Untuk mempersingkat waktu, maka hal yang dapat dilakukan adalah dengan mengubah perbandingan antara data pelatihan dan data masukan.
Namun waktu yang dibutuhkan akan lebih cepat dengan mengurangi data masukan yang digunakan. Hal ini ditunjukkan pada mode pelatihan 3 dan
7, di mana waktu total untuk proses klasifikasi dengan perbandingan data pelatihan dan data masukan sebesar 70 : 30 mode pelatihan 7 lebih
cepat daripada dengan perbandingan 30 : 70 mode pelatihan 3. Sehingga waktu untuk klasifikasi yang paling cepat adalah dengan mode
pelatihan 9 90 data pelatihan dan 10 data masukan. Waktu klasifikasi yang paling lama adalah pada mode pelatihan 5 di mana
digunakan 50 data pelatihan dan 50 data masukan.
3. Penerapan Mode Pelatihan dalam Sistem Sortasi
Berdasarkan grafik pada Gambar 24, mode pelatihan 9 merupakan mode pelatihan yang menghasilkan waktu total paling cepat. Dan berdasarkan
grafik pada Gambar 23, mode pelatihan 9 ini juga menghasilkan akurasi klasifikasi tertinggi. Waktu total, dalam hal ini, merupakan waktu
keseluruhan yang diperlukan oleh sistem yang terdiri atas waktu untuk proses pelatihan dan waktu untuk melakukan klasifikasi. Dalam konteks
penerapannya sebagai sistem sortasi, mode pelatihan 9, yang menghasilkan waktu total paling cepat dan akurasi paling tinggi, tidak
selalu akan menjadi pilihan bagi pengguna sistem sortasi. Hal ini dikarenakan untuk mencapai waktu total yang paling cepat, diperlukan
pelatihan yang melibatkan setidaknya 90 dari seluruh sampel. Pengguna akan lebih memilih menggunakan sedikit sampel untuk
pelatihan, namun sistem mampu melakukan sortasi terhadap sebagian besar objek secara cepat dan akurat. Dalam penelitian ini, mode pelatihan
1 adalah mode di mana digunakan data pelatihan yang paling sedikit dibandingkan mode pelatihan lain. Sedangkan pada mode pelatihan 5
diperlukan 50 dari seluruh sampel untuk pelatihan. Tabel 8 membandingkan mode pelatihan dengan mempertimbangkan
rasio data pelatihan yang digunakan, akurasi dan waktu total yang dihasilkan masing-masing mode untuk mode komputasi paralel.
Tabel 8. Perbandingan rasio data pelatihan, akurasi klasifikasi dan waktu total pada berbagai mode pelatihan untuk mode komputasi
paralel.
Mode pelat ihan
Rasio dat a pelat ihan
Populasi AG 500 Populasi AG 1000
Akurasi Wak t u Tot al
det ik Ak urasi
Wak t u Tot al det ik
1 10 87.56
216.3 88.96
484.1 2 20
87.58 285.5
88.08 585.0
3 30 87.81
343.3 88.00
764.7 4 40
87.89 365.7
88.22 745.9
5 50 88.93
365.8 88.93
771.7 6 60
89.33 337.3
89.67 778.5
7 70 89.78
292.6 90.00
610.9 8 80
90.33 215.9
90.33 409.3
9 90 92.00
115.6 92.00
224.1
Berdasarkan Tabel 8, mode pelatihan 9 tidak selalu menjadi pilihan untuk diterapkan dalam sistem sortasi walaupun waktu totalnya paling cepat
dan akurasinya paling tinggi, karena terdapat mode pelatihan lain yang menggunakan lebih sedikit data untuk pelatihan namun mampu
melakukan klasifikasi dengan akurasi yang masih cukup tinggi dan waktu yang relatif masih singkat. Dalam hal ini, mode pelatihan 1 cukup baik
karena dengan data pelatihan yang paling sedikit, kinerja sortasi dengan komputasi paralel relatif baik berdasarkan akurasi klasifikasi dan waktu
total.
C. Pengaruh Populasi Algoritma Genetik AG
