BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Eksekusi Program
4.1.8 Pelatihan dan Pengujian Jaringan Saraf Tiruan
Nitrogen dan Kalium
Pada Penelitian ini metode pelatihan (
traingdx dengan mengubah laju pemahaman dan menambahkan
momentum. Fungsi kinerja yang digunakan pada penelitian ini adalah MSE (Mean Square Error
jaringan dengan target.
digunakan pada penelitian ini ada 2 kombinasi
hidden layer. Model pertama dengan 1 neuron, model 2 dengan 2
Berikut adalah contoh data yang telah dinormalisasi dan transposisi.
Gambar 4.23. Contoh data hasil normalisasi dalam format
Pelatihan dan Pengujian Jaringan Saraf Tiruan Backpropa Metode Pelatihan Jaringan Saraf Tiruan dengan untuk Nitrogen dan Kalium
Pada Penelitian ini metode pelatihan (training) yang digunakan adalah dengan mengubah laju pemahaman dan menambahkan
momentum. Fungsi kinerja yang digunakan pada penelitian ini adalah MSE
Mean Square Error) yang mengambil kuadrat error yang terjadi antara output
jaringan dengan target. Kombinasi Hidden layer (layer tersembunyi) yang pada penelitian ini ada 2 kombinasi yaitu dengan 1 hidden layer
. Model pertama dengan 1 hidden layer dengan 40, 60, 80, 100 dan model 2 dengan 2 hidden layer yaitu 40-20, 60-20, 80
dan transposisi.
Contoh data hasil normalisasi dalam format dat
Backpropagation
untuk identifikasi
) yang digunakan adalah dengan mengubah laju pemahaman dan menambahkan faktor momentum. Fungsi kinerja yang digunakan pada penelitian ini adalah MSE yang mengambil kuadrat error yang terjadi antara output (layer tersembunyi) yang
hidden layer dan 2
40, 60, 80, 100 dan 20, 80-20 dan 100-20
neuron, hidden layer output untuk kedua model menggunakan dengan 1 neuron.
Perintah dalam Matlab yang digunakan untuk metode traingdx adalah sebagai berikut :
Net= newff(minmax(masukan),[80 1],{‘tansig’,’purelin’},’traingdx’)
Net= newff(minmax(masukan),[80 20 1],{‘tansig’,’tansig’,’purelin’},’traingdx’)
b. Parameter Training (pelatihan ) Jaringan Saraf Tiruan
Adapun parameter yang ditentukan pada pelatihan jaringan saraf tiruan yang digunakan pada penelitian ini adalah :
net.trainParam.epochs= 20000
syntax diatas membuat maksimum iterasi adalah 20000. net.trainParam.goal=0.000001
systax diatas untuk membatasi nilai MSE (Mean Square Error) agar iterasi
dihentikan.
net.trainParam.lr=0.001;
syntax diatas untuk menentukan laju pemahaman (learning rate) 0,001 dalam
pelatihan jaringan saraf tiruan.
net.trainParam.show=100
syntax diatas untuk menampilkan frekuensi perubahan MSE. net.trainParam.mc=0.5
syntax diatas untuk menunjukkan perubahan momentum sebesar 0,5 dalam setiap
pelatihannya.
Syntax diatas untuk memulai pelatihan jaringan saraf tiruan, pada proses ini akan
dimunculkan grafik pelatihan dan nilai
c. Hasil Pelatihan dan Pengujian Hasil pelatihan saraf tiruan target output dalam mengidentifikasi 3 N, dimana : Tanpa Nitrogen
dan Nitrogen > 2 gram dalam 1 liter air. 1 hidden layer adalah sebagai berikut :
Gambar 4.24
diatas untuk memulai pelatihan jaringan saraf tiruan, pada proses ini akan dimunculkan grafik pelatihan dan nilai error.
