Klasifikasi Pola Huruf Vokal Menggunakan Jaringan Saraf Tiruan Backpropagation

Pancorowati, Dhita Azzahra (2014) Klasifikasi Pola Huruf Vokal Menggunakan Jaringan Saraf Tiruan Backpropagation. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
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: https://repository.its.ac.id/id/eprint/82348

Actions (login required)

View Item View Item