∑
Evaluasi
Evaluasi dilakukan dengan melakukan pengelompokan data yang telah dilakukan pengujian berdasarkan spesies dan ekstraksi fitur yang digunakan. Evaluasi dibuat dalam bentuk grafik agar dapat mudah dilihat dan dianalisis seberapa besar akurasi pada identifikasi daun Shorea.
Rancangan Percobaan
Percobaan penelitian ini dibagi menjadi lima bagian percobaan. Pada saat pelatihan, setiap percobaan menggunakan struktur JST propagasi balik yang sama. serta dilakukan pengujian dan evaluasi dari hasil pengujian. Adapun rancangan percobaan yang akan dilakukan dapat dilihat pada Tabel 2.
Tabel 2 Rancangan percobaan
Percobaan Metode Ekstraksi
1 DWT famili Haar
2 DWT famili Daubechies 2
3 Histogram Warna HSV
4 Haar + HSV, DB2 + HSV
5 Haar + DB2 + HSV
HASIL DAN PEMBAHASAN
Ada sepuluh jenis Shorea yang
diidentifikasi, yaitu Shorea Javanica, Johorensis, Lepida, Leprosula, Marcoptera,
Materialis, Palembanica, Pinanga,
Platycados dan Seminis. Sepuluh jenis Shorea
tersebut masing-masing terdiri atas sepuluh data citra.
Percobaan 1: Discrete Wavelet Transform
famili Haar
Percobaan ini melibatkan data hasil foto 10 jenis Shorea yang telah diakuisisi, hasil foto tersebut dilakukan praproses dan dilakukan ekstraksi fitur Discrete Wavelete
Transform famili Haar sebanyak 8
dekomposisi. Setelah itu, dilakukan proses pelatihan menggunakan beberapa parameter JST, di antaranya adalah Hidden Neuron, Learning Rate, dan Toleransi Galat. Nilai
6
Neuron Hidden yang digunakan adalah 10, 20, 30, 40, 50, 60, 70, 80, 90, dan 100. Sementara itu, nilai parameter lain dibuat tetap yaitu Learning rate = 0.01 dan Toleransi galat = 0.01. Percobaan ini menghasilkan akurasi
tertinggi sebesar 73.33% dengan
menggunakan parameter Neuron Hidden 40, 70, dan 80. Enam dari sepuluh spesies Shorea dapat teridentifikasi sebesar 100% ialah Shorea Javanica, Shorea Lepida, Shorea
Palembanica, Shorea Pinanga, Shorea
Platycados dan Shorea Seminis. sedangkan
Shorea Marcoptera tidak dapat teridentifikasi dengan akurasi terkecil sebesar 0%. Shorea
Marcoptera teridentifikasi sebagai Shorea
Materialis. Hal ini dikarenakan tekstur dan struktur tulang daun kedua spesies ini terlihat sama. Grafik akurasi untuk setiap jenis Shorea pada percobaan ini dapat dilihat pada Gambar 5.
Gambar 5 Grafik tingkat akurasi setiap jenis Shorea (DWT Haar).
Percobaan 2: Discrete Wavelet Transform
famili Daubechies 2
Percobaan ini menggunakan data yang sama seperti percobaan pertama dan menggunakan parameter JST yang sama. Dari percobaan, didapatkan akurasi tertinggi sebesar 73.33% menggunakan parameter
neuron hidden 60 dan 80. Shorea Javanica,
Shorea Leprosula, Shorea Palembanica, dan
Shorea Platycados teridentifikasi dengan
akurasi sebesar 100%. Shorea Materialis tidak dapat teridentifikasi dan menghasilkan akurasi
0%. Shorea Materialis teridentifikasi sebagai
Shorea Pinanga. Hal ini disebabkan adanya kesamaan struktur tulang daun dan bentuk pada kedua spesies tersebut. Tingkat akurasi yang dihasilkan untuk setiap jenis Shorea pada percobaan ini secara lengkap dapat dilihat pada Gambar 6.
Perbandingan percobaan 1 dan percobaan 2
Dari kedua percobaan tersebut diketahui bahwa Shorea Javanica, Shorea Palembanica dan Shorea Seminis, teridentifikasi secara baik dengan akurasi sebesar 100%. Untuk Shorea Materialis pada kedua percobaan tersebut memiliki rata-rata akurasi terendah dibandingkan dengan 9 spesies lainnya.
Shorea Materialis memiliki akurasi
masing-masing sebesar 33.33% untuk ekstraksi tekstur menggunakan Haar dan 0% untuk Daubechies 2. Dari kedua percobaan tersebut, Shorea Materialis rata-rata teridentifikasi sebagai Shorea Pinanga. Hal ini disebabkan adanya kesamaan permukaan, bentuk, dan luas daun serta adanya kemiripan pada struktur tulang daun pada kedua spesies tersebut.