Hasil Pelatihan dan Pengujian Identifikasi Nitrogen
asil pelatihan saraf tiruan backpropagation pada penelitian ini
dalam mengidentifikasi 3 kelas pemberian pupuk ZA sebagai sumber Tanpa Nitrogen (N = 0), Nitrogen antara 1-2 gram dalam 1 liter air dan Nitrogen > 2 gram dalam 1 liter air. Adapun hasil pelatihan dengan kombinasi
adalah sebagai berikut :
24. Hasil Pelatihan 1 Hidden layer 40-1 untuk 3
diatas untuk memulai pelatihan jaringan saraf tiruan, pada proses ini akan
pada penelitian ini untuk 1 ZA sebagai sumber 2 gram dalam 1 liter air Adapun hasil pelatihan dengan kombinasi
Gambar 4.
Gambar 4.26. Koefisien Korelasi pada
Dari Gambar 4.24 sampai Gambar 4.26 menggunakan jumlah
0,0000163 yang mendekati
0,9999 dalam waktu pelatihan 4 menit 4 detik. data uji diperoleh akurasi 93,47%
contoh perhitungan akurasi dalam validasi adalah sebagai berikut : Jumlah data uji yang digunakan untuk identifikasi N = 92 Jumlah data yang diidentifikasi dengan benar sesuai target = 86
Gambar 4.25. Grafik MSE pada Epoch 20000
. Koefisien Korelasi pada hidden layer 40-1 (R=0.9999)
i Gambar 4.24 sampai Gambar 4.26 dapat dilihat bahwa dengan menggunakan jumlah neuron 40 pada 1 hidden layer menghasilkan MSE yang mendekati net.trainParam.goal=0.000001 dan koefisien korelasi dalam waktu pelatihan 4 menit 4 detik. Saat dilakukan pengujian
data uji diperoleh akurasi 93,47% dengan menggunakan Persamaan 3.24 contoh perhitungan akurasi dalam validasi adalah sebagai berikut : Jumlah data uji yang digunakan untuk identifikasi N = 92 Jumlah data yang diidentifikasi dengan benar sesuai target = 86
1 (R=0.9999)
dapat dilihat bahwa dengan menghasilkan MSE dan koefisien korelasi Saat dilakukan pengujian pada 92 dengan menggunakan Persamaan 3.24. Adapun contoh perhitungan akurasi dalam validasi adalah sebagai berikut :
Maka dengan menggunakan Persamaan 3.24 diperoleh :
pqcK\]
Penambahan jumlah akurasi seperti pada Tabel 4.1.
Tabel 4. 1. Hasil kombinasi 1 Neuron
40 60 80 100
Pelatihan dengan menggunakan kombinasi 2 neuron 40-20 dapat dilihat pada gambar berikut :
Gambar 4.27. Hasil Pelatihan
nggunakan Persamaan 3.24 diperoleh :
pqcK\] % 8692x 100% 93,47%
Penambahan jumlah neuron menghasilkan MSE, koefisien korelasi dan asi seperti pada Tabel 4.1.
. Hasil kombinasi 1 hidden layer 3 kelas kandungan N MSE Koefisien Korelasi Akurasi (%) 0,0000163 0,9999
0,0000105 0,9999
0,00000349 1
0,0000339 0,9998
Pelatihan dengan menggunakan kombinasi 2 hidden layer 20 dapat dilihat pada gambar berikut :
Hasil Pelatihan 2 Hidden layer 40-20-1 untuk
menghasilkan MSE, koefisien korelasi dan
3 kelas kandungan N Akurasi (%) 93,47 90,21 93,47 85,86
hidden layer dan jumlah
Gambar 4.29
Dari Gambar 4.27 sampai Gambar 4.29
epoch diselesaikan dalam waktu 4 menit 47 detik
dan koefisien korelasi 1. Pad
diperoleh akurasi 97,82%. Hasil MSE, koefisien korelasi penambahan jumlah neuron sampai 100
Gambar 4.28. MSE pada Epoch 20000
29. Koefisien Korelasi pada hidden layer 40-20
i Gambar 4.27 sampai Gambar 4.29 dapat dilihat bahwa pada 20000 diselesaikan dalam waktu 4 menit 47 detik dengan nilai MSE 0,00000235 dan koefisien korelasi 1. Pada saat digunakan untuk menguji 92 citra sawi diperoleh akurasi 97,82%. Hasil MSE, koefisien korelasi dan akurasi
penambahan jumlah neuron sampai 100-20 diperoleh hasil seperti pada Tabel 4.2. 20-1 (R=1)
dapat dilihat bahwa pada 20000 dengan nilai MSE 0,00000235 a saat digunakan untuk menguji 92 citra sawi dan akurasi dengan asil seperti pada Tabel 4.2.
