Proses Testing Penelitian Terdahulu

Proses pada tahap ini dilakukan secara iterasi dengan learning rate yang mengecil. Satu iterasi dapat disebut sebagai satu epoch. Pada satu epoch, semua data akan dihitung jarak terdekatnya dan akan dilakukan perbaharuan pada vektor pewakil. Untuk melanjutkan ke epoch berikutnya maka learning rate akan dikalikan dengan Dec α. Setelah α telah mencapai minimal α, maka proses training akan dihentikan.

b. Proses Testing

Pada tahap testing, data diklasifikasikan dengan cara yang sama sesuai dengan tahap training. Dimana proses perhitungan dilakukan dengan mencari jarak terdekat dari setiap kelas. Setelah didapatkan jarak pada setiap bobot maka tentukan nilai bobot dengan jarak terdekat. Selanjutya nilai bobot tersebut akan ditetapkan sebagai kelas.

2.6 Penelitian Terdahulu

Beberapa penelitian telah dilakukan untuk menyelesaikan permasalahan pada karet RSS. Pada penelitian yang dilakukan oleh Ahmad et al, 2006 pada pemeriksaan mutu karet RSS menggunakan pengolahan citra dengan menganalisi karakteristik warna permukaan karet baik menggunakan model warna RGB maupun HSI dan karakteristik tekstur menggunakan analisis tekstur untuk tiap tiap kelas mutu RSS menghasilkan parameter warna dapat digunakan sebagai parameter mutu karet dan fitur tekstur tidak dapat dijadikan parameter mutu karet khususnya dalam menentukan batas RSS-2. Pada Model RGB, Indeks warna biru dapat digunakan untuk mengklasifikasikan mutu RSS dengan kesesuaian yang cukup tinggi namun hasil yang lebih baik dan konsistern diperoleh dengan menggunakan warna HIS dengan kriteria H ≤ 28 dan I ≥ 220 pada RSS1, H ≥ 68 dan S ≤ 73 untuk RSS3 dan RSS 2 berada pada llingkup selain kriteria RSS1 dan RSS3 dengan tingkat kesesuaian 86 untuk RSS1, 77,5 untuk RSS2, dan 95 untuk RSS3. Selain itu pada penelitian yang dilakukan oleh Kurniawan, 2003 pada kajian karakteristik mutu karet olahan jenis RSS Ribbed Smoke Sheet dengan teknik pengolahan citra melakukan empat perlakuan yang berbeda pada proses pengambilan citra yaitu perlakuan I, pengambilan citra RSS dengan cahaya lampu dari atas dengan Universitas Sumatera Utara tingkat resolusi 192 x 144. Perlakuan II, dengan cahaya lampu dari bawah dengan tingkat resolusi 192 x 144. Perlakuan III, dilakukan pencahayaan dari atas dengan resolusi 341 x 256 dan perlakuan IV, dilakukan pencahayaan dari bawah dengan resolusi 341 x 256. Dan parameter yang diukur dari citra RSS meliputi indeks warna RGB, komponen warna HIS dan komponen tekstur citra. Hasil pengolahan citra perlakuan I menunjukkan bahwa hanya parameter indeks warna biru saja yang dapat digunakan sebagai parameter sortasi dengan nilai batas atas sebesar 0.2921 dan batas bawah sebesar 0.2843. Hasil pengolahan citra perlakuan II menunjukkan parameter indeks warna merah, hijau, biru dan saturasi dapat digunakan sebagai parameter sortasi dengan batas atas dan batas bawah masing-masing Merah 0.4143 , 0.3914, Hijau 0.3321 , 0.3258, Biru 0.2743, 0.2574 dan Saturasi 95,76. Hasil perlakukan III ditemukan bahwa hanya parameter indeks warna biru yang dapat digunakan sebagai parameter sortasi dengan nilai batas atas sebesar 0.2929 dan batas bawah sebesar 0.2852. Hasil pengolahan citra perlakuan IV menunjukkan parameter indeks warna merah, hijau, biru dan saturasi dapat digunakan sebagai parameter sortasi dengan batas atas dan batas bawah masing-masing Merah 0.4168, 0.3927, Hijau 0.3305, 0.3241, Biru 0.2740, 0.2570 dan Saturasi 96.77. Dari hasil perbandingan antar setiap perlakukan menghasilkan presentase keberhasilan pemutuan resolusi 341 x 256 lebih tinggi dibandingkan resolusi 192 x 144. Pada penelitin yang dilakukan oleh Umyai et al, 2011 dalam mendeteksi gelembung udara pada Ribbed Smoked Sheet berdasarkan dimensi fractal pada 500 citra RSS menghasilkan 98 tingkat keberhasilan klasifikasi ada atau tidaknya gelembung pada RSS. Pada penelitian yang dilakukan oleh Pornpanomchai Chantharangsikul, 2010 pada Sistem pengklasifikasian RSS menggunakan metode k-Mean Clustering dan the Euclidean Distance untuk mengklasifikasikan RSS ke dalam lima kualitas yaitu RSS1, RSS2, RSS3, RSS4, dan RSS5 menghasilkan 80.90 tingkat keberhasilan dengan rata rata waktu klasifikasi 10.88 detik per citra RSS Universitas Sumatera Utara Pada penelitian yang dilakukan oleh Prabpal et al, 2014 pada klasifikasi kualitas karet RSS menggunakan pengolahan citra dengan metode ANN menghasilkan tingkat akurasi 90 pada 100 sampel karet RSS yang dibagi kedalam 4 level yaitu A Sangat Bagus, B Bagus, C Cukup, dan D Jelek Tabel 2.2 Penelitian Terdahulu Peneliti Judul Penelitian Keterangan Ahmad et al, 2006 Pemeriksaan Mutu Karet RSS Menggunakan Pengolahan Citra Menggunakan model warna RGB dan HSI Kurniawan, 2003 Kajian Karakteristik Mutu Karet Olahan Jenis RSS Ribbed Smoke Sheet Mengunakan 4 perlakuan pada pencahayaan dan menggunakan model warna RGB dan HSI Umyai et al, 2011 Air bubbles Detecting on Ribbed Smoked Sheet Based on Fractal Dimension Menggunakan metode 2D-box counting untuk menghitung dimensi fractal Pornpanomchai Chantharangsikul, 2010 Ribbed Smoked Sheet Grading Sistem RSSGS Menggunakan metode k-Mean Clustering dan The Euclidean Distance Prabpal et al 2014 The classify of rubber sheet quality by image processing with artificial neural network Menggunakan metode ANN Universitas Sumatera Utara

BAB 1 PENDAHULUAN