Gambar 6 Grafik tingkat akurasi setiap jenis Shorea (DWT Daubechies 2). Percobaan 3: Ekstraksi Warna HSV
Pada percobaan ini, didapatkan akurasi tertinggi sebesar 93.33% dengan parameter
neuron hidden 70. Sembilan dari sepuluh
spesies yang dapat teridentifikasi dengan baik memiliki akurasi sebesar 100% ialah Shorea
Javanica, Shorea Johorensis, Shorea Lepida,
Shorea Leprosula, Shorea Marcoptera,
Shorea Materialis, Shorea Pinanga, Shorea
Platycados, dan Shorea Seminis. Shorea
Palembanica memiliki akurasi sebesar
33.33%, dua dari tiga data uji tidak dapat
diidentifikasi. Shorea Palembanica
teridentifikasi sebagai Shorea Lepida dan Materialis. Hal ini disebabkan adanya kesamaan pada tingkat kecerahan warna citra. Tingkat akurasi yang dihasilkan setiap jenis Shorea dapat dilihat secara lengkap pada Gambar 7.
Percobaan 4: Kombinasi Ekstraksi Tekstur (DWT) dan Ekstraksi Warna (HSV)
Percobaan ini dilakukan pelatihan dengan menggunakan parameter JST neuron hidden yang sama seperti percobaan 1, 2, dan 3. Percobaan ini melakukan penggabungan data dari hasil ekstraksi tekstur dan ekstraksi warna menjadi satu buah data pelatihan model klasifikasi dan percobaan 4 ini dibagi menjadi dua bagian percobaan. Percobaan pertama menggunakan penggabungan ekstrasi tekstur
Discrete Wavelet Transform famili Haar dan
histogram HSV yang menghasilkan akurasi tertinggi sebesar 90% dengan neuron Hidden 30 dan 60. Shorea Javanica, Shorea Lepida,
Shorea Marcoptera, Shorea Materialis,
Shorea Pinanga, Shorea Platycados, dan
Shorea Seminis teridentifikasi dengan akurasi sebesar 100%, sedangkan Shorea Johorensis,
Leprosula, dan Palembanica menghasilkan
akurasi sebesar 66.67%. Hal ini menunjukkan bahwa masing-masing spesies tersebut terdapat satu dari tiga data uji tidak dapat
teridentifikasi. Shorea Johorensis
teridentifikasi sebagai Shorea Leprosula, Shorea Leprosula teridentifikasi sebagai
Shorea Seminis, sedangkan Shorea
Palembanica teridentifikasi sebagai Shorea
Lepida. Hal ini disebabkan adanya kesamaan
tekstur, bentuk, struktur tulang daun dan kecerahan warna pada ketiga pasang species tersebut. Grafik akurasi untuk setiap jenis Shorea pada percobaan ini dapat dilihat secara lebih lengkap pada Gambar 8.
Pada percobaan kedua, dilakukan penggabungan ekstraksi tekstur Discrete
Wavelet Transform famili Daubechies 2 dan
histogram HSV menghasilkan akurasi tertinggi sebesar 90% dengan neuron hidden
90. Shorea Javanica, Shorea Lepida, Shorea
Leprosula, Shorea Marcoptera, Shorea
Materialis, Shorea Pinanga, Shorea
Platycados, dan Shorea Seminis teridentifikasi dengan akurasi 100%, sedangkan Shorea
Leprosula, Shorea Palembanic, Shorea
Seminis menghasilkan akurasi sebesar
66.67%. Shorea Leprosula teridentifikasi
sebagai Shorea Johorensis, Shorea
Palembanica teridentifikasi sebagai Shorea
Lepida, dan Shorea Seminis teridentifikasi
sebagai Shorea Palembanica. Hal ini disebabkan adanya kesamaan tekstur, bentuk, struktur tulang daun, dan kecerahan warna pada ketiga pasang spesies tersebut. Tingkat akurasi setiap jenis Shorea pada percobaan ini dapat dilihat secara lebih lengkap pada Gambar 9.
Gambar 9 Grafik tingkat akurasi setiap jenis Shorea (DB2 - HSV).
Percobaan 5: Kombinasi Ekstraksi Tekstur DWT Haar, Daubechies dan Ekstraksi Warna (HSV)
Pada percobaan ini, dilakukan proses penggabungan seluruh ekstraksi fitur tekstur dan ekstraksi warna. Percobaan ini juga menggunakan parameter yang sama dengan
percobaan sebelumnya. Percobaan
penggabungan seluruh fitur menghasilkan akurasi terbaik sebesar 93.33% dengan neuron hidden 30, 40, dan 60. Sebanyak 9 dari 10 jenis Shorea teridentifikasi dengan akurasi Gambar 7 Grafik tingkat akurasi setiap
jenis Shorea (Histogram Warna HSV).
