DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL INTISARI ABSTRACT

dokumen-dokumen yang mirip
BAB I PENDAHULUAN 1.1. Latar Belakang

3.1.2 Analisis Kebutuhan... Error! Bookmark not defined Perancangan... Error! Bookmark not defined Pengujian... Error!

BAB III ANALISIS DAN PERANCANGAN

BAB IV IMPLEMENTASI DAN PENGUJIAN

PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)

BAB I PENDAHULUAN I-1

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..

3.2.3 Resiko, Keuntungan dan Kerugian Forex Metode Prediksi dalam Forex MetaTrader 4 sebagai Platform Trading dalam Forex...

PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM

BAB 1 PENDAHULUAN. dunia industri diperhadapkan pada suatu persaingan (kompetisi). Kompetisi dapat

BAB 2 LANDASAN TEORI

4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation

DAFTAR ISI BAB I PENDAHULUAN I.1. Latar Belakang I.2. Tujuan Proyek I.3. Manfaat Proyek I.4. Cakupan Proyek...

BAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang

Jurnal Coding, Sistem Komputer Untan Volume 04, No. 3 (2016), hal ISSN: X

DAFTAR ISI. KATA PENGANTAR... v. DAFTAR ISI... vi. DAFTAR GAMBAR... ix. DAFTAR TABEL... xi. DAFTAR LAMPIRAN... xii. DAFTAR NOTASI...

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia

UNIVERSITAS BINA NUSANTARA

BAB IV HASIL DAN PEMBAHASAN. Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

BAB 3 METODOLOGI PENELITIAN

BAB I PENDAHULUAN 1.1 Latar Belakang

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION

Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

BAB III ANALISIS DAN PERANCANGAN

3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik

Pendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved

BAB 3 ANALISIS DAN PERANCANGAN

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB III PERANCANGAN SISTEM

PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

BAB III PEMBAHASAN. A. Arsitektur dan Model Fuzzy Neural Network untuk Klasifikasi Stadium

DAFTAR ISI. LEMBAR PERNYATAAN. ABSTRAK KATA PENGANTAR. UCAPAN TERIMAKASIH. DAFTAR TABEL. DAFTAR GAMBAR DAFTAR LAMPIRAN

BAB 1 PENDAHULUAN Latar Belakang

BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK

PREDIKSI PENGGUNA BUS TRANS SARBAGITA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

Perbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas

Vibration Monitoring. Diganosa Kerusakan. Produktifitas menurun

PREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR

PENERAPAN STOCHASTIC L-SYSTEM PADA PEMODELAN PERTUMBUHAN BATANG TANAMAN ARTIKEL ILMIAH. oleh Chandra Hadi Iswanto NIM

HALAMAN JUDUL LEMBAR PENGESAHAN ABSTRAK...

IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX

BAB I PENDAHULUAN. yang menyerupai otak manusia yang dikenal dengan jaringan syaraf tiruan.

Permodelan Kurva Karakteristik Inverse Non- Standart Pada Rele Arus Lebih Dengan Metode Adaptive Neuro Fuzzy Inference System (Anfis)

Gambar 5.8 Crossplot korelasi regresi multiatribut CC = Gambar 5.9 Crossplot korelasi multiatribut-pnn CC = 0.87

BAB 2 LANDASAN TEORI. hyperspectral, neuro fuzzy dan soft computing, teori himpunan fuzzy meliputi himpunan

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

DAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..

BAB I PENDAHULUAN 1.1 Latar Belakang

DAFTAR ISI. ABSTRAK..i. ABSTRACT...ii. KATA PENGANTAR...iii. DAFTAR ISI...vi. DAFTAR GAMBAR. xi. DAFTAR TABEL..xv. DAFTAR SIMBOL xvii

3. METODE PENELITIAN

BAB III ANALISA DAN DESAIN SISTEM

BAB II LANDASAN TEORI

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

BAB III RANCANG BANGUN

BAB III ANALISIS DAN PERANCANGAN

ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI

METODOLOGI PENELITIAN

BAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)

PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI

SISTEM PENGAMBILAN KEPUTUSAN PERSEBARAN PENYAKIT DAN DISTRIBUSI OBAT DALAM KABUPATEN/KOTAMADYA. (subjudul Distribusi Obat)

Penyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:

BAB III PERANCANGAN SISTEM

BAB 1 PENDAHULUAN. datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk

PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS

SISTEM PENGAMBILAN KEPUTUSAN WAKTU PERPINDAHAN LAMPU LALU LINTAS MENGGUNAKAN METODE NEURO-FUZZY PADA SISTEM TRANPORTASI CERDAS

Neural Networks. Machine Learning

KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial

BAB IV HASIL DAN UJI COBA

Materi Bagian 01 Pengenalan Grasshopper... 4

BAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh

BAB 3 METODOLOGI PENELITIAN

ALGORITMA GENETIKA UNTUK OPTIMASI STRUKTUR ANFIS

1 Pendahuluan. 1.1 Latar Belakang Masalah

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

BAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

BAB 3 ANALISIS DAN PERANCANGAN

BAB 1 PENDAHULUAN Latar Belakang Masalah

BAB III PERANCANGAN SISTEM. pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus. sesuai dengan kebutuhan dan anggaran yang disediakan.

BAB 2 LANDASAN TEORI

III. BAHAN DAN METODE

2.5 Audit Pengertian audit secara umum Jenis Audit Audit Sistem Informasi Definisi Audit Sistem Informasi

UNIVERSITAS BINA NUSANTARA. Skripsi Sarjana Program Ganda Teknik Informatika Statistika Semester Ganjil 2005/2006

KOMPUTERISASI ANALISIS STRUKTUR RANGKA 3D DENGAN METODE KEKAKUAN LANGSUNG ALGORITMA HOLZER. Yohanes I P NRP :

BAB IV PERANCANGAN DAN PEMBAHASAN

Transkripsi:

DAFTAR ISI LEMBAR PENGESAHAN HALAMAN PERNYATAAN PRAKATA DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL INTISARI ABSTRACT i vi viii ix x BAB I. PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 4 1.5 Manfaat Penelitian 4 1.6 Keaslian Penelitian 5 1.7 Metode Penelitian 5 1.8 Sistematika Penelitian 6 BAB II. KAJIAN PUSTAKA 8 2.1 Perbandingan Tinjauan Pustaka 13 BAB III. LANDASAN TEORI 15 3.1 Neurofuzzy (ANFIS) 15 3.1.1 Struktur Neurofuzzy (ANFIS) 17 3.1.2 Algoritma Pembelajaran ANFIS 21 3.2 Lindenmayer System (L-System) 25 3.2.1 Algoritma L-System 26 3.2.2 Jenis Jenis Varian L-System 26 3.3 Turtle Geometry 32 3.3.1 Interpretasi Turtle pada bidang 2 Dimensi 32 3.3.2 Interpretasi Turtle pada bidang 3 Dimensi 35 3.4 Pola Pertumbuhan Tanaman Kedelai 39 3.4.1 Taksonomi Tanaman Kedelai 39 3.4.2 Fisiologi Tanaman Kedelai 40 3.4.3 Syarat Tumbuh Tanaman Kedelai 41 3.4.4 Tahap Tahap Pertumbuhan Kedelai 41 3.4.5 Faktor yang Mempengaruhi Pertumbuhan Tanaman 42 3.4.6 Fungsi dan Defisiensi Unsur Hara pada Pertumbuhan Tanaman 43 3.4.7 Kebutuhan Pupuk Tanaman Kedelai 44 3.5 Fungsi Pertumbuhan Tanaman (Growth Function) 44

BAB IV. ANALISIS DAN RANCANGAN SISTEM 49 4.1 Analisis Sistem 49 4.2 Rancangan Sistem 51 4.3 Arsitektur Sistem 52 4.4 Model L-System 54 4.4.1 Bracketed L-System dengan Representasi Turtle Geometry 54 4.4.2 Model Baku L-System Tanaman Kedelai 56 4.4.3 Model Bebas (Free-Form) L-System Tanaman Kedelai 58 4.5 Model ANFIS 60 4.5.1 Prediksi Pertumbuhan Tanaman menggunakan ANFIS 60 4.5.2 Struktur ANFIS 61 4.5.3 Algoritma Pelatihan ANFIS 63 4.5.4 Konversi Data Latih ANFIS 65 4.6 Penggabungan Model L-System dengan Model ANFIS 67 4.6.1 Algoritma Penggabungan String L-System dengan Data Output ANFIS 68 4.6.2 Perhitungan Koordinat Koordinat Visualisasi 3 Dimensi 69 4.7 Perancangan User Interface 70 4.7.1 Rancangan Tampilan Utama Program 70 4.7.2 Rancangan Tampilan Hasil Simulasi Tanaman 71 4.7.3 Rancangan Tampilan Penentuan Struktur Tanaman 72 BAB V. IMPLEMENTASI 73 5.1 Deskripsi Implementasi 73 5.2 Implementasi Klasifikasi String L-System 73 5.3 Implementasi Pengolahan Model ANFIS 77 5.3.1 Operasi Penyimpanan Model ANFIS 77 5.3.2 Proses Pelatihan ANFIS 83 5.4 Implementasi Penggabungan Model L-System dengan Model ANFIS untuk Menggambar Obyek 3 Dimensi 90 5.5 Hasil Implementasi Tampilan User Interface 92 5.5.1 Tampilan Utama Program 92 5.5.2 Tampilan Hasil Implementasi Menu L-System 92 5.5.3 Tampilan Hasil Implementasi Menu ANFIS 94 5.5.4 Tampilan Proses Pembacaan Data Masukan ANFIS 94 5.5.5 Tampilan Proses Training ANFIS 95 5.5.6 Tampilan Hasil Implementasi Menu Simulasi 96 BAB VI HASIL DAN PEMBAHASAN 98 6.1 Rencana Pengujian Sistem 98 6.1.1 Rencana Pengujian Neurofuzzy (ANFIS) 98 6.1.2 Rencana PengujianVisualisasi 3-D 101 6.1.3 Rencana Pengujian Sistem Keseluruhan 101 6.2 Hasil Pengujian Sistem 102 6.2.1 Hasil Pengujian Neurofuzzy (ANFIS) 102

6.2.2 Hasil Pengujian Visualisasi 3-D 107 6.2.3 Hasil Pengujian Sistem Keseluruhan 111 BAB VII KESIMPULAN DAN SARAN 113 7.1 Kesimpulan 113 7.2 Saran 114

DAFTAR GAMBAR Gambar 3.1 Struktur ANFIS (Jang et.al., 1997) 18 Gambar 3.2 Triangle membership function 18 Gambar 3.3 Trapessium membership function 19 Gambar 3.4 Gaussian membership function 19 Gambar 3.5 Sigmoid membership function 20 Gambar 3.6 Generalized Bell (G-Bell) membership function 20 Gambar 3.7 Contoh L-system pertumbuhan Algae 27 Gambar 3.8 Contoh string grammar stochastic L-system 28 Gambar 3.9 Contoh alur produksi grammar parametrix L-system 30 Gambar 3.10 Contoh interpretasi string F+F+F+ 32 Gambar 3.11 Algoritma interpretasi grafis dari contoh string bracketed L-system 34 Gambar 3.12 Hasil iterasi 4 generasi dari string F F[-F]F[+F][F] 34 Gambar 3.13 Pergerakan Turtle dalam ruang 3D 35 Gambar 3.14 (a) Matriks rotasi dan (b) sumbu rotasi 36 Gambar 3.15 Tanaman kedelai 39 Gambar 3.16 Bagian bagian tanaman yang bertumbuh 40 Gambar 3.17 Tahap tahap pertumbuhan tanaman kedelai 41 Gambar 3.18 Faktor yang mempengaruhi pertumbuhan tanaman 42 Gambar 3.19 Kurva aproksimasi sigmoidal pada pertumbuhan kedelai 45 Gambar 3.20 Grafis parameter fungsi pertumbuhan kedelai 47 Gambar 3.21 Perbandingan pertumbuhan kedelai (tinggi tanaman sebagai fungsi dari nutrisi N-P-K) 48 Gambar 4.1 Alur proses dari bentuk tanaman asli menjadi simulasi tanaman 51 Gambar 4.2 Arsitektur sistem pemodelan pola tumbuh tanaman menggunakan Neurofuzzy, Lindenmayer system dan turtle geometry 52 Gambar 4.3 Alur proses sistem pemodelan pola tumbuh tanaman kedelai 53 Gambar 4.4 Hasil Contoh 1 59 Gambar 4.5 Hasil Contoh 2 59 Gambar 4.6 Hasil Contoh 3 60 Gambar 4.7 Ilustrasi korelasi non linear antara NPK dengan L-W-B menggunakan ANFIS 60 Gambar 4.8 Arsitektur ANFIS untuk simulasi tumbuh kedelai 62 Gambar 4.9 Alur proses pelatihan ANFIS 63 Gambar 4.10 Ilustrasi kebutuhan konversi data real ke step iterasi 65 Gambar 4.11 Alur proses penggabungan model L-system dengan model ANFIS 68 Gambar 4.12.Rancangan tampilan utama program 70 Gambar 4.13.Rancangan tampilan penentuan struktur L-System 71 Gambar 4.14.Rancangan tampilan penentuan struktur L-System 72 Gambar 5.1 Kode program untuk klasifikasi parameter L-System 74 Gambar 5.2 Kode program L-System dan Turtle 3D (bagian 1) 75

Gambar 5.3 Kode program L-System dan Turtle 3D (bagian 2) 76 Gambar 5.4 Kode program L-System dan Turtle 3D (bagian 3) 77 Gambar 5.5 Contoh file text hasil penyimpanan model ANFIS 77 Gambar 5.6 Prosedur simpan file text model ANFIS (berlanjut) 79 Gambar 5.7 Prosedur simpan file text model ANFIS (berlanjut) 80 Gambar 5.8 Prosedur simpan file text model ANFIS 81 Gambar 5.9 Prosedur baca file text model ANFIS 82 Gambar 5.10 Prosedur inisialisasi dan normalisasi data 83 Gambar 5.11 Prosedur perhitungan feedforward dengan LSE (berlanjut) 84 Gambar 5.12 Prosedur perhitungan feedforward dengan LSE (berlanjut) 85 Gambar 5.13 Prosedur perhitungan feedforward dengan LSE 86 Gambar 5.14 Prosedur perhitungan backpropagation (berlanjut) 87 Gambar 5.15 Prosedur perhitungan backpropagation 88 Gambar 5.16 Prosedur gradient descent untuk backpropagation 89 Gambar 5.17 Tampilan obyek batang 3-dimensi 90 Gambar 5.18 Kode program untuk menggambar batang 3-dimensi 90 Gambar 5.19 Tampilan obyek daun 3-dimensi 91 Gambar 5.20 Kode program untuk menggambar daun 3-dimensi 91 Gambar 5.21 Tampilan utama program simulasi pola tumbuh tanaman kedelai 92 Gambar 5.22 Tampilan editor L-System pada menu utama 93 Gambar 5.23 Tampilan form input L-System editor 93 Gambar 5.24 Tampilan editor model ANFIS pada menu utama 94 Gambar 5.25 Tampilan awal form editor model ANFIS 94 Gambar 5.26 Tampilan form pemilihan data pelatihan model ANFIS 95 Gambar 5.27 Tampilan form proses pelatihan model ANFIS 95 Gambar 5.28 Tampilan form setelah pelatihan model ANFIS 96 Gambar 5.29 Tampilan editor simulasi sistem pada menu utama 96 Gambar 5.30 Tampilan hasil simulasi untuk string set tanpa daun 97 Gambar 5.31 Tampilan hasil simulasi untuk string set dengan daun 97 Gambar 6.1 Beberapa tampilan saat proses uji coba ANFIS 106 Gambar 6.2 Perbandingan hasil visualisasi dengan perbedaan variabel L 111 Gambar 6.3 Perbandingan hasil visualisasi dengan perbedaan variabel W 112 Gambar 6.4 Perbandingan hasil visualisasi dengan perbedaan variabel B 112

DAFTAR TABEL Tabel 2.1 Perbandingan Kajian Pustaka 13 Tabel 3.1 Perbandingan metodologi Soft Computing 16 Tabel 3.2 Perbandingan kemampuan ANN dengan Fuzzy 17 Tabel 3.3 Proses pembelajaran ANFIS 22 Tabel 3.4 Dua simbol yang digunakan pada bracketed L-system 31 Tabel 3.5 Korelasi simbol dengan matrik pada turtle geometry 37 Tabel 3.6 Iterasi string L-system menggunakan turtle geometry 38 Tabel 3.7 Fungsi dan akibat defisiensi unsur hara 43 Tabel 3.8 Nilai aproksimasi untuk parameter pertumbuhan kedelai 46 Tabel 4.1 Pengaruh lingkungan terhadap pertumbuhan tanaman kedelai 49 Tabel 4.2 Daftar simbul Bracketed L-System dengan representasi turtle geometry 55 Tabel 4.3 Model model baku L-system untuk tanaman kedelai 57 Tabel 4.4 Kebutuhan konversi data 65 Tabel 6.1 Rencana pengujian sistem ANFIS 98 Tabel 6.2 Data polybag, NPK berimbang 99 Tabel 6.3 Data lahan sawah padi, P-K dominan 99 Tabel 6.4 Data lahan tegal, N dominan 100 Tabel 6.5 Rencana pengujian visualisasi 3 dimensi 101 Tabel 6.6 Rencana pengujian sistem keseluruhan 101 Tabel 6.7 Hasil pengujian neurofuzzy 102 Tabel 6.8 Data hasil pelatihan ANFIS untuk output L, W dan B 103 Tabel 6.9 Hasil pengujian ANFIS untuk subyek uji nomor 3 105 Tabel 6.10 Perbandingan error sistem untuk MF=3, 5 dan 10 106 Tabel 6.11 Hasil pengujian visualisasi 3-D 107 Tabel 6.12 Hasil uji visualisasi model baku string L-system 108 Tabel 6.13 Hasil uji visualisasi 3-D model freeform string L-system 110 Tabel 6.14 Hasil pengujian sistem keseluruhan 111