Tabel 4. 2. Hasil kombinasi 2 hidden layer 3 kelas kandungan N Neuron MSE Koefisien Korelasi Akurasi (%)
40-20 0,00000235 1 97,82
60-20 0,0000047 1 96,73
80-20 0,00000211 1 93,47
100-20 0,00000171 1 96,73
Dari Tabel 4.1 dan Tabel 4.2 dapat dilihat bahwa akurasi terbaik diperoleh dari kombinasi 2 hidden layer dengan jumlah neuron 40-20 yaitu 97,82 % saat diuji dengan menggunakan 92 data citra daun tanaman sawi hijau yang berumur 15 hari, walaupun nilai MSE diperoleh hanya 0,00000235 yang lebih besar dari pelatihan dengan jumlah neuron 100-20 yaitu 0,00000171, namun hasil pengujian menghasilkan akurasi 96,73%. Koefisien korelasi yang dihasilkan dengan menggunakan 2 kombinasi hidden layer menghasilkan nilai 1, sedangkan pada kombinasi 1 hidden layer hanya dengan jumlah neuron 80 yang menghasilkan nilai 1.
d. Hasil Pelatihan dan Pengujian Identifikasi Kalium
Hasil pelatihan saraf tiruan backpropagation pada penelitian ini untuk 1 target output dalam mengidentifikasi 3 kelas pemberian pupuk Kcl sebagai sumber Kalium, dimana : Tanpa Kalium (K = 0), Kalium antara 1-2 gram dan Kalium > 2 gram dalam 1 liter air. Adapun hasil pelatihan dengan kombinasi 1
Gambar 4.3030. Hasil Pelatihan 1 Hidden layer 40-1 untuk 3 kelas K
Gambar 4.31. MSE pada Epoch 20000
Gambar 4.32. Koefisien Korelasi pada
Dari Gambar 4.31 sampai 4.32 sebesar 0,113 yang sangat jauh dari
sebesar 0,9416. Waktu yang diperlukan untuk melaku
adalah 4 menit 15 detik. Pada saat digunakan untuk menguji 92 data citra diperoleh akurasi sebesar 35,86%.
dengan menggunakan jumlah
Tabel 4. 3. Hasil kombinasi 1 Neuron
40 60 80 100
Koefisien Korelasi pada 1 hidden layer 40-1 (R=0,9416)
Dari Gambar 4.31 sampai 4.32 dapat dilihat bahwa nilai MSE diperoleh sebesar 0,113 yang sangat jauh dari goal yang ditentukan, dan koefisien korelasi Waktu yang diperlukan untuk melakukan pelatihan 158 data citra adalah 4 menit 15 detik. Pada saat digunakan untuk menguji 92 data citra diperoleh akurasi sebesar 35,86%. Hasil MSE, koefisien korelasi dan akurasi dengan menggunakan jumlah neuron 60, 80 dan 100 dapat dilihat pada
. Hasil kombinasi 1 hidden layer 3 kelas kandungan K MSE Koefisien Korelasi Akurasi (%)
0,113 0,9416
0,113 0,9414
0,113 0,9414
0,113 0,9412
1 (R=0,9416)
dapat dilihat bahwa nilai MSE diperoleh yang ditentukan, dan koefisien korelasi kan pelatihan 158 data citra adalah 4 menit 15 detik. Pada saat digunakan untuk menguji 92 data citra Hasil MSE, koefisien korelasi dan akurasi 80 dan 100 dapat dilihat pada Tabel 4.3.
