Penelitian Terdahulu LANDASAN TEORI

26 Δ = � � ; = , , … , ; = , , … , � 2.22 Langkah 7: Hitung penjumlahan �_ j pada unit tersembunyi = 1,2,…,� dengan menggunakan persamaan 2.23. Hitung faktor � pada unit tersembunyi menggunakan persamaan 2.24. Kemudian hitung suku perubahan bobot yang akan digunakan untuk memperoleh nilai bobot yang baru dengan menggunakan persamaan 2.25. �_ j = ∑ � k kj m k= 2.23 � = �_ ′ _ = �_ 1 − 2.24 � = � � ; = 1,2,…,� ; = 0,1,…, 2.25 Fase III: Perubahan Bobot Langkah 8: Hitung semua perubahan bobot. Perubahan bobot pada unit keluaran ditunjukkan pada persamaan 2.26. � = + Δ ; =1,2,…, ; =0,1,…,� 2.26 Perubahan bobot pada unit tersembunyi ditunjukkan pada persamaan 2.27. � = + Δ ; j=1,2, …,� ; =1,2,…, 2.27 Setelah pelatihan jaringan selesai dilakukan, maka pengenalan pola dapat dilakukan. Pada pelatihan backpropagation, nilai output jaringan hanya diperoleh pada fase propagasi maju langkah 4 dan 5. Fungsi aktivasi yang dipakai adalah fungsi sigmoid biner. Apabila dilakukan penggantian fungsi aktivasi, maka persamaan 2.18 dan persamaan 2.20 harus disesuaikan. Penggantian fungsi aktivasi akan mempengaruhi output yang akan dihasilkan, oleh karena itu langkah selanjutnya langkah 6 dan langkah 7 harus disesuaikan.

2.7. Penelitian Terdahulu

Penelitian tentang identifikasi kayu sudah dilakukan oleh peneliti terdahulu dengan menggunakan berbagai metode. Pada tahun 2014, Mohan S. melakukan penelitian untuk identifikasi kayu di India. Citra kayu diambil dengan menggunakan kamera dijital dengan resolusi tinggi. Citra yang diambil adalah permukaan luar kulit kayu. Penelitian ini menggunakan metode ekstraksi fitur Grey Level Co-Occurrence Matrix dalam Universitas Sumatera Utara 27 mendapatkan ciri citra kayu. Fitur GLCM yang digunakan yaitu entropy, standard deviation dan correlation. Teknik klasifikasi yang digunakan adalah metode korelasi. Hasil percobaan menunjukkan tingkat akurasi sebesar 95. Penelitian yang dilakukan oleh Risaldi et al. 2014 adalah klasifikasi kualitas kayu kelapa dengan menggunakan metode ekstraksi fitur GLCM untuk ekstraksi ciri citra kayu kelapa dan klasifikasi data dengan menggunakan backpropagation dan libSVM. Parameter yang menentukan kualitas kayu kelapa yaitu berupa kelurusan serat kayu dan kepadatan serat kayu. Hasil penelitian didapatkan bahwa backpropagation memiliki akurasi yang lebih tinggi dari libSVM dalam klasifikasi kualitas kayu kelapa. Penelitian lain yaitu klasifikasi spesies kayu tropis dengan metode Kohonen self- organizing map yang digunakan untuk mengklasifikasi kayu. Citra kayu diekstraksi dengan menggunakan teknik ekstraksi fitur yaitu Grey Level Aura Matrix BGLAM dan Statistical Properties of Pores Distribution SPPD. BGLAM menghasilkan fitur sebanyak 157 buah dan SPPD sebanyak 21 buah. Jumlah cluster KSOM adalah sebanyak 61 cluster dan memiliki jumlah cluster yang tumpang tindih yang bervariasi untuk setiap map. Hasil penelitian ini adalah penggunaan map dengan ukuran 23x23 dapat menghasilkan cluster tumpang tindih dengan jumlah yang paling rendah yaitu sebanyak 11 buah Ahmad Yusof, 2013. Gunawan et al. 2011 melakukan penelitian identifikasi kayu dengan tujuan untuk mengembangkan sebuah sistem yang dapat mengklasifikasikan empat jenis kayu yang diperdagangkan di Indonesia. Identifikasi kayu dilakukan dengan menggunakan citra mikroskopis kayu. Citra diambil dengan menggunakan kamera mikroskopis. Metode yang digunakan untuk klasifikasi citra kayu adalah support vector machine. Sedangkan metode untuk ekstraksi fitur citra yaitu two-dimensional principal component analysis 2D-PCA. Pada metode klasifikasi dengan SVM, digunakan dua buah kernel yaitu kernel RBF radial basis function dan kernel Polinomial. Penelitian ini berhasil mencapai akurasi 95.85 dalam mengidentifikasi kayu dengan menggunakan kernel Polinomial. Penelitian terdahulu yang telah dipaparkan akan diuraikan secara singkat pada Tabel 2.1. Universitas Sumatera Utara 28 Tabel 2.1. Penelitian terdahulu Perbedaan penelitian yang dilakukan dengan penelitian terdahulu adalah pada penelitian ini, identifikasi jenis kayu dilakukan dengan menggunakan metode grey level co-occurrence matrix GLCM sebagai metode ekstraksi fitur dan metode jaringan saraf tiruan backpropagation sebagai metode klasifikasi. Penelitian ini juga menggunakan metode normalisasi decimal scaling untuk menormalisasi data hasil ekstraksi fitur GLCM sebelum masuk ke tahap klasifikasi dengan menggunakan backpropagation. No Peneliti Tahun Metode Akurasi Ekstraksi Fitur Klasifikasi 1 Mohan, S., K. Venkatachalapathy P. Sudhakar 2014 Grey Level Co- Occurrence Matrix Metode Korelasi 95 2 Moh.Risaldi, Purwanto, H. Himawan 2014 Grey Level Co- Occurrence Matrix Backpropagation 81,76 3 Azlin Ahmad Rubiyah Yusof 2013 Basic Grey Level Aura Matrix Kohonen Self- Organizing Map - 4 A.A. Gede Rai Gunawan, Sri Nurdiati Yandra Arkeman 2011 Two- dimensional principal component analysis 2D- PCA Support Vector Machine 95,83 Universitas Sumatera Utara

BAB 1 PENDAHULUAN