| dc.description.abstract | Analisis Komponen Utalna nlerupakan metode pengklasifikasian pola yang telah banyak menarik perhatian para peneliti. Ide utalua dari metode ini adalah bagaimana merepresentasikan beberapa citra atau fitur-fitur ciha dalani suatu di~nensi ruang di lnana setiap fitw individu tidak saling berhubungan. Metode ini dikenal juga sebagai metode ruang eigen. Seiring dengan banyaknya peneliti yang tertarik melakukan penelitian nle~lggunakan ~netode iiii, berkembang pula beberapa perangkat lunak yang lnendukung penerapan lnetode ini. Pada penelitian ini dig~uiakan2 00 citra yang terdiri dari 10 kelas citra. 100 ciha digunakan sebagai citra pelatihan dan pengujian sedangkan 100 ciha lainnya hanya digunakan untuk pengujian. Selwuh citra direpresentasikan dalam ~ilodeg rayscale dan dalam bentuk vektor berdimensi 2500. Citra pelatihan akan diinisialisasikan untuk metnbenhlk ruang eigen dari masing-masing kelas citra. Pengenalan citra dilakukan dengan cara mengliitung koefisien ltedekatan terbesar antara vektor citra pengujian dengan vektor hasil proyeksi. Dua lnacaln pengujian yang dilakukan yaitu pengujian tanpa pcngasuh downscale dan dengan pengaruh downscale. Seluruh proses dala~n penelitian ini diimplementasikan dengan perangkat lunak iLlnllnb 5.3. Se~nakinb anyak vektor eigen yang digunakan untuk meniproyeksikan ciwa uji, maka tingkat akurasi pcngenalan akan senlakin baik. Per~ambahanv ektor proyeksi ~nenyebabkanw aktu ya~gd ibutuhkan untuk pengenalan menjadi bertambah. Proses do~vnscali~?mg enghasilkan suatu proses pengenalan yang n~enibutuhkanw aktu Iebih sedikit. Se~nakinb esar nilai rlo~vr~scaylacn g diberikan, se~nakinc epat proses pengenalan berlangsung. | id |
