Kebutuhan Alat Penelitian METODOLOGI PENELITIAN
51
oleh Gambar 34. Proses training selesai dengan durasi 1 detik dengan error MSE terkecil sebesar 9.42e-05 pada epoch 11.
Gambar 34 Pelatihan dengan 25 neuron pada lapisan tersembunyi Hasil dari proses validasi mampu mengenali sebanyak 80 data dari 105
data atau 76. Pada proses pengujian menggunakan data testing mampu mengenali sebanyak 16 data dari 20 data atau 80.
Dari gambar proses training pada Gambar 26 sampai dengan Gambar 31 diatas menunjukkan bahwa jumlah epoch yang berbeda tidak menentukan waktu
pelatihan yang berbeda, bahkan justru menunjukkan waktu pelatihan yang rata- rata hampir sama. Dengan kata lain bahwa secara umum jumlah epoch, waktu
pelatihan dan MSE yang didapatkan secara random tidak mempunyai pengaruh satu sama lain. Bentuk grafik yang landai menunjukkan lambatnya perubahan
bobot untuk mencapai konvergen, sedangkan bentuk grafik yang menukik tajam menunjukkan cepatnya perubahan bobot untuk mencapai konvergen.
Dengan memperhitungkan akurasi dan waktu pada saat pengenalan tahap kematangan buah manggis hasil pelatihan pada Tabel 6, maka model jaringan
yang terbaik untuk penentuan tahap kematangan buah manggis ini adalah model jaringan yang menggunakan 15 neuron lapisan tersembunyi.
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. Hasil pelatihan NN
memberikan hasil terbaik menggunakan 20 neuron pada lapisan tersembunyi dengan akurasi sebesar 65. Perbandingan hasil percobaan pelatihan dengan 3
52
kelas target menggunakan FNN dan NN yang disajikan pada Lampiran 17, hal tersebut menunjukkan bahwa FNN mempunyai kemampuan pengenalan yang
lebih baik dibandingkan NN dalam menentukan tahap kematangan buah manggis. Perbandingan hasil proses validasi dan testing dari FNN dan NN disajikan pada
Gambar 35, dengan akurasi rata-rata FNN sebesar 85 dan NN sebesar 65. Tabel 6 Hasil pelatihan pengenalan tahap kematangan
FNN3 Lapisan
Durasi MSE
Epoch Akurasi
Akurasi Tersembunyi
Pelatihan Validasi Testing
2 neurons 0.000175
15 75
70 5 neurons
0.000200 11
71 75
10 neurons 1
0.000129 21
73 75
15 neurons 1
0.000161 22
72 85
20 neurons 1
0.000199 20
74 75
25 neurons 1
9.42e-05 11
76 80
Gambar 35 a Perbandingan validasi b Perbandingan testing Berdasarkan matriks confussion pada Gambar 36, akurasi yang dihasilkan
oleh model FNN untuk buah manggis kelas mentah dan kelas ekspor adalah 100. Hal ini berarti untuk menjaga kualitas buah manggis mentah dan ekspor
teknik ini bisa diandalkan. Untuk kelas manggis lokal teknik ini tidak bisa dipergunakan. Dengan kata lain bahwa buah manggis dikelompokkan menjadi 3
kelas, yaitu kelas mentah, kelas ekspor, kelas bukan mentah dan bukan ekspor. Jika hal tersebut yang dilakukan maka teknik mampu melakukan klasifikasi
dengan baik sebesar 100.
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.