53
Gambar 36 Matriks confussion hasil klasifikasi a FNN b NN Kesalahan pendugaan sistem sebesar 15 pada model FNN dapat terjadi
karena ukuran sampel manggis yang digunakan tidak seragam dan dalam pengambilan nilai-nilai fitur yang digunakan sebagai penentu kematangan
manggis mengabaikan diameter buah manggis. Jika ukuran sampel manggis yang digunakan seragam dan atau pengambilan nilai-nilai fitur dilakukan hanya pada
area kulit buah manggis yang mengalami perkembangan warna seiring dengan ketuaan atau tahap kematangan dimungkinkan akan mendapatkan nilai-nilai fitur
yang lebih mencirikan buah manggis tersebut. Atau dengan kata lain, akan didapatkan nilai-nilai fitur yang mempunyai pengaruh lebih besar terhadap tahap
kematangan buah manggis, sehingga kesalahan pendugaan bisa menjadi lebih kecil.
Berdasarkan perbandingan pengenalan tersebut diatas, FNN mempunyai kemampuan yang lebih bagus dalam pengenalan terhadap tahap kematangan buah
manggis, sehingga model FNN layak digunakan sebagai model klasifikasi kematangan buah manggis. Model FNN yang dikembangkan untuk klasifikasi
kematangan buah manggis menggunakan bobot yang didapatkan dari model FNN3 dengan 15 neuron pada lapisan tersembunyi.
4.11 Analisis Hasil Pemodelan FNN Pembanding
FNN pembanding yang dimaksud dalam penelitian ini adalah FNN untuk mengklasifikasi tahap kematangan manggis ke dalam 5 kelas dan 2 kelas target
klasifikasi. Hal ini dimaksudkan untuk mengetahui akurasi model FNN yang dilatih menggunakan data, variasi input dan variasi jumlah neuron pada lapisan
input yang sama namun menggunakan jumlah target yang berbeda. Lima kelas target klasifikasi buah manggis menunjukkan lima tahap
kematangan yang digunakan dalam penelitian ini, yaitu kelas 1 untuk buah yang berada pada tahap kematangan 2 mentah, kelas 2 untuk buah yang berada pada
54
tahap kematangan 3 ekspor1, kelas 3 untuk buah yang berada pada tahap kematangan 4 ekspor2, kelas 4 untuk buah yang berada pada tahap kematangan
5 lokaldomestik1 dan kelas 5 untuk buah yang berada pada tahap kematangan 6 lokaldomestik2. Dua kelas target klasifikasi buah manggis menunjukkan tahap
kematangan buah untuk kelas ekspor dan lokaldomestik. Kelas 1 ekspor untuk buah yang berada pada tahap kematangan 2, 3 dan 4. Kelas 2 lokaldomestik
untuk buah yang berada pada tahap kematangan 5 dan 6. Nilai output untuk penentuan tahap kematangan buah manggis ke dalam 5 kelas dan 2 kelas target
disajikan dalam Lampiran 18. Seperti pada percobaan sebelumnya, percobaan-percobaan dilakukan
untuk mendapatkan model jaringan FNN yang terbaik dalam penentuan tahap kematangan buah manggis. Model FNN yang terbaik adalah yang memberikan
akurasi optimal ketika dilakukan validasi terhadap data training maupun pengujian pada data testing.
a. Percobaan dengan 5 kelas target output
Dari empat model input yang dicobakan pada 5 kelas target output didapatkan hasil terbaik pada model FNN3. Model FNN3 menggunakan
parameter g, v, a, u, v, entropi, kontras, energi dan homogenitas. Hasil terbaik yang didapatkan adalah testing dengan akurasi sebesar 70 dengan 15 neuron
pada lapisan tersembunyi. Hasil percobaan model FNN3 dengan variasi jumlah neuron pada lapisan tersembunyi disajikan pada Lampiran 19.
Untuk mendapatkan perbandingan kemampuan pengenalan tahap kematangan buah manggis antara FNN dan NN pada penelitian ini, maka
variabel-variabel model FNN3 dicobakan ke dalam jaringan NN dengan variasi jumlah neuron pada layar tersembunyi yang sama pula. Hasil pelatihan NN
memberikan hasil terbagus menggunakan 25 neuron pada lapisan tersembunyi dengan akurasi testing sebesar 40. Pada perbandingan percobaan pelatihan
dengan 5 kelas target menggunakan FNN dan NN yang disajikan pada Lampiran 20 menunjukkan bahwa FNN mempunyai kemampuan yang lebih baik
dibandingkan NN dalam menentukan tahap kematangan buah manggis, yaitu