Gambar 8 Grafik tingkat akurasi setiap jenis Shorea (Haar - HSV).
8
sebesar 100%. Sembilan spesies tersebut ialah
Shorea Javanica, Johorensis, Lepida,
Leprosula, Marcoptera, Materialis,
Palembanica, Pinanga, dan Platycados. Pada
Shorea Seminis hanya 1 dari 3 data uji yang dapat teridentifikasi sehingga akurasinya hanya sebesar 33.33%. Shorea Seminis teridentifikasi sebagai Shorea Lepida dan Shorea Leprosula. Hal ini disebabkan oleh adanya kesamaan bentuk dan tekstur serta kecerahan warna antar ketiga spesies tersebut. Tingkat akurasi setiap jenis Shorea pada percobaan ini dapat dilihat secara lebih lengkap pada Gambar 10.
Gambar 10 Grafik tingkat akurasi setiap jenis Shorea (Haar - DB2 - HSV). Dalam percobaan penggabungan seluruh ekstraksi ini, dapat ditunjukkan bahwa masing-masing ekstraksi fitur saling mempengaruhi dalam proses identifikasi.
Seperti pada percobaan 4, Shorea
Palembanica dan Shorea Leprosula tidak
dapat teridentifikasi dengan baik dengan akurasi sebesar 66.66%. Akan tetapi setelah menggabungkan seluruh ekstraksi fitur,
Shorea Palembanica dan Shorea Leprosula
teridentifikasi dengan baik menghasilkan akurasi sebesar 100%.
Perbandingan dengan penelitian Terkait Pada Penelitian Puspitasari (2011), telah didapatkan rata-rata akurasi sebesar 90% dalam identifikasi daun Shorea menggunakan Jaringan Saraf Tiruan Propagasi Balik atau Backpropagation Neural Network. Penelitian ini menghasilkan rata-rata akurasi terbesar
84.67%. Adapun parameter yang
membedakan, yaitu objek penelitian. Penelitian Puspitasari (2011) menggunakan perhitungan karateristik morfologi daun sedangkan penelitian ini menggunakan citra sebagai objek penelitian. Percobaan citra cenderung lebih sulit dalam menentukan model klasifikasi secara akurat dibandingkan
dengan percobaan menggunakan metode perhitungan manual berdasarkan morfologi daun. Hal ini disebabkan adanya noise pada citra yang mengakibatkan perbedaan nilai pada tiap spesies sehingga pelatihan kurang
sempurna dalam menentukan model
klasifikasinya. Selain itu, penelitian Puspitasari (2011) menggunakan 5 jenis
Shorea dalam identifikasi, sedangkan
penelitian ini menggunakan 10 jenis Shorea yang sebagian besar berbeda jenis Shorea-nya dengan penelitian Puspitasari (2011). Penelitian Aminudin (2010) menggunakan ekstraksi warna RGB, HSV, dan YcbCr berbasis histogram, sedangkan penelitian ini menggunakan ekstraksi warna HSV dengan penggabungan ekstraksi fitur untuk mendapatkan peningkatan akurasi.
KESIMPULAN DAN SARAN Kesimpulan
Dari penelitian ini, dapat disimpulkan beberapa hal dalam identifikasi daun Shorea berdasarkan ekstraksi fitur dan ekstraksi warna, yaitu:
1 Pada percobaan awal proses
penggabungan ekstraksi fitur DWT dan ekstraksi warna HSV menghasilkan akurasi yang sangat baik sebesar 80%.
2 Pada percobaan kedua, percobaan
pertukaran data uji dan data latih serta penggabungan ekstraksi fitur dan ekstraksi warna HSV menghasilkan peningkatan akurasi sebesar 90%. 3 Ekstraksi Warna HSV merupakan faktor
yang signifikan dalam hal proses peningkatan dan penurunan akurasi dalam identifikasi Shorea.
Saran
Penelitian ini masih memiliki beberapa kekurangan yang dapat diperbaiki pada penelitian selanjutnya. Adapun beberapa saran untuk penelitian selanjutnya sebagai berikut :
1 Memperbanyak fitur-fitur lainnya seperti ekstraksi warna RGB, YcbCr dan ekstraksi tekstur seperti LBP, discrete fourier transform.
2 Mengimplementasikan aplikasi berbasis android agar dapat digunakan secara mobile.