Tabel 9 menunjukkan kelas 1 F. angustifolia, kelas 2 F. imbricata, dan kelas 4 F. sumatrana terklasifikasi 100, yaitu sebanyak 24 data terklasifikasi
semuanya. Kelas 3 F. javanica terklasifikasi 23 data, 1 record dari kelas 3 terklasifikasi kelas 4. Percobaan keempat menghasilkan akurasi lebih tinggi
dibandingkan percobaan ketiga. Hal ini menunjukkan klasifikasi menggunakan JST lebih baik dibandingkan K -NN.
4.4. Hasil Percobaan
Percobaan kesatu menggunakan ekstraksi fitur RGB dan analisis tekstur dengan K-NN menghasilkan tingkat kesalahan klasifikasi 13,54 tanpa
transformasi dan 5,21 dengan transformasi. Jumlah data yang salah diklasifikasikan masing-masing sebanyak 13 buah data dan 5 buah data dengan
nilai k=1 dan k=2. Percobaan kedua menggunakan pengenal pola JST menghasilkan tingkat kesalahan 5,21 atau sebanyak 5 buah data yang salah
diklasifikasikan pada jumlah hidden neuron 10 dan 30. Percobaan ketiga menggunakan dekomposisi wavelet dengan K-NN k=1
dan k=2 menghasilkan tingkat kesalahan klasifikasi 3,1 pada dekomposisi wavelet level 1. Jumlah data yang salah klasifikasi sebanyak 3 buah data ,
sedangkan menggunakan JST pada percobaan keempat tingkat kesalahan menurun menjadi 1,0 atau hanya satu buah data yang salah klasifikasi pada jumlah hidden
neuron 30. Percobaan dengan dekomposisi wavelet level dua hingga level empat ternyata tidak meningkatkan nilai akurasi . Jumlah hidden neuron sebanyak 10, 20,
dan 30 pada JST tidak menghasilkan beda yang jauh dalam proses klasifikasi. Hasil percobaan menggunakan fold 6 dengan K-NN ditunjukkan pada Tabel 10.
Tabel 10 menunjukkan bahwa percobaan kesatu menggunakan RGB dan analisis tekstur dengan K -NN terdapat 2 record yang salah diklasifikasikan yaitu
kelas 2 data ke-23 dan 24 menjadi kelas 4. Hal ini disebabkan karena bentuk tekstur epidermis pada kelas 2 F.imbricata memiliki kemiripan dengan kelas 4
F.sumatrana, sedangkan pada dekomposisi wavelet data tersebut benar
diklasifikasikan menjadi kelas 2. Rekapitulasi hasil percobaan dengan akurasi tertinggi ditunjukkan pada Tabel 11.
Tabel 10 Hasil percobaan fold 6 menggunakan K-NN k=1 dan k=2
Aktual Prediksi Analisis Tekstur
Prediksi Wavelet KelasJenis
Data ke-
KelasJenis Dekat
pada data ke-
KelasJenis Dekat
pada data ke-
1 F.angustifolia 21
1 F.angustifolia 3
1 F.angustifolia 3
22 7
8 23
3 7
24 1
4 2 F.imbricata
21 2 F.imbricata
4 2 F.imbricata
18 22
15 18
23 4 F.sumatrana
19 12
24 2
4 3 F.javanica
21 3 F.javanica
12 3 F.javanica
12 22
15 19
23 9
13 24
10 20
4 F.sumatrana 21
4 F.sumatrana 6
4 F.sumatrana 4
22 6
6 23
14 14
24 14
14
salah klasifikasi Tabel 11 Rekapitulasi percobaan
KNN k = 1 dan k=2 JST jumlah hidden neuron = 30
RGB dan analisis tekstur Wavelet
RGB dan analisis tekstur
Wavelet tanpa
transformasi dengan
transformasi
86,46 94,79
Level 1 96,88
94,79 Level 1
99,0 Level 2
92,71 Level 2
95,8 Level 3
90,63 Level 3
92,7 Level 4
90,63 Level 4
91,7
Tabel 11 menunjukkan hasil akurasi di atas 85. Hasil percobaan dengan K -NN dicapai akurasi tertinggi pada k=1 dan k=2, sedangkan dengan JST dicapai akurasi
tertinggi pada level satu dengan jumlah hidden neuron 30.
4.5. Prototype Sistem Klasifikasi Freycinetia
Prototype terdiri atas empat macam, yaitu prototype satu menggunakan ekstraksi fitur RGB dan analisis tekstur dengan pengenal pola K-NN, sedangkan
prototype dua menggunakan JST. Prototype tiga menggunakan ekstraksi fitur dekomposisi wavelet level satu dengan pengenal pola K-NN, sedangkan prototype
empat menggunakan JST. Prototype satu ditunjukkan pada Lampiran 8.
