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
55
akurasi testing sebesar 70 untuk FNN dan akurasi testing sebesar 40 untuk NN.
Perbandingan prosentase hasil proses validasi dan testing pada FNN dan NN dapat dilihat pada Gambar 37, ketepatan penentuan tahap kematangan buah
manggis berdasarkan warna kulit menggunakan FNN adalah sebesar 70, sedangkan menggunakan NN sebesar 40.
Gambar 37 a Perbandingan validasi b Perbandingan pengenalan
b. Percobaan dengan 2 target output
Dari empat model input yang dicobakan pada 2 kelas target output didapatkan hasil terbaik pada model FNN2. Model FNN2 menggunakan
parameter r, g, b, v, a, u, v dan entropi. Hasil terbaik yang didapatkan adalah testing dengan akurasi sebesar 90 dengan 5 neuron pada lapisan tersembunyi.
Hasil percobaan model input 2 dengan variasi jumlah neuron pada lapisan tersembunyi disajikan pada Lampiran 21.
Untuk mendapatkan perbandingan kemampuan pengenalan tahap kematangan buah manggis antara FNN dan NN pada penelitian ini, maka
variabel-variabel model FNN2 dicobakan ke dalam jaringan NN dengan variasi jumlah neuron pada layar tersembunyi yang sama pula. Hasil pelatihan NN
memberikan hasil terbagus menggunakan 15 neuron pada lapisan tersembunyi dengan akurasi testing sebesar 90. Perbandingan percobaan pelatihan dengan 2
kelas target menggunakan FNN dan NN yang disajikan pada Lampiran 22 menunjukkan bahwa FNN dan NN mempunyai kemampuan pengenalan yang
sama dalam penentuan tahap kematangan buah manggis dengan 2 kelas target, yaitu memberikan akurasi testing sebesar 90.
