Prosedur Operasional Penerapan Neural Network Backpropagation Untuk Klasifikasi Jamur Penyebab Penyakit Antraknosa Pada Cabai

43 Hasil dari pelatihan citra lebih lengkap dapat dilihat pada lampiran 1.

4.3. Prosedur Operasional

Halaman awal ketika aplikasi pertama kali dijalankan, akan memunculkan dua tombol yaitu pelatihan citra dan pengujian citra. Pengguna dapat memilih tombol “Pelatihan” untuk masuk kehalaman pelatihan citra dan memilih tombol “Pengujian” untuk masuk kehalaman pengujian citra 4.3.1. Prosedur operasional pada halaman pelatihan citra Hal pertama yang harus dilakukan sebelum menjalankan proses pelatihan citra adalah menambah data citra. Cara menambah data citra itu sendiri adalah dengan memilih data citra yang akan di input deng an mengklik tombol “Pilih Citra”, kemudian akan muncul kotak dialog untuk memilih citra yang akan di-input. Setelah data citra dipilih, selanjutnya akan ditampilkan list nama data citra pada panel yang tersedia sesuai dengan jenis jamur. 4.3.2. Prosedur operasional pada halaman pengujian citra Hal pertama yang dilakukan sebelum menjalankan proses pelatihan citra adalah meng- input data citra yang akan diproses dengan meng- klik tombol “Browse”, lalu kemudian akan muncul kotak dialog yang digunakan untuk memilih citra yang akan digunakan. Pengguna dapat menghapus gambar yang dipilih dengan cara mengklik tombol “Reset” Tombol “Identifikasi” berguna untuk melakukan proses identifikasi pada citra yang dipilih, dimulai dari proses enhancement, yaitu image brightness, contrast dan sharpening. Pada proses image brightness dan contrast, tingkatnya kecerahan dan kontras dinaikkan 10 tingkat, begitu juga dengan image sharpening. Sehingga didapatkan citra yang lebih baik untuk diproses pada tahap selanjutnya. Kemudian proses yang akan dilakukan adalah proses fitur ekstrasi. Sebelum dilakukan proses ekstrasi akan dilakukan terlebih dahulu normalisasi RGB yang berguna untuk mengecilkan nilai RGB. Setelah didapatkan hasil dari normalisasi RGB, akan dilakukan konversi nilai RGB menjadi HSV dan didapatkan 162 fitur sebagai keluaran. Dilanjutkan dengan melakukan proses identifikasi menggunakan Neural Network Backpropagation. Pada proses ini, input yang akan digunakan adalah hasil Universitas Sumatera Utara 44 dari feature extraction yang telah dilakukan sebelumnya yaitu 162 fitur dan 1 bias. Lalu terdapat 3 hidden layer dengan 1 bias dan 3 output. Adapun hasil dari proses enhancement akan ditampilkan pada panel “Citra - Brightness Contrast” dan pada panel “Citra – Sharpening”. Hasil dari fitur ekstraksi akan ditampilkan pada panel “Fitur Ekstrasi” bagian kiri bawah halaman dan hasil dari pengujian citra akan tampil pada panel “Hasil Pengujian” bagian kanan bawah halaman. Halaman ini dapat dilihat pada gambar 4.1. a b Gambar 4.1. Tampilan halaman pengujian setelah selesai dilakukan pengujian a Colletotichum Capsici; b Gloeosporium Piperatum Universitas Sumatera Utara 45

4.4. Pengujian Citra