Teknik praproses di atas belum mencapai tingkat pengenalan generalisasi yang diinginkan, yaitu diatas 95. Sehingga perlu adanya teknik yang mampu
memenuhi generalisasi hingga diatas 95, teknik tersebut adalah teknik analisa tektur.
Teknik analisa tekstur yang dikemukan Haralic terdiri dari energi, kontras, homogenitas, dan entropy. Namun setelah dilakukan percobaan, ternyata empat
komponen ini tidak cukup untuk mencapai tingkat generalisasi diatas 95. Sehingga dibutuhkan beberapa komponen tambahan sebagai pelengkap untuk
mencapai tingkat generalisasi yang diinginkan. Komponen tambahan tersebut yaitu tiga unsur dari citra warna RGB adalah warna merah R, warna hijau G
dan warna biru B dan dua unsur dari citra grayscale adalah derajat keabuan dan standar deviasi.
Selain kecilnya jumlah data masukan bagi JST, arsitektur jaringan pun sederhana, yaitu hanya memiliki satu lapisan tersembunyi. Pada penelitian ini
jumlah masukan pada lapisan tersembunyi yang dicoba adalah 9, 18, 24 dan 36 neuron. Angka ini merujuk pada penelitian-penelitian yang menggunakan
algoritma propagasi balik, bahwa jumlah masukan pada lapisan tersembunyi mendekati jumlah masukan pada lapisan awal. Angka berikutnya 18 dan 36
diambil dari kelipatan 9. Terkecuali angka 24 yang diambil secara acak.
3.3 Tahap Tatalaksana Pelatihan
Tahap tatalakasana pelatihan termasuk praproses bertujuan untuk mengambil ciri yang dominan dari sebuah citra yang akan digunakan untuk
membentuk model jaringan.Pada penelitian ini, tahap ini dapat dilihat pada Gambar 10.
Gambar 10 Bagan tatalaksana pelatihan
kayu Pindai
scanner Citra pori
RGB 250 x 250
pixel
Gray Level 250 x
250 pixel biru
hijau merah
homogenitas kontras
energi
Standar deviasi graylevel
entropy JST
PB NN model dgn
bobot konvergen
1. Kayu diserut Untuk mendapatkan citra yang baik, maka sebelum di pindai, kayu terlebih
dahulu disrut dengan menggunakan cutter. Caranya adalah sekali serut dan pisau tidak digesekkan. Bagian yang disrut adalah bagian horizontal dari
arah tumbuh pohon. Gambar 11 menunjukkan bagaimana mensrut kayu.
Gambar 11 Bagaimana memotong kayu www.swst.org
2. Pindai kayu Bagian kayu yang sudah diserut diletakkan di atas alat pindai scanner
Gambar 12 untuk diambil bagian yang sudah diserut. Pemindaian citra dilakukan dengan beberapa pembesaran, resolusi dan ketajaman, ini dapat
dilihat pada Tabel 1. Tabel 1 Tujuh tipe pembesaran
Tipe Pembesaran
Dibesarkan kali
Resolusi dpi
Ketajaman 1
24 50
M edium 2
15 50
Medium 3
24 25
Medium 4
20 50
Ekstrim 5
15 50
Ekstrim 6
10 50
Ekstrim 7
10 100
Ekstrim
Semua tipe tersebut memiliki 256 warna 8 bit. Agar lebih banyak variasi, maka tiap tipe dipindai sebanyak lima kali. Dimana tiap kali memin dai,
kayu diserut terlebih dahulu. Jumlah seluruhan citra pada semua tipe pembesaran untuk satu jenis kayu adalah 35 citra. Sehingga total citra
yang dipindai untuk lima jenis kayu adalah 175 citra.
Gambar 12 Proses pindai.
Gambar 13 Antarmuka perangkat lunak pindai.
3. Pemotongan citra Cita yang didapat dari hasil pindai kemudian dipotong cropping
berukuran 250 x 250 pixel. Citra yang diambil adalah 25 citra berukuran 250 x 250 pixel. Sebagai contoh :
Ø Kayu ramin pembesaran tipe 1 : 25 citra 250 x 250 pixel. Ø Kayu ramin pembesaran tipe 2 : 25 citra 250 x 250 pixel.
Ø Kayu ramin pembesaran tipe 3 : 25 citra 250 x 250 pixel. Sampai dengan pembesaran tipe 7. Total citra untuk kayu ramin pada
semua tipe pembesaran adalah 25 x 7 = 175 citra. Hal ini dilakukan juga untuk kayu jabon, meranti, mersawa, dan pulai. Jadi
total citra untuk semua jenis kayu adalah 5 x 25 x 7 = 875 citra. Contoh citra hasil pindai dapat dilihat pada Gambar 14.
Gambar 14 Citra hasil cropping 250 x 250 pixel. 4. Pengambilan unsur
Pengambilan unsur dilakukan pada citra RGB dan skala keabuan. Dari citra RGB diambil unsur merah, hijau, dan biru. Dari citra skala keabuan
diambil unsur entropy, kontras, energi, homogenitas, level , dan standar deviasi. Perintah pada Matlab untuk mengambil unsur-unsur tersebut dapat
dilihat pada Lampiran 1. 5. JST PB
Merupakan tahap melatih model-model jaringan yang dianalisa. 6. JST dengan bobot stabil konvergen
Merupakan arsitektur jaringan yang sudah memiliki bobot stabil.
3.4 Tahap Tatalaksana Pengujian
