IV. HASIL DAN PEMBAHASAN
Percobaan klasifikasi mutu tomat yang telah dilakukan menghasilkan data-data
yang meliputi nilai sigma terbaik, akurasi klasifikasi, waktu total, waktu komunikasi, waktu kalkulasi, rasio kebergantungan mesin, waktu instruksi
sekuensial, waktu instruksi paralel, peningkatan kecepatan, dan efisiensi sistem. Hasil percobaan secara lengkap dapat dilihat pada Lampiran 2.
Untuk mengetahui kinerja komputasi paralel dalam proses klasifikasi mutu tomat, maka data yang sangat penting untuk diamati adalah akurasi klasifikasi, waktu
total, peningkatan kecepatan, peningkatan akurasi, dan efisiensi sistem paralel.
A. Analisis Statistika Deskriptif Komputasi Paralel
1. Akurasi Klasifikasi
Berdasarkan hasil perhitungan statistik terhadap akurasi klasifikasi pada Tabel 6, terlihat bahwa dari 180 percobaan komputasi sekuensial, rata-rata
mean akurasi komputasi sekuensial adalah 89.204. Median komputasi sekuensial adalah 88.333, yang artinya setengah dari hasil percobaan
komputasi sekuensial menghasilkan akurasi klasifikasi di bawah nilai median dan setengah lainnya menghasilkan akurasi di atas nilai median.
Untuk komputasi paralel, dari 180 percobaan yang dilakukan, rata-rata akurasi komputasi paralel adalah 89.19 dengan nilai median 88.571.
Tabel 6. Hasil statistika deskriptif akurasi klasifikasi
Dari analisis pemusatan data melalui nilai mean dan median tersebut, dapat disimpulkan bahwa akurasi klasifikasi untuk sortasi tomat terpusat
di sekitar 89. Akurasi klasifikasi komputasi paralel sedikit lebih rendah daripada komputasi sekuensial. Namun pada mode komputasi sekuensial
maupun mode komputasi paralel, nilai akurasi yang paling banyak muncul modus adalah 86.7. Rentang data pada kedua mode komputasi adalah
20 di mana nilai akurasi terendah adalah 80 dan nilai akurasi tertinggi adalah 100. Kedua mode komputasi juga menunjukkan nilai persentil 25
dan persentil 75 yang sama. Hal ini menunjukkan bahwa dari seluruh percobaan, sebanyak 25 nya menghasilkan akurasi di atas 91.667 dan
sebanyak 25 dari seluruh percobaan menghasilkan akurasi di bawah 86.667. Sedangkan setengah dari seluruh percobaan yang dilakukan
menghasilkan nilai akurasi antara 86.667 hingga 91.667. Pola penyebaran data akurasi antara komputasi sekuensial dan komputasi
paralel hampir sama seperti yang terlihat pada diagram plot kotak pada Gambar 19 dan histogram pada Gambar 20. Sebaran ini menunjukkan
bahwa akurasi komputasi sekuensial dan komputasi paralel relatif sama.
Gambar 19. Diagram plot kotak akurasi klasifikasi PNN.
Gambar 20. Histogram akurasi klasifikasi komputasi sekuensial dan paralel.
2. Waktu Total
Berdasarkan hasil perhitungan statistika terhadap waktu total seperti yang terlihat pada Tabel 7, tampak bahwa dari total 180 percobaan komputasi
sekuensial, rata-rata waktu yang dibutuhkan adalah 548.66 detik dan median waktu total adalah 472 detik. Pada komputasi paralel, waktu yang
dibutuhkan rata-rata adalah 439.57 detik dan median waktu total adalah 362 detik. Dengan demikian, waktu komputasi paralel lebih singkat
daripada waktu yang dibutuhkan untuk komputasi sekuensial. Tabel 7. Hasil statistika deskriptif waktu total
Pada komputasi sekuensial, nilai yang sering muncul modus adalah 472 detik. Sedangkan pada komputasi paralel terjadi nilai modus yang lebih
dari satu di mana salah satunya adalah 221 detik. Standar deviasi untuk komputasi sekuensial adalah 240.7 detik dengan
keragaman 57940 detik. Sedangkan untuk komputasi paralel, standar deviasi adalah 215.4 detik dengan keragaman 46423 detik. Nilai yang
cukup besar ini menunjukkan bahwa data tersebar cukup luas dan variasi nilainya cukup besar. Kesimpulan ini diperkuat dengan nilai rentang data,
nilai minimum dan nilai maksimum. Rentang data waktu total untuk komputasi sekuensial adalah 802 detik dengan waktu tercepat adalah 161
detik dan waktu terlama adalah 963 detik. Rentang data waktu total untuk komputasi paralel adalah 747 detik dengan waktu tercepat adalah 104
detik dan waktu terlama adalah 851 detik. Secara visual, pola penyebaran data dapat dilihat dari diagram plot kotak
pada Gambar 21 dan kurva histogram pada Gambar 22. Pola sebaran data seperti yang ditunjukkan pada histogram dan diagram plot kotak tersebut,
menunjukkan bahwa waktu yang dibutuhkan untuk melakukan klasifikasi dengan mode komputasi paralel lebih cepat daripada komputasi secara
sekuensial. Selain itu, waktu total pada kedua mode komputasi sangat
bervariasi dan menunjukkan adanya faktor yang menyebabkan keragaman tersebut.
Gambar 21. Diagram plot kotak waktu total.
Gambar 22. Histogram waktu total komputasi sekuensial dan paralel.
B. Pengaruh Mode Pelatihan
Kategori