3.3.2 Pemrosesan Data Akustik
Sinyal akustik yang terekam dalam echogram selanjutnya diolah untuk mengubah raw data dengan perangkat lunak Echoview 4.8. Data yang dihasilkan
dari pemrosesan data berupa matriks data akustik MDA yang terdiri dari matriks data target strength dan backscaterring volume Sv. Selanjutnya setiap file
memuat MDA dianalisis dengan menggunakan deskriptor akustik yang dikembangkan untuk identifikasi spesies dari modifikasi rumusan Charef et al.
2010 seperti tertera pada Tabel 2. Tabel 2. Deksriptor akustik menurut Charef et al. 2010 yang telah
dimodifikasi
Deskriptor akustik Formula Hitungan
Energetik
Sv dB 10 log
10
� σ
sv
= volume backscattering coefficients TS dB
10 log
10
� σ
bs
= backscattering cross section Sa dB
10 log
10
� �
2
Sa = area backscattering strength, Ψ = equivalent beam angle steradians,
R = range m Skewness
�3 2
dimana �
3
=
�− 3 �
−1 −2
jika n=3; 0 jika n3 E
i
= Energi akustik sampel ke-i, E
n
= Energi akustik sampel ke-n, E
SD
= Standar deviasi energi akustik Kurtosis
+ 1 − 1 − 2 − 3
�
−
4 �
− 3
− 1
2
− 2 − 3
Morfometrik
Tinggi m � ���
� � ℎ
= � � �
ℎ��
− � � � � ���
= � ���
� � ℎ
− �
2 c = Kecepatan suara di air ms,
γ = panjang pulsa ms
Bathymetrik
Kedalaman m
� �=1
; Di = Kedalaman pada sampel i , n = Σ sampel
Ketinggian Relatif m � � ���
� �
+ � ���
�
2 �
∗ 100
Gambar 9. Skema Pengukuran Deskriptor Akustik
3.3.3 Analisis Nilai Deskriptor Akustik
Analisis data statistik digunakan untuk mencari keeratan hubungan antar parameter deskriptor akustik dengan Analisis Faktor , mengelompokkan sampel
ikan dengan nilai deskriptor akustik berdasarkan ukuran kemiripan simmilarity atau ketakmiripan dissimilarity dengan Analisis gerombol Clusterring
Analysis, dan Analisis Diskriminan Discriminant Factor Analysis unuk mengelompokkan individu ke dalam suatu obyek kelas berdasarkan sekumpulan
peubah-peubah bebas Fauziyah, 2005. Hasil analisis parameter deskriptor akustik menjadi pembanding dengan
hasil yang diperoleh dari aplikasi JST Backpropagation dan MLP. Berdasarkan rekomendasi hasil penelitian Muhiddin 2007 aplikasi JSTB berbasis data
deskriptor akustik disarankan untuk menguji terlebih dahulu nilai deskriptor yang diperoleh secara statistik agar dalam tingkat pembelajaran JST diperoleh hasil
yang optimal parameter deskriptor yang signifikan dapat membedakan antara jenis ikan yang diuji cobakan.
3.4 Jaringan Saraf Tiruan 3.4.1 Arsitektur JST