Pengujian Sistem IMPLEMENTASI DAN PENGUJIAN

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