7


Orang Ke-8 Citra 1 Citra 2 Citra 3 Citra 4 Citra 5

61





Orang Ke-9


62




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 data x1, 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:

67



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





2

P ( X x | Y y )

1exp

1 xi

ij ii j

2 ij 2

ij

2

P ( X i a | Karakteris 1tik

)14

1ex p

1 xi

a K a 1r

2 a K a 1r

2

a K a 1r

P ( X a | Karakteri tsi 1k 2

)14

1ex p

1 14 19 5. i

2 * 3 14.

* 0 7. 07 2 0 7.

07

= 4.1127E-14 >>> P (PELUANG)

70



a K ar 2

60( )55 / 2

57. 5 >>>MEAN

a Kar 2 60( 57. )5 2

60(

57. )5 2 2/( )1

3. 535534 >>SD (STANDART DEVIASI)

2

P ( X x | Y y ) 1 exp 1

xi ij ii j

2 ij 2 ij

2

P ( X i a | Karakteris 1t ik

)60

1ex p

1 xi

a Kar 2

2 a Kar 2

2

a Kar 2

2

P ( X i a | Karakteris 1tik )60

1

ex p 1 60

57 5.

2 * 3 14.

* 3 535534.

2 3 535534.

= 0.087900542 >>> P (PELUANG)



71



72



a K a 3r 30(

)35 / 2

32. 5 >>>MEAN

a Ka 3r 30( 32. )5 2

30(

32. )5 2

2/( )1

3. 535534 >>SD (STANDART DEVI ASI)

2

P ( X x

| Y

y )

1

exp

1 xi

ij

ii j 2 ij 2 ij

2


)38

1ex p

1 xi

a K a 3r

2 a K a 3r

2

a K a 3r

2


)38

1

ex p 1 38

32 5.

2 * 3 14.

* 3 535534.

2 3 535534.



= 0.033656492 >>> P (PELUANG)

73

Total P (PELUANG) = 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 karakteristik

3. Peluang masing-masing image4. Peluang tiap image tiap karakteristik

Rata-rata

a 19.5 57.5 32.5

b 11 71 30

c 10.5 50 41.5

Standart Deviasi

a 0.70711 3.5355 3.5355

b 1.4142 1.4142 2.8284

c 0.70711 14.142 2.1213



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.

75

Documents

Contoh Perhitungan Manual