Waktu Komputasi Elapsed time Ekstraksi Ciri Pelatihan dan Pengujian

Selanjutnya pada metode LBP8riu1 nilai yang dihasilkan adalah sepuluh vektor kolom yang berisi informasi tekstur citra karang Tabel 9. Tabel 9 Nilai tekstur citra karang dengan metode LBP8riu1 madracis palauastrea pocillopora seriatopora stylophora 1 3694 5101 5960 1611 5917 2 4736 4944 6719 2382 5882 3 4990 3533 6774 2544 2818 4 8467 6532 10514 7027 3146 5 10780 10768 9933 12896 4116 6 8339 11054 8078 7190 3698 7 5532 5965 6520 3269 3576 8 5180 6161 7770 2574 5934 9 5218 6838 7461 2401 24715 10 8028 9518 12221 3738 11122 Untuk menghasilkan nilai ciri bentuk dilakukan dengan menghitung tujuh vektor momen invarian Tabel 10. Tabel 10 Nilai bentuk citra karang dengan metode momen invarian madracis palauastrea pocillopora seriatopora stylophora 1 ϕ 1.966 x 10 -3 1.331 x 10 -3 1.734 x 10 -3 1.626 x 10 -3 1.338 x 10 -3 2 ϕ 5.993 x 10 -7 2.57 x 10 -7 3.508 x 10 -8 3.427 x 10 -7 6.036 x 10 -8 3 ϕ 1.464 x 10 -10 4.113 x 10 -13 3.056 x 10 -11 1.137 x 10 -10 1.767 x 10 -12 4 ϕ 1.609 x 10 -10 8.921 x 10 -12 3.893 x 10 -11 1.671 x 10 -11 4.449 x 10 -12 5 ϕ 1.929 x 10 -20 -5.529 x 10 -26 -1.336 x 10 -21 -2.834 x 10 -22 -1.247 x 10 -23 6 ϕ 1.197 x 10 -13 -4.281 x 10 -15 -3.758 x 10 -15 -9.724 x 10 -15 5.74 x 10 -16 7 ϕ 1.539 x 10 -20 -1.709 x 10 -23 -1.327 x 10 -22 -6.711 x 10 -22 -3.627 x 10 -25

4.7 Waktu Komputasi Elapsed time Ekstraksi Ciri

A. Warna

Ekstraksi ciri tiap satu citra pada bagian ini menghasilkan koefisien sebanyak 6 elemen, dimana 3 elemen pertama merupakan representasi dari nilai RGB dan 3 elemen berikutnya adalah nilai HSV dengan . Elapsed time waktu komputasi yang dibutuhkan untuk proses ekstraksi ciri terhadap 75 citra adalah 4.636 detik.

B. Tekstur

Pada bagian ini koefisien ciri tekstur dengan metode statistical moment adalah 6 elemen dengan elapsed time 0.521 detik. Pada metode GLCM koofisien yang dihasilkan sebnyak 6 elemen dengan elapsed time 6.851 detik dan pada metode LBP8riu1 menghasilkan 10 elemen koofisien dengan elapsed time 5.898 detik. Hasil koofisisen ini sesuai dengan persamaan dari masing-masing metode analisa tekstur yang digunakan.

C. Bentuk

Untuk ciri bentuk koefisien yang dihasilkan adalah 7 elemen. Hal ini dikarenakan metode momen invarian yang digunakan menghasilkan 7 vektor ciri sesuai dengan persamaan yang dimilikinya dan elapsed time yang diperlukan untuk proses ini adalah 6.004 detik. Data elapsed time keseluruhan proses ektraksi ciri ini dapat dilihat di Tabel 11 dan hasil ekstraksi ciri yang digunakan sebagai data pelatihan dan data pengujian dapat dilihat di Lampiran 2 sd 11 . Tabel 11 Waktu proses ektraksi ciri Ektraksi Ciri Metode Jumlah Koofisien Jumlah Citra Elapsed Time detik RGB 3 Warna HSV 3 75 6.027 Tekstur Analisa tekstur 6 75 0.521 Tekstur GLCM 6 75 6.851 Tekstur LBP8riu1 10 75 5.898 Bentuk Momen invarian 7 75 6.004

4.8 Pelatihan dan Pengujian

Pada proses pelatihan, JST dilatih untuk menyesuaikan tiap bobot yang ada untuk mencapai konvergensi, sehingga akan terbentuk model referensi bagi pola lainnya. Waktu yang dibutuhkan untuk pelatihan tergantung pada jumlah input JST, semakin besar jumlah input semakin lama waktu yang diperlukan jaringan untuk konvergen. Dengan dimensi yang tereduksi pada proses sebelumnya, diharapkan waktu yang dibutuhkan JST untuk pelatihan akan semakin singkat. Pada penelitian ini, akan dilihat perilaku JST dalam mencapai konvergensi dengan mengubah-ubah parameter yang berpengaruh terhadap hal tersebut seperti toleransi galat dan pengaruh jumlah hidden neuron terhadap konvergensi dan generalisasi. Hal lain yang diperhatikan dalam pelatihan JST adalah jumlah epoch untuk mencapai kekonvergenan, waktu yang dibutuhkan untuk mencapai jumlah epoch tersebut dan nilai generalisasi yang didapat dari pelatihan yang telah dilakukan. Pelatihan dan pengujian pada masing-masing kombinasi ciri dilakukan dalam sepuluh kali percobaan pada masing-masing hidden neuron dan toleransi galat. Dari sepuluh kali percobaan tersebut diamati dan diambil tingkat pengenalan tertinggi yang dihasilkan. Selanjutnya setiap nilai tertinggi tersebut dibandingkan sehingga diperoleh tingkat pengenalan terbaik yang dihasilkan oleh kombinasi ciri yang digunakan. Parameter JST yang digunakan adalah toleransi galat 10 -3 dan 10 -4 , laju pembelajaran 0.1, epoch maksimum 3000 dan jumlah hidden neuron 5, 10, 15 dan 20.

A. Warna dan Tekstur WT

Percobaan pertama dilakukan terhadap dua kombinasi ciri yaitu ciri warna dan tekstur, terlihat pelatihan konvergen pada epoch ke-2591 dengan waktu pelatihan 16.899 detik dan waktu pengujian 0.032, seperti diperlihatkan pada Tabel 12. Tabel 12 Pelatihan dan pengujian pada ciri warna dan tekstur Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 477 3.311 1924 76 0.047 5 10 -4 3000 22.148 1725 68 0.031 10 -3 3000 20.312 2125 84 0.032 10 10 -4 2591 16.899 2225 88 0.032 10 -3 2254 15.722 2125 84 0.031 15 10 -4 1331 9.253 2125 84 0.046 10 -3 971 7.139 2125 84 0.046 20 10 -4 1719 12.606 2125 84 0.015 Generalisasi yang dihasilkan terhadap data uji sebesar 88 22 citra dari 25 data citra dikenali. Secara keseluruhan, terlihat bahwa toleransi galat 10 -3 dan 10 -4 memberikan tingkat generalisasi yang hampir sama. Dengan metode trial and error dalam menentukan besarnya hidden neuron, maka diperoleh hasil terbaik pada hidden neuron 10.

B. Warna dan Bentuk WB

Percobaan kedua dilakukan pada ciri warna dan bentuk, mencapai kekonvergenan pada epoch ke-2612 dengan waktu pelatihan 17.65 detik dan waktu pegujian 0.033, seperti diperlihatkan pada Tabel 13. Tabel 13 Pelatihan dan pengujian pada ciri warna dan bentuk Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 1917 12.30 2025 80 0.033 5 10 -4 1102 7.434 1825 72 0.035 10 -3 976 6.621 2025 80 0.032 10 10 -4 489 3.602 1825 72 0.034 10 -3 2612 17.65 2325 92 0.033 15 10 -4 2611 18.916 2125 84 0.034 10 -3 3000 21.321 2225 88 0.042 20 10 -4 3000 21.786 2025 80 0.033 Generalisasi yang dihasilkan terhadap data testing sebesar 92 23 citra dari 25 data citra dikenali. Disini terlihat bahwa secara keseluruhan toleransi galat 10 - 3 memiliki tingkat generalisasi lebih baik daripada 10 -4 dan jumlah hidden neuron terbaik diperoleh pada hidden neuron 15.

C. Tekstur dan Bentuk TB

Percobaan ketiga dilakukan pada ciri tekstur dan bentuk, mencapai kekonvergenan pada epoch ke-2913 dengan waktu pelatihan 20.56 detik dan waktu pengujian 0.033, seperti diperlihatkan pada Tabel 14. Tabel 14 Pelatihan dan pengujian pada ciri tekstur dan bentuk Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 736 4.978 1425 56 0.033 5 10 -4 319 2.196 1625 64 0.032 10 -3 2536 17.093 2225 88 0.033 10 10 -4 2346 16.147 2025 80 0.034 10 -3 3000 21.857 2225 88 0.034 15 10 -4 2913 20.56 2425 96 0.033 10 -3 3000 21.419 2225 88 0.031 20 10 -4 3000 21.54 2225 88 0.035 Generalisasi yang dihasilkan terhadap data testing sebesar 96 24 citra dari 25 data citra dikenali. Disini terlihat bahwa toleransi galat 10 -4 memiliki tingkat generalisasi lebih baik daripada 10 -3 dan jumlah hidden neuron terbaik diperoleh pada hidden neuron 15.

D. Warna, Tekstur Statistical Moment dan Bentuk WTB

Setelah dilakukan percobaan dengan dua kombinasi ciri, maka selanjutnya pada percobaan keempat dilakukan terhadap tiga kombinasi ciri yaitu ciri warna, tekstur dan bentuk, terlihat pelatihan konvergen pada epoch ke-1652 dengan waktu pelatihan 10.94 detik dan waktu pengujian 0.035 Tabel 15. Tabel 15 Pelatihan dan pengujian pada ciri warna, tekstur dan bentuk Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 4 0.111 2325 92 0.032 5 10 -4 4 0.159 2325 92 0.034 10 -3 515 3.36 2325 92 0.031 10 10 -4 515 3.466 2325 92 0.035 10 -3 1652 10.94 2425 96 0.035 15 10 -4 2478 42.52 2425 96 0.033 10 -3 2524 17.89 2425 96 0.033 20 10 -4 3000 21.352 2425 96 0.033 Generalisasi yang dihasilkan terhadap data testing sebesar 96 24 citra dari 25 data citra dikenali. Disini terlihat bahwa hampir pada semua hidden neuron mencapai tingkat generalisasi yang sama dengan hidden neuron terbaik diperoleh pada hidden neuron 15, perbedaannya terdapat pada waktu pelatihan toleransi galat 10 -3 yang lebih cepat dibandingkan 10 -4 . Pada percobaan keempat ini terlihat bahwa kombinasi dari tiga ciri memiliki generalisasi yang lebih baik dari dua kombinasi ciri. Berdasarkan hal tersebut untuk percobaan selanjutnya dilakukan dengan tiga kombinasi ciri sekaligus melakukan perbandingan antara metode analisa tekstur yang lain.

