72
4.3. Pengujian Sistem
Pengujian sistem dilakukan untuk mengetahui kemampuan sistem yang dibangun dalam melakukan identifikasi lima jenis kayu. Kemampuan sistem dalam mengidentifikasi
jenis kayu bergantung kepada proses pelatihan backpropagation karena proses pelatihan menghasilkan bobot akhir yang akan digunakan pada tahap pengujian.
Parameter backpropagation yang digunakan pada tahap pelatihan backpropagation dapat dilihat pada Tabel 4.2.
Tabel 4.2. Parameter backpropagation
No. Parameter
Backpropagation Keterangan
1. Jumlah Hidden Neuron
40 2.
Fungsi Aktivasi Sigmoid biner
3. Maksimum Epoch
2000 4.
Minimum Error 0.1
5. Learning Rate
0.8 Hasil pengujian identifikasi jenis kayu dapat dilihat pada Tabel 4.3 dimana hasil
pengujian tersebut adalah berdasarkan hasil bobot akhir pelatihan dengan menggunakan parameter pada Tabel 4.2. Citra uji setiap jenis kayu berjumlah 10 sehingga total
keseluruhan citra uji adalah 50 citra.
Tabel 4.3. Hasil pengujian identifikasi jenis kayu No.
File Citra Desired Output
Actual Output
1. keruing-test 1.jpeg
Keruing Keruing
2. keruing-test 2.jpeg
Keruing Keruing
3. keruing-test 3.jpeg
Keruing Keruing
4. keruing-test 4.jpeg
Keruing Keruing
5. keruing-test 5.jpeg
Keruing Keruing
6. keruing-test 6.jpeg
Keruing Keruing
7. keruing-test 7.jpeg
Keruing Keruing
8. keruing-test 8.jpeg
Keruing Keruing
9. keruing-test 9.jpeg
Keruing Keruing
10. keruing-test 10.jpeg
Keruing Keruing
11. Jati-Putih-test 1.jpeg
Jati Putih Kempas
12. Jati-Putih-test 2.jpeg
Jati Putih Jati Putih
13. Jati-Putih-test 3.jpeg
Jati Putih Jati Putih
14. Jati-Putih-test 4.jpeg
Jati Putih Jati Putih
15. Jati-Putih-test 5.jpeg
Jati Putih Jati Putih
16. Jati-Putih-test 6.jpeg
Jati Putih Jati Putih
17. Jati-Putih-test 7.jpeg
Jati Putih Jati Putih
Universitas Sumatera Utara
73
Tabel 4.3. Hasil pengujian identifikasi jenis kayu lanjutan No.
File Citra Desired Output
Actual Output
18. Jati-Putih-test 8.jpeg
Jati Putih Jati Putih
19. Jati-Putih-test 9.jpeg
Jati Putih Jati Putih
20. Jati-Putih-test 10.jpeg
Jati Putih Jati Putih
21. mahoni-test 1.jpeg
Mahoni Mahoni
22. mahoni-test 2.jpeg
Mahoni Mahoni
23. mahoni-test 3.jpeg
Mahoni Mahoni
24. mahoni-test 4.jpeg
Mahoni Mahoni
25. mahoni-test 5.jpeg
Mahoni Mahoni
26. mahoni-test 6.jpeg
Mahoni Mahoni
27. mahoni-test 7.jpeg
Mahoni Mahoni
28. mahoni-test 8.jpeg
Mahoni Mahoni
29. mahoni-test 9.jpeg
Mahoni Mahoni
30. mahoni-test 10.jpeg
Mahoni Mahoni
31. Melur-test 1.jpeg
Melur Melur
32. Melur-test 2.jpeg
Melur Melur
33. Melur-test 3.jpeg
Melur Melur
34. Melur-test 4.jpeg
Melur Melur
35. Melur-test 5.jpeg
Melur Melur
36. Melur-test 6.jpeg
Melur Melur
37. Melur-test 7.jpeg
Melur Melur
38 Melur-test 8.jpeg
Melur Melur
39. Melur-test 9.jpeg
Melur Melur
40. Melur-test 10.jpeg
Melur Melur
41. Kempas-test 1.jpeg
Kempas Jati Putih
42. Kempas-test 2.jpeg
Kempas Kempas
43. Kempas-test 3.jpeg
Kempas Kempas
44. Kempas-test 4.jpeg
Kempas Kempas
45. Kempas-test 5.jpeg
Kempas Kempas
46. Kempas-test 6.jpeg
Kempas Kempas
47. Kempas-test 7.jpeg
Kempas Kempas
48. Kempas-test 8.jpeg
Kempas Kempas
49. Kempas-test 9.jpeg
Kempas Kempas
50. Kempas-test 10.jpeg
Kempas Jati Putih
Untuk menghitung akurasi pengujian, persamaan yang digunakan adalah persamaan 4.1.
