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
1. Pengaruh Populasi AG terhadap Akurasi Klasifikasi
Selain dipengaruhi mode pelatihan, akurasi klasifikasi PNN juga dipengaruhi oleh populasi AG yang digunakan. Berdasarkan pengamatan
grafik pada Gambar 25, terlihat bahwa akurasi klasifikasi untuk populasi AG yang berbeda memiliki pola yang tidak teratur sehingga sulit
ditentukan populasi AG yang terbaik. Akurasi klasifikasi dengan populasi AG 1000 individu lebih tinggi daripada populasi AG 500 individu pada
mode pelatihan 1, 2, 3 dan 4. Pada mode pelatihan 5, 6, 7, dan 9, akurasi antara populasi AG 500 dan 1000 individu relatif samaberimbang.
Sedangkan pada mode pelatihan 8, akurasi dengan populasi AG 1000 individu lebih rendah daripada dengan populasi AG 500 individu.
a b
c
d e
f
g h
i Gambar25. Grafik pengaruh populasi AG terhadap akurasi klasifikasi untuk
mode pelatihan: a mode 1, b mode 2, c mode 3, d mode 4, e mode 5, f mode 6, g mode 7, h mode 8, i mode 9.
Dari pembahasan sebelumnya, pengamatan grafik tidak dapat menentukan pengaruh populasi AG terhadap akurasi klasifikasi sehingga perlu
dilakukan analisis statistika terhadap akurasi klasifikasi berdasarkan populasi AG. Dari hasil analisis statistika untuk komputasi sekuensial
seperti yang ditampilkan pada Tabel 9, terlihat bahwa nilai rata-rata akurasi klasifikasi dengan populasi AG 500 individu adalah 89.19
sedangkan dengan populasi AG 1000 individu adalah 89.218. Nilai median untuk populasi AG 500 individu adalah 88.074 sedangkan untuk
populasi AG 1000 individu adalah 88.452. Berdasarkan hasil tersebut maka akurasi klasifikasi untuk komputasi sekuensial dengan populasi AG
1000 individu lebih tinggi daripada komputasi sekuensial dengan populasi AG 500 individu walaupun peningkatannya relatif kecil.
Tabel 9. Hasil perhitungan statistika komputasi
sekuensial untuk populasi AG yang berbeda
Untuk komputasi paralel, hasil perhitungan statistika seperti pada Tabel 10, menunjukkan bahwa rata-rata akurasi klasifikasi dengan populasi AG
500 individu adalah 89.024 sedangkan dengan populasi AG 1000 individu adalah 89.356.
Tabel 10. Hasil perhitungan statistika komputasi paralel untuk populasi AG yang berbeda
Nilai median akurasi klasifikasi dengan populasi AG 500 individu adalah 88.241 sedangkan dengan populasi AG 1000 individu adalah 89.028.
Dengan demikian, dapat disimpulkan bahwa akurasi klasifikasi untuk komputasi paralel dengan populasi AG 1000 individu lebih tinggi
daripada komputasi sekuensial dengan populasi AG 500 individu walaupun peningkatannya relatif kecil.
Berdasarkan hasil analisis statistika pada mode komputasi sekuensial dan komputasi paralel yang menghasilkan kesimpulan yang sama, maka dapat
disimpulkan bahwa secara umum, akurasi klasifikasi dengan populasi AG 1000 individu lebih baik daripada komputasi dengan populasi AG 500
individu.
2. Pengaruh Populasi AG terhadap Waktu Total