Tabel 2 Jumlah data prosedur uji. Crop Variable. Jumlah data LAI 104 SPAD 105 yield 64 LAI 104 SPAD 105 yield 64 LAI 62 SPAD 63 yield 34.

Transkripsi

1 2. Cross validation 5 fold dengan pemisahan data Indramayu dan, menggunakan data berikut: 3. Supplied test set : training:, testing: Hymap training:, testing: Hymap 4. Percentage split dengan data training 7% dan data testing 3% menggunakan data Hymap. Prosedur kedua hanya dilakukan untuk memprediksi yield sedangkan prosedur pertama, ketiga dan keempat dilakukan untuk memprediksi LAI, SPAD, dan yield. Praproses Tahap praproses dilakukan pada., Hymap, dan Crop Variable. Setelah melalui tahapan praproses, data tersebut dibagi sesuai dengan prosedur uji. Jumlah data yang diperoleh untuk setiap prosedur uji dapat dilihat pada Tabel 2. Lebih lanjut hasil dari praproses dapat dilihat pada Hasil dan Pembahasan. Evaluasi dan Analisis Hasil Hasil pengujian dievaluasi dengan membandingkan nilai. Nilai merupakan hasil kuadrat dari nilai coefficient correlation (CC). Setelah semua hasil pengujian diperoleh, hasil pengujian tersebut dianalisis. Lingkungan Pengembangan Perangkat lunak yang digunakan untuk penelitian yaitu:. Windows Vista Home Premium sebagai sistem operasi, 2. Interactive Language (IDL) untuk praproses data, 3. Weka 3.6 sebagai pengujian data, 4. Notepad++ dan Microsoft Excel sebagai editor program. Perangkat keras yang digunakan untuk penelitian yaitu :. Processor Intel Dual-Core.6 GHz, 2. RAM 2 GB, 3. Hard disk kapasitas 7GB. Tabel 2 Jumlah data prosedur uji Hymap Indramayu Indramayu Pengujian Crop Variable Jumlah data LAI 4 SPAD 5 yield 64 LAI 4 SPAD 5 yield 64 LAI 62 SPAD 63 yield 34 yield diuji dengan mengikuti prosedur yang telah dibuat dengan menggunakan perangkat lunak Weka dengan algoritme PLSR. Pengujian dilakukan berulang dengan mengubah parameter jumlah latent. HASIL DAN PEMBAHASAN Praproses Tahap-tahap praproses dilakukan pada. dan data Hymap dengan menggunakan IDL. Praproses untuk. dilakukan menjadi tiga level data dan pada setiap level menghasilkan data baru yaitu.,.2, dan.. Alur tahapan praproses dapat dilihat pada Gambar 6 dan penjelasan untuk tahapan praproses tiap data dapat dilihat pada Tabel 3. Contoh file reflectance. dapat dilihat pada Lampiran. Setiap file pada. terdiri atas 6 sampai 6 kolom. Baris pertama merupakan header yang menunjukkan banyaknya 7

2 pengulangan nilai reflectance. Kolom pertama adalah panjang gelombang sedangkan kolom kedua sampai terakhir dari baris kedua sampai terakhir merupakan nilai-nilai spektral. Tabel 3 Level data dan tahapan praproses Level Tahapan Praproses..2. Nilai spektral yang diambil pada tiap titik percobaan dilakukan perhitungan rata-rata dari setiap panjang gelombang. Rata-rata tiap petakan dihitung dari. dan data yang mengandung noise dihapus. Resampling data spektral menjadi 4 band yang disesuaikan dengan templateband pada data Hymap. Gambar 6 Tahap praproses data. Dari setiap file. dilakukan perhitungan rata-rata untuk setiap panjang gelombang dan kemudian disimpan ke dalam file baru pada folder. dengan nama file yang sama. Contoh nama file. yaitu INqp_, INqp2_, INqp3_, SBqp_, SBqp2_ dan seterusnya. Simbol IN artinya data tersebut diambil dari daerah Indramayu sedangkan SB artinya dari wilayah, q menunjukkan quadrate, dan p menunjukkan titik percobaan. Tahap praproses selanjutnya yaitu menghitung rata-rata tiap panjang gelombang untuk setiap titik percobaan pada setiap quadrate. Implementasi pada data yang digunakan yaitu beberapa file yang memiliki kode q yang sama dilakukan perhitungan ratarata pada setiap panjang gelombang kemudian disimpan ke dalam file baru pada folder.2. Contoh untuk file dengan kode INqp_, INqp2_, sampai dengan kode INqp_ dilakukan perhitungan rata-rata tiap panjang gelombang yang kemudian disimpan ke dalam file INq. Jika hasil rata-rata pada range 6 sampai dengan 3 nanometer dan range sampai dengan 7 nanometer terdapat nilai yang lebih dari.48, data tersebut dianggap memiliki noise dan tidak akan digunakan untuk pengujian dan analisis. Tahap praproses terakhir untuk data dan yaitu penggabungan seluruh data yang ada pada.2 menjadi satu file. Nilai-nilai reflectance setiap file pada.2 akan menjadi kolom dari file pada., tetapi nilai reflectance yang akan disimpan ke dalam. hanya untuk panjang gelombang yang terdapat pada data Hymap. Nilai-nilai reflectance yang terdapat pada.2 dilakukan penyesuaian terhadap data Hymap, sehingga untuk. setiap nilai reflectance dikalikan dengan dan panjang gelombang dalam satuan / nanometer. Hymap terdiri atas 26 band dengan range panjang gelombang 459 sampai dengan 249 nanometer dan lebar band berbeda.tahap praproses yang dilakukan pada data tersebut yaitu pemilihan data untuk panjang gelombang 8

3 terpilih sehingga menjadi 4 band. Pemilihan 26 band menjadi 6 band karena terdapat sepuluh band yang merupakan band terjadinya water absorption (proses penyerapan panjang gelombang oleh air sebelum jatuh ke permukaan bumi). Sepuluh band tersebut dihapus sedangkan dua band lainnya dihapus (band 5 dan 6) karena merupakan band yang mengandung noise. Pada data Hymap juga dilakukan penggabungan untuk seluruh file menjadi sebuah file seperti praproses.2 menjadi.. Hymap untuk daerah Indramayu dilakukan pembulatan nilai panjang gelombang agar sesuai dengan data dan. Hasil penggabungan., data Hymap, dan data Crop Variable disesuaikan dengan format Weka dan prosedur pengujian. Hasil Pengujian Menggunakan Weka Prosedur pengujian yang dilakukan yaitu cross validation 5 fold, supplied data test, dan percentage split 7% data training dan 3% data testing dengan melakukan perubahan pada jumlah latent yang digunakan pada setiap prosedur pengujian tersebut.. Cross validation 5 fold dengan menggabungkan data Indramayu dan Pengujian cross validation 5 fold dengan menggabungkan data Indramayu dan untuk pengujian LAI menggunakan sampai dengan 82 latent, SPAD menggunakan sampai dengan 83 latent, dan yield menggunakan sampai dengan 52 latent. Nilai yang diperoleh untuk prediksi LAI, SPAD, dan yield masing-masing dapat dilihat pada Tabel 4, Tabel 5, dan Tabel 6, sedangkan untuk perbandingan nilai LAI, SPAD, dan yield data dan masingmasing dapat dilihat pada Gambar 7 dan Gambar 8. Grafik error untuk hasil prediksi LAI, SPAD, dan yield dengan cross validation 5 fold dapat dilihat pada Lampiran Cross validation 5 fold dengan pemisahan data yield Indramayu dan Pada pengujian cross validation 5 fold untuk prediksi yield, data Indramayu menggunakan sampai dengan 32 latent sedangkan data sampai dengan 2 latent. Nilai masing-masing daerah dapat dilihat pada Tabel 7 dan Tabel 8. Perbandingan nilai yield antara penggabungan dan pemisahan data Indramayu dan dapat dilihat pada Gambar 9 dan Gambar. Grafik error untuk hasil prediksi yield dengan cross validation 5 fold pemisahan data Indramayu dan dapat dilihat pada Lampiran 3. Tabel 4 Hasil prediksi LAI dengan cross Crop Variable LAI RMSE Latent 9 Tabel 5 Hasil prediksi SPAD dengan cross Crop Variable SPAD RMSE Latent 3 Tabel 6 Hasil prediksi yield dengan cross Crop Variable yield RMSE Latent 5 3 9

4 Tabel 7 Hasil prediksi yield dengan cross Daerah INDRAMAYU RMSE Latent 3 Tabel 8 Hasil prediksi yield dengan cross validation 5 fold data Daerah SUBANG RMSE Latent 4 4 Gambar 7 Perbandingan LAI, SPAD, dan yield.,9,8,9, Gambar 8 Perbandingan LAI, SPAD, dan yield. Gambar 9 Perbandingan yield data cross validation 5 fold.,9,8,9, Gambar Perbandingan yield data cross validation 5 fold. 3. Supplied test set IN SB IN-SB IN SB IN-SB Supplied test set menggunakan data training dan dengan data testing yaitu data Hymap. Hasil untuk prediksi LAI, SPAD, dan yield dapat dilihat pada Lampiran 4, sedangkan grafik perbandingan untuk dan dalam memprediksi data Hymap dapat dilihat pada Gambar dan Gambar 2. Grafik error untuk hasil prediksi dengan supplied test set data Hymap dapat dilihat pada Lampiran Percentage split dengan 7% data training dan 3% data testing Hymap dibagi menjadi 3 data set untuk masing-masing data LAI, SPAD, dan yield. dibagi dengan sistem acak dan masingmasing pengujian menggunakan jumlah latent yang berbeda.hasil untuk prediksi LAI, SPAD, dan yield dapat dilihat pada Lampiran 6, sedangkan grafik perbandingan dapat dilihat pada Lampiran 7.

5 Gambar Perbandingan data training data testing Hymap LAI, SPAD dan yield.,,9,8,,,,,9,8,,, LAI Gambar 2 Perbandingan data training data testing Hymap LAI, SPAD dan yield. Evaluasi dan Analisis Hasil SPAD Hasil yang diperoleh dengan melakukan ketiga prosedur pengujian data menunjukkan bahwa jumlah latent yang dibutuhkan untuk mendapatkan akurasi berbeda untuk setiap data. Nilai cross validation 5 fold yang diperoleh untuk prediksi LAI dengan data yaitu.884, sedangkan data yaitu.938. Prediksi SPAD dengan data yaitu.27, sedangkan data yaitu Prediksi yield dengan data yaitu.24, sedangkan data yaitu Pengujian cross validation 5 fold dengan memisahkan data yield Indramayu dan tidak memberikan pengaruh yang terlalu besar terhadap nilai pada masing-masing percobaan. Pada daerah Indramayu, data yaitu.2878 dan data yaitu.323. mengalami penurunan pada data yaitu untuk data dan masingmasing bernilai.769 dan.47. Diagram perbandingan pemisahan data Indramayu dan dapat dilihat pada Lampiran 8. Pada Gambar 9 dan Gambar, nilai untuk prediksi yield daerah lebih rendah dari data Indramayu dan data gabungan Indramayu-. Penggabungan data Indramayu- lebih baik jika dibandingkan dengan data Indramayu maupun data. Secara keseluruhan, nilai untuk memprediksi LAI jauh lebih tinggi jika dibandingkan dengan SPAD dan yield seperti yang terlihat pada Gambar 7, Gambar 8, Gambar dan Gambar 2. Diagram perbandingan LAI, SPAD, dan yield dapat dilihat pada Lampiran 9. Pengujian data Hymap dengan percentage split menunjukkan bahwa hasil untuk prediksi yield bisa mencapai nilai.492. Hal ini menunjukkan bahwa yield dapat diprediksi dengan menggunakan data spektral walaupun belum mencapai akurasi sebaik prediksi LAI. Seluruh hasil percobaan menunjukkan bahwa LAI dapat diprediksi menggunakan data spektral dan mendapatkan akurasi yang tinggi, sedangkan SPAD dan yield masih kurang baik. Hasil prediksi SPAD yang memiliki akurasi kurang baik dapat dikarenakan adanya kesalahan sistem pengukuran pada alat. Pada saat pengukuran, kandungan klorofil daun yang berwarna hijau dengan daun yang berwarna merah memiliki nilai SPAD yang hampir sama. Nilai yield aktual yang digunakan pada data penelitian merupakan hasil pengukuran ubinan yang merupakan pengukuran sample, yaitu perhitungan yield 4 x 4 meter yang mewakili yield untuk hektar ( x meter). Hal tersebut dapat menjadi salah satu penyebab hasil akurasi yang kurang baik dalam memprediksi yield. Kesimpulan KESIMPULAN DAN SARAN Hasil penelitian menunjukkan:. Semakin banyak jumlah latent yang digunakan, maka nilai akan mendekati ke suatu nilai (konvergen). 2. Untuk menghasilkan nilai diperlukan pemilihan jumlah latent yang tepat. 3. Jumlah data cukup berpengaruh terhadap nilai. 4. Penggabungan data Indramayu dan memberikan nilai relatif lebih baik karena data menjadi lebih bervariasi untuk testing data baru.