Akurasi = Jumlah data uji yang benar
Jumlah data uji keseluruhan x 100
4.1
Universitas Sumatera Utara
74
Akurasi hasil pengujian pada Tabel 4.3 dapat dilihat pada Tabel 4.4. Tabel 4.4 menunjukkan jumlah actual output yang sesuai dengan desired output pada setiap jenis
kayu beserta nilai akurasinya dengan menggunakan persamaan 4.1.
Tabel 4.4. Akurasi pengujian No.
Jenis Kayu Jumlah
Actual Output yang sesuai dengan
Desired Output Akurasi
1. Keruing
10 100
2. Jati Putih
9 90
3. Mahoni
10 100
4. Melur
10 100
5. Kempas
8 80
Berdasarkan hasil pada Tabel 4.4, maka akurasi keseluruhan dapat dihitung. Akurasi keseluruhan diperoleh dengan menggunakan persamaan 4.1 yaitu dengan
menambahkan jumlah actual output yang sesuai dengan desired output dari masing- masing jenis kayu dibagi dengan jumlah seluruh data jenis kayu seperti berikut.
Akurasi = + +
+ +
5 x 100 = 94
Untuk pengujian selanjutnya yaitu pengujian terhadap pemilihan parameter maksimum epoch dalam proses pelatihan. Pemilihan parameter maksimum epoch
dilakukan dengan melakukan 10 kali percobaan menggunakan parameter pada Tabel 4.2 dengan parameter maksimum epoch yang berbeda-beda. Percobaan yang dilakukan
menggunakan bobot awal yang sama. Hasil pengujian terhadap pemilihan parameter maksimum epoch dapat dilihat pada Tabel 4.5 dan grafik pada Gambar 4.12, dimana
jumlah citra uji pada setiap jenis kayu adalah 10 citra.
Tabel 4.5. Pengujian nilai maksimum epoch
No. Maksimum
Epoch Jumlah
Actual Output yang sesuai dengan Desired Output
Akurasi Keseluruhan
Keruing Jati
Putih Mahoni Melur Kempas
1. 100
8 10
10 56
2. 200
10 10
10 60
3. 300
10 10
2 10
64 4.
400 10
10 8
8 72
Universitas Sumatera Utara
75
Tabel 4.5. Pengujian nilai maksimum epoch lanjutan
No. Maksimum
Epoch Jumlah
Actual Output yang sesuai dengan Desired Output
Akurasi Keseluruhan
Keruing Jati
Putih Mahoni Melur Kempas
5. 500
10 10
9 8
74 6.
600 10
10 9
8 74
7. 700
10 2
10 9
8 78
8. 800
10 2
10 9
8 74
9. 900
10 7
10 10
8 90
10. 1000
10 7
10 10
8 90
11. 1100
10 9
10 10
7 92
12. 1200
10 9
10 10
7 92
13. 1300
10 9
10 10
8 94
14. 1400
10 9
10 10
8 94
15. 1500
10 9
10 10
8 94
Gambar 4.12. Pengujian nilai maksimum epoch
Tabel 4.5 menunjukkan maksimum epoch, jumlah actual output yang sesuai dengan desired output per jenis kayu serta akurasinya. Hasil pengujian yang dapat
dilihat pada Tabel 4.5 dan Gambar 4.12 menunjukkan bahwa pada maksimum epoch ke 1300, akurasi sudah mencapai 94. Semakin bertambahnya epoch, akurasi semakin
meningkat.
10 20
30 40
50 60
70 80
90 100
100 200
300 400
500 600
700 800
1200 1300
1400 1500
Pe rse
n tase
A ku
rasi
Pengujian Nilai Maksimum Epoch
Maksimum Epoch
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN