menu dropdown setiap halaman pada menu
dropdown yang terpilih Form setiap proses
Citra Aplikasi akan menampilkan
hasil pengenalan citra setiap proses
Berhasil
3 Halaman
Data Uji Tombol
“Bobot LVQ”
Aplikasi akan menghitung nilai bobot berdasarkan epoh
yang di input Berhasil
Tombol “Pilih
Citra” Aplikasi
menampilkan halaman baru untuk memilih
file citra yang akan diproses Berhasil
Tombol “Proses” Aplikasi menampilkan hasil
proses pada citra yang dilatih dan hasil dari klasifikasi
Berhasil
Mencoba semua menu dropdown
Aplikasi akan menampilkan setiap halaman pada menu
dropdown yang terpilih Berhasil
Form setiap proses Citra
Aplikasi akan menampilkan hasil pengenalan citra setiap
proses Berhasil
4 Halaman
Tentang Mencoba semua
menu dropdown Aplikasi akan menampilkan
setiap halaman pada menu dropdown yang terpilih
Berhasil
4.4 Pelatihan Citra
Pada proses pelatihan, data yang akan digunakan berupa 120 citra karet yang terdiri atas 60 citra karet RSS1 dan 60 citra karet RSS3. Data masukan berupa citra karet
RSS berukuran 1024 x 1024 yang disimpan pada hard disk local. Proses klasifikasi menggunakan jaringan syaraf tiruan LVQ Learning Vector Quantization dengan
performa terbaik pada epoh ke-15. Adapun parameter yang digunakan pada klasifikasi citra karet RSS dapat dilihat pada Tabel 4.3.
Universitas Sumatera Utara
Tabel 4.3 Parameter Pelatihan citra karet RSS Learning rate
α 0.05
Penurunan Learning rate Dec α
0.1
Minimum Learning rate Min α
0.0001
Maksimum Epoch MaxEpoch
20
Algoritma Pembelajaran Learning Vector Quantization
Data citra karet yang akan diinput sebagai data acuan akan disimpan di dalam database hard disk local. Data acuan dapat dilihat pada lampiran berikut dengan nilai
fitur setiap citra yang akan digunakan sebagai nilai masukan pada proses pengenalan untuk mendapatkan nilai bobot pada proses uji.
4.5 Pengujian Citra
Pada proses pengujian aplikasi, data yang akan digunakan sebagai input berjumlah 60 citra karet RSS yang terdiri atas 30 citra karet RSS1 dan 30 citra karet RSS3. Hasil
pengujian citra karet RSS dapat dilihat pada tabel 4.4
Tabel 4.4 Hasil Uji Citra Karet No
Nama Karet Bobot 1
Bobot 2 Hasil
Aplikasi Manual
Status 1
Karet-4.jpg 7.1157235189 4.8377618553
RSS3 RSS1
Gagal 2
Karet-12.jpg 5.4564420492 4.9500034934
RSS3 RSS1
Gagal 3
Karet-39.jpg 3.1293530587 5.4000504990
RSS1 RSS1
Berhasil
4 Karet-40.jpg
1.7823406070 5.4333697748 RSS1
RSS1 Berhasil
5
Karet-41.jpg 1.7823406557 5.4369377450
RSS1 RSS1
Berhasil
6 Karet-42.jpg
1.7823406070 5.4336977856 RSS1
RSS1 Berhasil
7 Karet-43.jpg
2.6735785874 5.5691677786 RSS1
RSS1 Berhasil
8
Karet-44.jpg 3.4984788436 5.4494848860
RSS1 RSS1
Berhasil
9 Karet-45.jpg
1.7823406070 5.4336977485 RSS1
RSS1 Berhasil
10 Karet-46.jpg
2.3119098818 5.4114198181 RSS1
RSS1 Berhasil
11
Karet-47.jpg 5.2715598902 5.5821609636
RSS1 RSS1
Berhasil
Universitas Sumatera Utara
12 Karet-48.jpg
1.7823406070 5.4336977485 RSS1
RSS1 Berhasil
13 Karet-49.jpg
3.2470606577 5.6168126540 RSS1
RSS1 Berhasil
14 Karet-50.jpg
1.7823406070 5.4336977485 RSS1
RSS1 Berhasil
15 Karet-51.jpg
2.9639726579 5.4495995224 RSS1
RSS1 Berhasil
16 Karet-52.jpg
2.1438020865 5.4646989597 RSS1
RSS1 Berhasil
17
Karet-53.jpg 2.0179473481 5.4036125771
RSS1 RSS1
Berhasil
18 Karet-56.jpg
4.5080782870 5.3690219357 RSS1
RSS1 Berhasil
19 Karet-57.jpg
5.3688898044 5.2580317526 RSS3
RSS1 Berhasil
20
Karet-58.jpg 4.5876560947 5.6631687572
RSS1 RSS1
Berhasil
21 Karet-60.jpg
5.4951016001 5.7147164751 RSS1
RSS1 Berhasil
22 Karet-61.jpg
4.4252109320 5.8283480182 RSS1
RSS1 Berhasil
23
Karet-62.jpg 4.4235985393 5.7643510337
RSS1 RSS1
Berhasil
24 Karet-63.jpg
4.5100993748 5.7869299007 RSS1
RSS1 Berhasil
25 Karet-64.jpg
