didapatkan hasil dari AG. Data kelompok kawanan ikan yang dihasilkan AG digunakan sebagai masukan dalam AFD. Dari analisis AFD dihasilkan fungsi-
fungsi diskriminan yang berfungsi secara signifikan membedakan antar kelompok kawanan ikan. Fungsi diskriminan yang dimaksud adalah fungsi dari beberapa
variabel diskriminan. Variabel-variabel ini yang selanjutnya disebut sebagai deskriptor utama. Hasil dari tahap ini adalah kawanan ikan terklasifikasi dan
deskriptor utama. Analisis statistik dilakukan dengan Program Statistik SPSS 12.
3.5 Arsitektur JST
Dalam penelitian ini arsitektur JST dibangun untuk mengidentifikasi spesies kawanan ikan berdasarkan data kawanan ikan target. Arsitektur jaringan
saraf yang dibangun tersusun dari lapisan tunggal dan banyak lapisan. Pemilihan arsitektur JST yang terbaik dilakukan dengan mengujicobakan setiap arsitektur
JST dengan menggunakan data ikan uji. Arsitektur JST yang terbaik ditentukan
berdasarkan nilai Mean Square Error MSE, Jumlah iterasi, dan tingkat
ketepatan jaringan dalam melakukan identifikasi Storbeck Daan, 2001; Haralabous Georgakarakos, 1996; Simmonds et al., 1996.
Ada 3 arsitektur JST yang akan dibangun yang dibedakan berdasarkan jumlah dan jenis deskriptor akustik yang digunakan sebagai masukannya. Ketiga
JST tersebut adalah; 1
JST dengan unit sel masukan sebanyak jumlah deskriptor utama hasil
analisis statistik, JST1.
2 JST dengan jumlah unit sel masukan sebanyak jumlah deskriptor akustik
yang dihasilkan dari hasil hitungan deskriptor, JST2. Dengan JST ini
ditentukan kontribusi masing-masing deskriptor dalam proses identifikasi dan klasifikasi dengan Metode JST2. Kontribusi masing-masing deskriptor
dapat dilihat pada Diagram Pareto. 3
JST dengan jumlah unit sel masukan yang sama dengan jumlah unit sel
masukan JST1 tetapi dengan jenis deskriptor yang berbeda, JST3.
Deskriptor JST3 adalah deskriptor dengan kontribusi yang terbesar yang dihasilkan JST2.
3.6 Rancangan Awal JST
Rancangan awal JST dilakukan untuk menentukan kisaran jumlah awal initial value dari jumlah sel dalam lapisan masukan, lapisan tersembunyi,
lapisan keluaran, dan metode pelatihan yang tepat yang dapat digunakan untuk merancang model JST. Penentuan jumlah awal dilakukan dengan pendekatan
numerik dengan mencobakan beberapa jumlah sel dan metode pelatihan kedalam JST. Jumlah sel dan metode pelatihan yang dipilih dijadikan sebagai jumlah awal
dan metode pelatihan dalam pembuatan model JST. Model JST yang dipilih selanjutnya dilatih lagi untuk mengenali pola-pola
tertentu yang unik dari nilai deskriptor kawanan ikan target. Jika proses pelatihan dengan sejumlah citra akustik ikan target berhasil maka selanjutnya dilakukan uji
coba jaringan dengan cara mencoba mengidentifikasi citra akustik kawanan lainnya dari data uji yang sudah teridentifikasi sebelumnya. Hasil identifikasi dan
klasifikasi dengan metode JST selanjutnya dibandingkan dengan hasil identifikasi dan klasifikasi yang dilakukan dengan Metode Statistik. Hal ini sejalan dengan
apa yang telah dilakukan oleh Haralabous Georgakarakos 1996; Simmonds et al
. 1996.
3.7 Validasi Silang