3 kelas kandungan K Akurasi (%) 35,86 43,47 40,21 31,52
Pelatihan dengan menggunakan kombinasi 2
neuron mulai dari
40-Gambar 4.33. Hasil Pelatihan 1
Pelatihan dengan menggunakan kombinasi 2 hidden layer -20 diperoleh hasil seperti gambar berikut :
. Hasil Pelatihan 1 Hidden layer 40-20-1 untuk 3 kelas K
Gambar 4.34. MSE pada Epoch 20000
hidden layer dan jumlah
Gambar 4.35. Koefisien Korelasi pada 2
Pada Gambar
dengan kombinasi 2 hidden layer d
0,112 dan koefisien korelasi 0,9420. Waktu yang dibutuhkan untuk melatih 158 data citra 20000 epoch adalah 5 menit 5 detik. Saat diujikan dengan menggunakan 92 data citra diperoleh akurasi sebesar 36,95%. Nilai
akurasi dari penggunaan jumlah neuron 60 pada Tabel 4.4 :
Tabel 4.4. Hasil kombinasi 2 Neuron
40-20 60-20 80-20 100-20
. Koefisien Korelasi pada 2 hidden layer 40-20-1 (R=0,9420)
Pada Gambar 4.33 sampai Gambar 4.35 dapat dilihat bahwa pelatihan dengan kombinasi 2 hidden layer dan jumlah neuron 40-20-1 diperoleh nilai MSE 0,112 dan koefisien korelasi 0,9420. Waktu yang dibutuhkan untuk melatih 158 data citra 20000 epoch adalah 5 menit 5 detik. Saat diujikan dengan menggunakan 92 data citra diperoleh akurasi sebesar 36,95%. Nilai MSE, koefisien korelasi dan akurasi dari penggunaan jumlah neuron 60-20, 80-20 dan
100-. Hasil kombinasi 2 hidden layer 3 kelas kandungan K MSE Koefisien Korelasi Akurasi (%)
0,112 0,9420
0,112 0,9418
0,113 0,9410
0,113 0,9416
1 (R=0,9420)
dapat dilihat bahwa pelatihan 1 diperoleh nilai MSE 0,112 dan koefisien korelasi 0,9420. Waktu yang dibutuhkan untuk melatih 158 data citra 20000 epoch adalah 5 menit 5 detik. Saat diujikan dengan menggunakan MSE, koefisien korelasi dan -20 dapat dilihat 3 kelas kandungan K Akurasi (%) 36,95 45,65 43,47 40,21
Dari Tabel 4.3 dan Tabel 4.4 dapat dilihat bahwa hasil akurasi terbaik hanya diperoleh sebesar 45,65% dengan menggunakan kombinasi 2 hidden layer, jumlah neuron 60-20-1, nilai MSE sebesar 0,112 dan koefisien korelasi 0,9418. Rendahnya akurasi jaringan saraf tiruan dalam melakukan identifikasi Kalium disebabkan karena tidak adanya perbedaan yang signifikan pada warna dan tekstur daun sawi hijau yang diberikan pupuk Kalium 0, 1, 2 atau 3 gram yang dilarutkan dalam satu liter air. Hal ini ternyata disebabkan karena tanaman sawi hijau
Brassica Juncea L yang dipanen pada fase vegetatif hanya memerlukan unsur hara
makro Nitrogen untuk perkembangan bagian vegetatif tanaman sawi hijau tersebut, sedangkan Fosfor dan Kalium dibutuhkan saat tanaman sawi hijau memasuki fase generatif atau berumur lebih dari 35 hari setelah tanam (Rakhmiati dkk. 2003).
