IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
Pada tahap ini, klasifikasi penyakit pada daun mangrove menggunakan metode MobileNet SSD memerlukan perangkat keras dan perangkat lunak, yaitu:
4.1.1 Spesifikasi Perangkat
Berikut spesifikasi yang diperlukan untuk training penelitian ini adalah:
1. Processor Intel Core i5-6200U CPU 2. RAM 4 GB
3. Windows 10 64 bit 4. Python versi 3.6.8
5. Library Bahasa pemrograman python, antara lain:
a. Pandas b. Numpy
c. Matplotlib.pyplot d. Keras dari Tensorflow e. Cython
27
Berikut spesifikasi perangkat mobile yang digunakan pada penelitian ini 1. Chipset Exynos 9810 .
2. OS Android 10.0 (Quince Tart).
3. RAM 4 GB.
4. Resolusi Kamera Belakang 12 MegaPixel.
4.1.2 Implementasi Data
Citra data daun mangrove yang diperoleh menggunakan Samsung Galaxy S9 ini dibagi menjadi 2 jenis klasifikasi, yaitu daun rusak dan daun berulat. Beberapa contoh data pada masing-masing jenis klasifikasi dapat dilihat secara berurut pada Gambar 4.1, 4.2.
Gambar 4. 1 Data penyakit daun rusak pada daun mangrove
Gambar 4. 2 Data penyakit daun berulat pada daun mangrove
4.1.3 Implementasi Perancangan Antarmuka
Hasil rancangan yang dilakukan berdasarkan hasil yang sebelumnya sudah dibahas di bab 3, yaitu:
4.1.3.1 Tampilan Utama
Halaman awal aplikasi akan menjadi tampilan utama dari aplikasi ini. Dimana pada tampilan utama akan menampilkan kamera pada ponsel. Tampilan utama dapat dilihat pada Gambar 4.3.
Gambar 4. 3 Tampilan Utama 4.1.3.2 Prosedur Operasional
Tampilan sistem yang dibangun berupa halaman utama yang berisi informasi mengenai objek daun beserta tingkat akurasi keakuratan penyakit yang dialami daun mangrove tersebut.
29
Tahap awal, user akan memasuki aplikasi dengan menekan ikon aplikasi pada ponsel. Lalu user perlu mengarahkan ponsel kearah daun mangrove yang ingin di deteksi. Lalu aplikasi akan mengeluarkan bounding box beserta informasi penyakit daun tersebut dan akurasi nya.
Gambar 4. 4 Tampilan Halaman Utama 4.3 Pengujian Sistem
Proses pengujian sistem akan dilakukan untuk melihat hasil kinerja dari klasifikasi menggunakan metode MobileNet SSD dalam mengklasifikasikan penyakit pada daun mangrove menjadi 2 kategori yaitu penyakit daun rusak dan penyakit daun berulat.
Beberapa hasil dapat dilihat dari Tabel 4.1.
Tabel 4.1 Hasil pengujian identifikasi penyakit daun mangrove
No Data EKG Actual Output Desired Output Status
1 Daun Rusak Daun Rusak Berhasil
2
Daun Rusak
& Daun Berulat
Daun Rusak &
Daun Berulat Berhasil
31
3 Daun Rusak Daun Rusak Berhasil
4 Daun Rusak Daun Rusak Berhasil
5 Daun Rusak Daun Rusak Berhasil
6 Daun Rusak Daun Rusak Berhasil
7 Daun Rusak Daun Rusak Berhasil
8 Daun Rusak Daun Rusak Berhasil
33
9 Daun Rusak Daun Rusak Berhasil
10 Daun Rusak Daun Rusak Berhasil
11 Daun Rusak Daun Rusak Berhasil
12 Daun Rusak Daun Rusak Berhasil
13 Daun Rusak Daun Rusak Berhasil
14 Daun Rusak Daun Rusak Berhasil
35
15 Daun Rusak Daun Rusak Berhasil
16
Daun Rusak Daun Janda
Bolong Gagal
17
Daun Rusak
& Daun Berulat
Daun Berulat Berhasil
18 Daun Berulat Daun Berulat Berhasil
19
Daun Rusak
& Daun Berulat
Daun Berulat Berhasil
20 Daun Berulat Daun Berulat Berhasil
37
21 Daun Berulat Daun Berulat Berhasil
22 Daun Berulat Daun Berulat Berhasil
23
Daun Rusak
& Daun Berulat
Daun Berulat Berhasil
24 Daun Berulat Daun Berulat Berhasil
25 Daun Berulat Daun Berulat Berhasil
26 Daun Berulat Daun Berulat Berhasil
39
27 Daun Berulat Daun Berulat Berhasil
28 Daun Berulat Daun Berulat Berhasil
29 Daun Berulat Daun Berulat Berhasil
30 Daun Berulat Daun Berulat Berhasil
31 Daun Rusak Daun Rusak Berhasil
32 Daun Rusak Daun Rusak Berhasil
41
33 Tidak Terklasifikasi Daun Rusak Gagal
34 Daun Rusak Daun Rusak Berhasil
35 Tidak Terklasifikasi Daun Rusak Gagal
36 Daun Rusak Daun Rusak Berhasil
37 Tidak Terklasifikasi Daun Rusak Gagal
38 Daun Rusak Daun Rusak Berhasil
43
39 Daun Rusak Daun Rusak Berhasil
40 Daun Rusak Daun Rusak Berhasil
Berdasarkan pengujian sistem yang dilakukan pada penelitian ini, klasifikasi penyakit pada daun mangrove menggunakan metode MobileNet SSD terdapat 11 kesalahan sistem dalam mengklasifikasi penyakit pada daun mangrove dari total 274 data pengujian. Adapun penyebab kesalahan tersebut dikarenakan dataset daun berulat yang diperoleh tidak sebanyak dataset daun rusak. Dan juga pengaruh jarak yang terlalu jauh dari kamera. Penyebab lain kesalahan sistem disebabkan oleh banyaknya kemiripan bentuk antara daun rusak dengan daun berulat sehingga sistem terkadang salah mendeteksi apakah objek tersebut daun berulat atau daun rusak. Oleh sebab itu keakuratan aplikasi yang didapat tidak terlalu sempurna yaitu 93,4 %.
Untuk menghitung persentase akurasi secara manual dapat dilihat pada persamaan
Tabel 4.2 Confusion Matrix
Daun Rusak Daun Berulat Total
Daun Rusak 150 4 154
Daun Berulat 14 106 120
Total 164 110 274
Tabel 4.2 menjelaskan bahwa Citra daun rusak tidak mempunyai kesalahan dalam mendeteksi, sedangkan daun berulat mengalami beberapa kesalahan dalam mendeteksi objek.
Penelitian dengan judul Klasifikasi Penyakit Daun Mangrove Menggunakan Metode MobileNet SSD Berbasis Mobile Secara Realtime ini mampu mengklasifikasi penyakit daun dengan akurasi 93,4%. Sistem dapat mengklasifikasi penyakit daun mangrove secara real time menggunakan ponsel android. Adapun penyebab kesalahan tersebut dikarenakan dataset daun berulat yang diperoleh tidak sebanyak dataset daun rusak. Penyebab lain kesalahan sistem disebabkan oleh banyaknya kemiripan bentuk antara daun rusak dengan daun berulat sehingga sistem terkadang salah mendeteksi apakah objek tersebut daun berulat atau daun rusak.
Setelah melakukan percobaan lain dengan menggunakan 2 perangkat yaitu Samsung J3 Pro dan Samsung A32 didapatkan hasil yang berbeda saat menjalankan aplikasi, dimana di perangkat Samsung J3 pro yang memiliki RAM 2GB dan resolusi
45
kamera 8 MP, aplikasi dapat terbuka dengan baik namun proses klasifikasi tidak dapat berjalan. Sedangkan percobaan menggunakan perangkat Samsung A32 yang memiliki RAM 6 GB dan resolusi kamera 64 MP mampu berjalan dengan sangat baik dan mengklasifikasi dengan sangat baik. Maka dengan hasil ini dapat disimpulkan bahwasannya spesifikasi minimum untuk aplikasi ini harus memiliki RAM 4 GB dan resolusi kamera 12 MP.
BAB 5