| dc.description.abstract | Analisis Komponen Utama merupakan metode pengklasifikasian pola yang telah banyak menarik perbatian para peneliti. Ide utama dari metode ini adalah bagaimana merepresentasikan beberapa citra atau fitur-fitur citra dalam suatu dimensi ruang di mana setiap fitur individu tidak saling berhubungan. Metode ini dikenal juga sebagai metode ruang eigen. Seiring dengan banyaknya peneliti yang tertarik melakukan penelitian menggunakan metode ini, berkembang pula beberapa perangkat lunak yang mendukung penerapan metode ini. Pada penelitian ini digllllakan 200 citra yang terdiri dari 10 kelas citra. 100 citra digunakan sebagai citra pelatihan dan pengluian sedangkan 100 citra lainnya hanya digunakan untuk pengujian. Seluruh citra direpresentasikan dalam mode grayscale dan dalam bentuk vektor berdimensi 2500. Citra pelatihan akan diinisialisasikan untuk membentuk mang eigen dari masing .. masing kelas citra. Pengenalan citra dilakukan dengan eara menghitung koefisien kedekatan terbesar antara vektor citra pengujian dengan vektor hasil proyeksi. Dua macam pengujian yang dilakukan yaitu pengujian tanpa pcngaruh downscale dan dengan pengaruh downscale. Seluruh proses dalam penelitian ini diimplementasikan dengan perangkat lunak Mallab 5.3. Semakin banyak vektor eigen yang digunakan untuk memproyeksikan citra uji, maka tingkat akurasi pengenalan akan semakin baik. Penambahan vektor proyeksi menyebabkan waktu yang dibutuhkan untuk pengenalan melBadi bertambah. Proses dOlVnscaling menghasilkan suatu proses pengenalan yang membutuhkan waktu lebib sedikit. Semakin besar nilai downscale yang diberikan, semakin cepat proses pengenalan berlangsung. | id |