E. Warna, Tekstur GLCM dan Bentuk WGB

Percobaan kelima dilakukan pada ciri warna, tekstur dengan metode GLCM dan bentuk. Kekonvergenan tercapai pada epoch ke-3000 dengan waktu pelatihan 20.849 detik dan waktu pengujian 0.033, seperti diperlihatkan pada Tabel 16. Tabel 16 Pelatihan dan pengujian pada ciri warna, tekstur GLCM dan bentuk Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 1042 7.127 1925 76 0.033 5 10 -4 908 5.926 2125 84 0.033 10 -3 1021 7.234 2125 84 0.034 10 10 -4 2043 13.594 2325 92 0.034 10 -3 3000 20.849 2425 96 0.033 15 10 -4 1414 10.223 2025 80 0.037 10 -3 3000 23.649 2225 88 0.037 20 10 -4 3000 22.347 2425 96 0.034 Generalisasi yang dihasilkan terhadap data testing sebesar 96 24 citra dari 25 data citra dikenali. Disini terlihat secara keseluruhan toleransi galat 10 -3 dan 10 -4 mencapai tingkat generalisasi yang bervariasi dan hampir sama, perbedaan terdapat pencapaian generalisasi pada hidden neuron yang digunakan, dimana toleransi galat 10 -3 menghasilkan generalisasi terbaik pada hidden neuron ke-15, ke-15, sementara itu toleransi galat 10 -4 menghasilkan generalisasi terbaik pada hidden neuron ke-20.

F. Warna, Tekstur LBP8riu1 dan Bentuk WLB

Percobaan keenam dilakukan pada ciri warna, tekstur dengan metode LBP8riu1 dan bentuk. Disini telihat bahwa jaringan telah lebih cepat konvergen dibandingkan kombinasi ciri yang lain namun generalisasi tertinggi yang dihasilkan adalah 68 pada hidden neuron ke-15 di toleransi galat 10 -4 , seperti diperlihatkan pada Tabel 17. Tabel 17 Pelatihan dan pengujian pada ciri warna, tekstur LBP8riu1 dan bentuk Pelatihan Pengujian Hidden neuron galat epoch Waktu dtk Dikenal Generalisasi Waktu dtk 10 -3 127 1.063 825 32 0.036 5 10 -4 25 0.149 525 20 0.035 10 -3 9 0.184 925 36 0.037 10 10 -4 25 0.253 525 20 0.033 10 -3 14 0.219 1025 40 0.035 15 10 -4 43 0.465 1725 68 0.035 10 -3 8 0.193 925 36 0.035 20 10 -4 5 0.162 1025 40 0.038 Dari semua hasil percobaan dengan kombinasi ciri yang diubah-ubah, terlihat bahwa setiap dilakukan pengulangan terhadap pelatihan, nilai yang selalu berubah adalah waktu. Hal ini disebabkan karena nilai inisialisasi bobot yang digunakan pada jaringan adalah nilai random sehingga diperlukan waktu komputasi yang berbeda pada setiap hidden neuron dan toleransi galat. Hubungan antara hidden neuron terhadap konvergensi pada toleransi galat pelatihan ditunjukkan pada Gambar 26 dan Gambar 27. Dari grafik terlihat bahwa semakin besar hidden neuron maka epoch yang dihasilkan oleh masing-masing kombinasi ciri juga relatif semakin besar. 500 1000 1500 2000 2500 3000 3500 5 10 15 20 Hidden Neuron Ep o ch WT WB TB WTB WGB WLB Gambar 26 Grafik hidden neuron terhadap konvergensi pada toleransi galat 10 -3 . 500 1000 1500 2000 2500 3000 3500 5 10 15 20 Hidden Neuron Ep o ch WT WB TB WTB WGB WLB Gambar 27 Grafik hidden neuron terhadap konvergensi pada toleransi galat 10 -4 . Hubungan antara hidden neuron terhadap generalisasi pada toleransi galat pelatihan ditunjukkan pada Gambar 28 dan Gambar 29. Dari grafik terlihat bahwa rata-rata nilai generalisasi terbaik yang dihasilkan diperoleh pada hidden neuron ke-15. 10 20 30 40 50 60 70 80 90 100 5 10 15 20 Hidden Neuron G e n e ra li sa si WT WB TB WTB WGB WLB Gambar 28 Grafik hidden neuron terhadap generalisasi pada toleransi galat 10 -3 . 10 20 30 40 50 60 70 80 90 100 5 10 15 20 Hidden Neuron G e n e ra li sa si WT WB TB WTB WGB WLB Gambar 29 Grafik hidden neuron terhadap generalisasi pada toleransi galat 10 -4 .

BAB 6 SIMPULAN DAN SARAN