Confusion Matrix adalah tabel yang digunakan untuk mengukur kinerja atau tingkat kebenaran dari sebuah proses klasifikasi supervised learning pada machine learning. Dalam dasarnya, confusion matrix memberikan gambaran lebih detail tentang jumlah data yang diklasifikasikan dengan benar maupun salah berdasarkan jumlah prediksi dari setiap data dari masing-masing kelas. Confusion matrix membandingkan nilai aktual dan prediksi model yang digunakan untuk menghasilkan matriks evaluasi seperti accuracy, precision, recall, dan f1-score atau f-measure.
Penelitian Terkait dan Matriks Penelitian
Berdasarkan penelitian yang dikembangkan oleh Yolanda Natalia dan Rudiansyah pada 2021 dengan judul "Analisis Perbandingan Bunga Meihua dan Sakura Yang Terlihat Sama Tetapi Berbeda" yang diterbitkan oleh Jurnal Bahasa, Sastra, dan Budaya, telah membahas mengenai perbedaan antara Bunga Meihua dan Sakura, dimana kedua bunga tersebut memiliki persamaan dan sulit untuk
dibedakan masyarakat umum. Solusi yang diusulkan penelitian ini adalah membuat perbandingan antara bunga Meihua dan bunga Sakura dengan metode deksriptif kualitatif dengan mendeskripsikan gambaran-gambaran dari suatu fenomena yang
bersifat alamiah tanpa adanya rekayasa ataupun campur tangan dari manusia. Perbandingan deskriptif dan kualitatif sudah berhasil dilakukan.
Sebagian orang mengalami kesulitan dalam mengidentifikasi warna (buta warna). Salah satu solusi untuk membantu mereka adalah menampilkan informasi warna dalam bentuk teks. Model warna digital YCbCr, yang umum digunakan pada kamera ponsel, perlu dikonversi ke model RGB agar dapat diidentifikasi dengan lebih mudah. Dalam penelitian ini, kami menggunakan metode pengkonversian YCbCr ke RGB dan membandingkan nilai warna RGB yang dihasilkan dengan basis data menggunakan metode euclidean distance. Metode ini mencari nilai selisih terkecil antara dua matriks untuk menentukan kesamaan warna. Hasilnya ditampilkan sebagai gambar warna, nama warna, nilai warna, dan warna serupa berdasarkan perbandingan. Pengujian menunjukkan bahwa sistem mampu mendeteksi warna dengan tingkat keberhasilan 93,75%.
Pendahuluan
Buta warna adalah kondisi di mana seseorang mengalami kesulitan membedakan warna tertentu. Kondisi ini dapat mengganggu aktivitas sehari-hari, terutama dalam situasi yang membutuhkan identifikasi warna yang tepat. Model warna YCbCr yang sering digunakan dalam teknologi kamera menawarkan tantangan dan peluang unik dalam proses identifikasi warna. Oleh karena itu, konversi model warna YCbCr ke RGB diperlukan untuk memungkinkan identifikasi warna yang lebih akurat.
Metode
Proses konversi dari YCbCr ke RGB dilakukan dengan menggunakan rumus standar. Nilai RGB yang diperoleh kemudian dibandingkan dengan basis data warna yang ada menggunakan metode euclidean distance, yang mengukur jarak antara dua vektor warna dalam ruang RGB.
Hasil dan Diskusi
Implementasi metode ini menunjukkan bahwa sistem dapat mengidentifikasi warna dengan tingkat keberhasilan 93,75%. Proses pengujian dilakukan dalam berbagai kondisi pencahayaan dan variasi warna untuk memastikan keakuratan sistem. Hasil menunjukkan bahwa metode ini cukup andal dalam memberikan identifikasi warna yang akurat, sehingga dapat membantu penderita buta warna dalam mengenali warna dengan lebih efektif.
Kesimpulan
Pengkonversian model warna YCbCr ke RGB dan penggunaan metode euclidean distance untuk identifikasi warna terbukti efektif dalam membantu penderita buta warna. Sistem yang diusulkan berhasil mendeteksi dan mengidentifikasi warna dengan tingkat keberhasilan tinggi, menunjukkan potensi besar untuk aplikasi praktis dalam berbagai perangkat digital.
Referensi
http://repositori.unsil.ac.id/9144/14/14.%20BAB%20II.pdf