4.5572077501 5.0730443888 RSS1
RSS1 Berhasil
26 Karet-83.jpg
3.1523154289 5.2562425159 RSS1
RSS1 Berhasil
27
Karet-85.jpg 4.9761826335 5.4936851616
RSS1 RSS1
Berhasil
28 Karet-86.jpg
5.0781601155 4.8615229201 RSS3
RSS1 Gagal
29 Karet-87.jpg
2.1789142403 5.3538949727 RSS1
RSS1 Berhasil
30
Karet-88.jpg 5.5642755190 5.7865097429
RSS1 RSS1
Berhasil
31 Karet-01.jpg
8.1903609108 5.0189064510 RSS3
RSS3 Berhasil
32 Karet-02.jpg
7.7811901440 5.1395491938 RSS3
RSS3 Berhasil
33
Karet-03.jpg 5.4100196473 5.7591578455
RSS1 RSS3
Gagal 34
Karet-027.jpg 6.0177821078 4.7834087350 RSS3
RSS3 Berhasil
35 Karet-029.jpg 4.0849523987 5.3977990775
RSS1 RSS3
Gagal 36
Karet-042.jpg 5.6851598377 4.9786974425 RSS3
RSS3 Berhasil
37
Karet-052.jpg 6.8991655922 5.8441433215 RSS3
RSS3 Berhasil
38 Karet-056.jpg 8.5144676260 5.2117915831
RSS3 RSS3
Berhasil
39 Karet-060.jpg 7.5845577611 5.6594980285
RSS3 RSS3
Berhasil
40
Karet-062.jpg 8.6898927172 5.4131256772 RSS3
RSS3 Berhasil
41 Karet-059.jpg 8.1465054493 5.5775273534
RSS3 RSS3
Berhasil
42 Karet-070.jpg 8.0556232209 5.5051173403
RSS3 RSS3
Berhasil
43 Karet-073.jpg 8.7634021694 5.7822388251
RSS3 RSS3
Berhasil
44
Karet-076.jpg 5.4919840467 5.4040727855 RSS3
RSS3 Berhasil
Universitas Sumatera Utara
45 Karet-077.jpg 9.0563509299 6.4739831353
RSS3 RSS3
Berhasil
46 Karet-078.jpg 7.9143093233 6.6303007785
RSS3 RSS3
Berhasil
47 Karet-079.jpg 7.2713991030 6.3597910126
RSS3 RSS3
Berhasil
48 Karet-080.jpg 7.0086460594 5.8034783700
RSS3 RSS3
Berhasil
49 Karet-081.jpg 8.2023800654 5.2854965366
RSS3 RSS3
Berhasil
50
Karet-083.jpg 5.9950237598 5.5888205719 RSS3
RSS3 Berhasil
51 Karet-084.jpg 6.6206151275 6.0072868977
RSS3 RSS3
Berhasil
52 Karet-085.jpg 7.2330126979 5.3990539659
RSS3 RSS3
Berhasil
53
Karet-086.jpg 6.5569569112 5.9915990188 RSS3
RSS3 Berhasil
54 Karet-088.jpg 8.8351545250 5.3035568514
RSS3 RSS3
Berhasil
55 Karet-089.jpg 5.9336467150 5.7918808823
RSS3 RSS3
Berhasil
56
Karet-090.jpg 8.3893108124 6.0010248504 RSS3
RSS3 Berhasil
57 Karet-091.jpg 8.0620394845 5.8319959248
RSS3 RSS3
Berhasil
58 Karet-092.jpg 9.0053683063 6.0356108737
RSS3 RSS3
Berhasil
59 Karet-093.jpg 6.6615118954 5.7834730854
RSS3 RSS3
Berhasil
60
Karet-094.jpg 8.4276377039 5.7597599487 RSS3
RSS3 Berhasil
Dari hasil uji data pada aplikasi klasifikasi karet RSS Ribbed Smoked Sheet menggunakan metode Learning Vector Quantization LVQ didapatkan hasil
ketepatan akurasi dalam proses mengklasifikasikan karet RSS dengan rata-rata 90 . Hasil dari nilai akurasi klasifikasi citra dapat dilihat pada persamaan 4.1
Namun metode Learning Vector Quantization memiliki kelemahan yaitu sensitif terhadap perubahan nilai bobot. Apabila posisi nilai input berupa nilai fitur
diubah maka nilai bobot juga akan mengalami perubahan. Maka dari itu dilakukan proses validasi akurasi untuk mendapatkan nilai akurasi yang lebih akurat. Adapun
proses validasi ini dilakukan sebanyak 10 kali pengulangan data uji testing dengan masing-masing pengujian dilakukan perubahan posisi nilai fitur data latih dengan nilai
4.1
Universitas Sumatera Utara
data latih yang sama. Tabel 4.5 menunjukkan hasil validasi akurasi pada 10 kali pengulangan data uji dengan 60 data uji dan nilai data latih yang sama.
Tabel 4.5 Hasil Validasi Akurasi No
Pengulangan akurasi
Data Uji yang dikenali
Akurasi 1
1 54
90
2 2
53 88.33
3 3
51 85
4
4 54
90
5 5
53 88.33
6 6
54 90
7 7
53 88.33
8 8
51 85
9
9 54
90
10 10
54 90
Dari hasil validasi akurasi dilakukan proses perhitungan rata-rata akurasi untuk mendapatkan nilai akurasi. Sehingga didapatkan hasil akurasi setelah dilakukan proses
validasi akurasi dengan persamaan 4.2
= 89
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN
