Pancorowati, Dhita Azzahra (2014) Klasifikasi Pola Huruf Vokal Menggunakan Jaringan Saraf Tiruan Backpropagation. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1110100053-Undergraduate-Thesis.pdf - Accepted Version Download (3MB) | Preview |
Abstract
Penelitian ini berjudul Klasifikasi Pola Huruf Vokal
dengan Menggunakan Jaringan Saraf Tiruan, penelitian ini
dilakukan dengan tujuan untuk membuat suatu sistem jaringan
saraf tiruan untuk mengenali pola huruf vokal. Jaringan saraf
tiruan memiliki banyak jenis, pada penelitian ini jenis jaringan
saraf tiruan yang digunakan adalah jaringan saraf tiruan
backpropagation. Dimana jaringan backpropagation ini memiliki
keunggulan karena jaringan ini mimiliki keseimbangan antara
kemampuan jaringan untuk mengenali pola yang digunakan
selama pelatihan serta kemampuan jaringan untuk memberikan
respon yang benar terhadap pola masukan yang serupa (tapi
tidak sama). Pola yang akan dikenali ini harus diekstrasi dulu
nilai fitur histogramnya, fitur yang digunakan untuk
pengklasifikasian pola ini adalah nilai mean dan nilai standar
deviasi. Sebelum dilakukan ekstraksi fitur histogram dari setiap
citra, citra yang digunakan ini sebelumnya dibagi dulu kedalam
empat bagian sehingga setiap citra akan memiliki delapan nilai
fitur yang dijadikan parameter pengklasifikasian. Dari penelitian
ini diperoleh akurasi untuk pelatihan sebesar 84% dan dari
pelatihan ini kemudian dilakukan pengujian dimana hasil akurasi
dari pengujian ini adalah 76%. Hasil akurasi pelatihan dan
pengujian ini diperoleh dengan menggunakan parameter
jaringan sebagai berikut: jumlah lapisan tersembunyi yang
digunakan adalah 4 lapisan dengan jumlah neuron pada setiap lapisan tersembunyinya berjumlah 50 neuron, dan juga epoch
yang digunakan adalah berjumlah 4500
==========================================================================================================
This study, entitled Clasification Of Vocal Letters Pattern
Using Backpropaation Artificial Neural Network, This study was
conducted in order to create a system of artificial neural
networks to recognize patterns of vowels. Artificial neural
networks have many types, in this study the type of neural
network used is a backpropagation neural network. Where this
backpropagation network has an advantage because these
networks have a balance between the ability of network to
recognize the patterns used during the training as well as the
network’s ability to provide the correct response to similar the
input pattern (but not identical). The histogram feature value of
the patterns wich will recognized should be extracted first.
Features used for the classification of the patterns are mean and
the standard deviatio value. Before the extraction of histogram
feature is done for each image, the image used is divided into
four section so that each image will have eight features that are
used as parameter value of the classification. This study obtained
an accuracy of 84% for training and from this training, test is
done with accuracy of the test result is 76%. The training and
testing result of accuracy obtained by using the following
network parameters: the number of hidden layers used are four
layers with the number of neurons in each hidden layer are fifty
neurons, and the number of epoch used are 4500.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSFi 006.32 Pan k 3100014057179 |
| Uncontrolled Keywords: | Jaringan saraf tiruan, Backpropagation, Fitur histogram, Mean, Standar deviasi, Lapisan tersembunyi, Neuron, Epoch |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Mathematics and Science > Physics > 45201-(S1) Undergraduate Thesis |
| Depositing User: | Yeni Anita Gonti |
| Date Deposited: | 30 Dec 2020 03:53 |
| Last Modified: | 30 Dec 2020 03:53 |
| URI: | http://repository.its.ac.id/id/eprint/82348 |
Actions (login required)
 |
View Item |