e. Identifikasi Umur Tanaman dengan Input Color Moments, GLCM dan Luas Area Daun
Pelatihan jaringan saraf tiruan Backpropagation untuk mengidentifikasi umur tanaman menggunakan penggabungan input Color moments, GLCM dan luas area daun, jumlah input yang digunakan adalah 30 input seperti pada Gambar 3.7. Kombinasi hidden layer yang digunakan sama dengan kombinasi hidden
layer untuk identifikasi Nitrogen dan Kalium yaitu 2 kombinasi hidden layer. 1 hidden layer dengan jumlah neuron 40,60,80 dan 100. 2 hidden layer dengan
jumlah neuron 40-20, 60-20, 80-20 dan 100-20, 1 layer output untuk identifikasi 3 kelas umur tanaman sawi. Adapun nilai MSE, Koefisien korelasi dan akurasi pengujian umur tanaman sawi dapat dilihat pada gambar berikut :
Gambar 4.36. Hasil Pelatihan 1
Gambar 4.
Hasil Pelatihan 1 Hidden layer 40-1 untuk 3 kelas umur
Gambar 4.37. Grafik MSE pada Epoch 20000
Gambar 4.38
Dari Gambar 4.36 sampai dengan Gambar 4.38 pelatihan dengan 1 hidden layer
masih lebih besar dari nilai
tiruan, nilai koefisien korelasi = 1, dalam 20000 selama 4 meni 18 detik.
dengan perlakukan pemberian pupuk ZA sebagai sumber N 1 gram dalam 1 lit air dihasilkan 72,2%. Berikut adalah nilai MSE, koefisien korelasi dan akurasi terhadap citra hasil uji umur dengan kombinasi 1 dan 2
Tabel 4. 5. Hasil kombinasi 1 Neuron
40 60 80 100
38. Koefisien Korelasi pada hidden layer 40-1 (R= 1)
r 4.36 sampai dengan Gambar 4.38 dapat dilihat bahwa hasil
hidden layer 40 neuron diperoleh nilai MSE 0,00000493 yang
masih lebih besar dari nilai goal yang ditetapkan pada parameter jaringan saraf tiruan, nilai koefisien korelasi = 1, dalam 20000 epoch diperlukan waktu pelatihan selama 4 meni 18 detik. Akurasi saat diuji dengan 108 citra daun tanaman sawi dengan perlakukan pemberian pupuk ZA sebagai sumber N 1 gram dalam 1 lit air dihasilkan 72,2%. Berikut adalah nilai MSE, koefisien korelasi dan akurasi terhadap citra hasil uji umur dengan kombinasi 1 dan 2 hidden layer
. Hasil kombinasi 1 hidden layer 3 kelas umur tanaman sawi hijau. MSE Koefisien Korelasi Akurasi (%)
0,00000499 1
0,0000154 0,9999
0,00000326 1
0,0000229 0,9999
1 (R= 1)
dapat dilihat bahwa hasil 40 neuron diperoleh nilai MSE 0,00000493 yang rameter jaringan saraf diperlukan waktu pelatihan Akurasi saat diuji dengan 108 citra daun tanaman sawi dengan perlakukan pemberian pupuk ZA sebagai sumber N 1 gram dalam 1 liter air dihasilkan 72,2%. Berikut adalah nilai MSE, koefisien korelasi dan akurasi
hidden layer.
3 kelas umur tanaman sawi hijau. Akurasi (%)
72,2 72,2 66,66 57,40
Tabel 4. 6. Hasil kombinasi 2 hidden layer 3 kelas umur tanaman sawi hijau Neuron MSE Koefisien Korelasi Akurasi (%)
40-20 0,00000242 1 74,07
60-20 0,00000236 1 77,70
80-20 0,00000099 1 76,85
100-20 0,00000113 1 78,70
Dari Tabel 4.5 dan Tabel 4.6 dapat dilihat bahwa akurasi terbaik diperoleh dari kombinasi 2 hidden layer dengan jumlah neuron 100-20 yaitu 78,70%, walaupun nilai MSE yang diperoleh adalah 0,00000113 lebih besar daripada pelatihan dengan jumlah neuron 80-20 yaitu 0,00000099. Akurasi hasil yang kurang dari 80% dalam mengidentifikasi umur tanaman sawi hijau (Brassica
Junce L.) varietas Tosakan ini disebabkan karena perbedaan warna dan tekstur
daun dari umur 10 hari dengan 20 hari dan 30 hari tidak terlalu signifikan. Perubahan warna, tekstur dan luas area daun dalam 10, 20 dan 30 hari setelah tanam (MST) dapat dilihat pada grafik Gambar 4.39 dan Gambar 4.40.
Gambar 4.39. Grafik Warna dan Tekstur umur 10, 20 dan 30 hari.
Gambar 4.40. Perubahan luas area daun tanaman Sawi hijau. -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 N il a i 10 20 30 0 50000 100000 150000 200000 250000 300000 10 20 30 L u a s a r e a
Umur Tanaman Sawi Hijau
Umur tanaman
f. Tampilan Program Identifikasi Nitrogen, Kalium dan umur tanaman Berikut adalah tampilan program saat menampilkan hasil identifikasi pupuk ZA sebagai sumber Nitrogen.
Gambar 4.41. Tampilan program menampilkan hasil identifikasi Nitrogen
Berikut adalah tampilan program untuk menghasilkan identifikasi Kalium tanaman sawi hijau.
Gambar 4.42. Tampilan program menampilkan hasil identifikasi Kalium
Berikut adalah tampilan program untuk mengidentifikasi umur tanaman sawi hijau
g. Hasil uji klorofil
Pengujian klorofil di laboratorium dilakukan dengan menggunakan alat spektrofotometer. Sampel daun yang digunakan adalah kurang lebih 0,1 gram daun segar untuk setiap analisa klorofil. Pengambilan sampel daun diambil secara acak pada tanaman dengan pemberian pupuk ZA 0, 1, 2 dan 3 gram dalam 1 liter air, pada umur 15, 20, 25 dan 30 hari setelah tanam. Berikut adalah gambar grafik hubungan mean warna Hue dengan klorofil dengan menggunakan data yang sudah dinormalisasi dengan Z score.
Gambar 4.44. Grafik hubungan mean warna Hue dengan klorofil umur 15 hari -2 -1,5 -1 -0,5 0 0,5 1 1,5 0 1 2 3 4 N o rm . H u e d a n K lo ro fi l Pupuk ZA (gr/lt) Norm H Norm Klo
Gambar 4.45. Grafik hubungan mean warna Hue dengan klorofil umur 20 hari
Gambar 4.46. Grafik hubungan mean warna Hue dengan klorofil umur 25 hari -1,5 -1 -0,5 0 0,5 1 1,5 0 1 2 3 4 N o rm . H u e d a n K lo ro fi l Pupuk ZA (gr/lt) Norm H Norm Klo -2 -1,5 -1 -0,5 0 0,5 1 1,5 0 1 2 3 4 N o rm . H u e d a n K lo ro fi l Pupuk ZA (Gr/lt) Norm H Norm Klo
Gambar 4.47. Grafik hubungan mean warna Hue dengan klorofil umur 30 hari
Dari Gambar 4.44 sampai Gambar 4.47 dapat dilihat bahwa semakin meningkatnya pemberian pupuk ZA mulai 0, 1, 2 dan 3 gram dalam 1 liter air maka semakin meningkat pula kadar klorofil daun sawi hijau, sedangkan dengan pengolahan citra, nilai mean warna Hue meningkat pada pemberian pupuk ZA dari 0 menuju 1 gram dalam 1 liter air, namun pada pemberian pupuk ZA 3 gram dalam 1 liter air terjadi penurunan nilai warna Hue.
-2 -1,5 -1 -0,5 0 0,5 1 1,5 0 0,5 1 1,5 2 2,5 3 3,5 N o rm . H u e d a n K lo ro fi l Pupuk ZA (gr/lt) Norm H Norm Klo
96