Pada langkah pertama, setiap percobaan
pada Tabel 1, dengan dimensi objek atau
fitur yang berbeda-beda akan dibangun
model TAN dengan bantuan estimator
ML. Kemudian dilakukan estimasi
parameter model TAN dengan bantuan
estimator ML juga. Setelah dihasilkan
model TAN beserta parameter modelnya,
langkah berikutnya adalah melakukan
pengenalan objek training dan menghitung
akurasi sistem. Dari hasil perhitungan
akurasi sistem pada setiap percobaan,
selanjutnya dipilih model TAN dengan
tingkat akurasi sistem tertinggi yang
kemudian dianggap sebagai model terbaik
dalam pengenalan.
5. HASIL DAN PEMBAHASAN
Hasil percobaan dengan menggunakan
skenario data pada Tabel 1, selengkapnya
dapat dilihat pada Tabel 2
Tabel 2. Tingkat Akurasi Model TAN
Dalam Mengenali Objek Training
Model TAN hasil training dari beberapa
dimensi atau fitur objek [image],
memperlihat kan bahwa untuk dimensi
atau fitur yang kecil tingkat akurasi sistem
model TAN dalam melakukan pengenalan
relatif lebih rendah. Rendahnya tingkat
akurasi sistem dibandingkan dengan yang
lainnya, ditunjuk kan oleh dimensi objek
2x2 [4 fitur] sebesar 82, 6667%, dimensi
3x2 [6 fitur] 78,6667% . Demikian halnya
untuk dimensi atau fitur yang besar, model
TAN yang dihasilkkan memberikan
tingkat akurasi sistem juga relatif lebih
rendah dibandingkan lainnya. Rendahnya
tingkat akurasi tersebut ditunjukkan pada
dimensi 9x9 [81 fitur] sebesar 77,3333%,
dimensi 10x9 [90 fitur] sebesar 58,6667%
dan dimensi 10x10 [100 fitur] sebesar
61,3333%.
Tingkat akurasi paling tinggi dari
eksperimen, dihasilkan oleh model TAN
pada dimensi 5x5 [25 fitur], dimensi 6x6
[36 fitur] dan 7x6[42 fitur] masing-masing
dengan tingkat akurasi 100%. Hasil ini
menunjukkan bahwa pada dimensi
tersebut model TAN yang dihasilkan
merupakan model pengenalan terbaik. Hal
penting lain yang dapat diambil dari hasil
eksperimen tersebut adalah semakin kecil
dimensi atau semakin besar dimensi objek
yang digunakan akan berdampak model
TAN yang dihasilkan semakin kurang
baik. Kurang baiknya model TAN pada
dimensi atau fitur objek yang semakin
kecil bisa jadi karena semakin kecil
dimensi atau fitur banyak informasi
penting dari objek yang hilang. Sedangkan
kurang baiknya model TAN yang
dihasilkan pada dimensi yang semakin
besar karena semakin besar dimensi atau
fitur objek menyebabkan terjadinya
informasi overflow.
6. KESIMPULAN
Kehandalan model serta estimator yang
digunakan pada kenyataan belum cukup
untuk menghasilkan model pengenalan
terbaik, akan tetapi ada faktor lain yang
member kontribusi besar yaitu kondisi dari
dimensi atau fitur objek yang digunakan
dalam membangun model tersebut. Hasil
eksperimen menunjukkan untuk dimensi
atau fitur objek semakin kecil atau untuk
dimensi atau fitur objek yang semakin