DAMPAK REDUKSI SAMPEL MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) PADA PELATIHAN JARINGAN SARAF TIRUAN TERAWASI (STUDI KASUS : PENGENALAN ANGKA TULISAN TANGAN)

Sari, Dyan Kemala and Diyah, Puspitaningrum and Boko , Susilo (2015) DAMPAK REDUKSI SAMPEL MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) PADA PELATIHAN JARINGAN SARAF TIRUAN TERAWASI (STUDI KASUS : PENGENALAN ANGKA TULISAN TANGAN). Undergraduated thesis, Universitas Bengkulu.

	Archive (Thesis) I,II,III,III-14-dya-FT.pdf - Bibliography Restricted to Registered users only Available under License Creative Commons GNU GPL (Software). Download (8MB)
	Archive (Thesis) IV,V,VI,LAMP,III-14-dya-FT.pdf - Bibliography Restricted to Registered users only Available under License Creative Commons GNU GPL (Software). Download (13MB)

Abstract

Tugas akhir ini membahas tentang bagaimana sebuah komputer mengenali sebuah pola citra digital berupa pengenalan angka tulisan tangan yang menggunakan metode Principal Component Analysis (PCA) pada pelatihan jaringan saraf tiruan terawasi model Backpropagation. Dalam penelitian ini terdapat dua pelatihan untuk mengetahui dampak reduksi sampel menggunakan Principal Component Analysis (PCA) atau tanpa menggunakan Principal Component Analysis (PCA). Pada penelitian ini terdapat 1060 sampel citra angka tulisan tangan yang berformat *.jpg, dimana dari 1060 sampel citra angka tulisan tangan tersebut, sebanyak 660 sampel citra digunakan untuk citra latih (training) dan sebanyak 400 sampel citra digunakan untuk citra uji (testing). Sampel tesebut diambil dari angka tulisan tangan 106 responden yang berbeda. Hasil dari analisis menunjukan bahwa sistem memiliki tingkat pengenalan bergantung pada dimensi untuk pelatihan jenis 1 dan jumlah zona untuk pelatihan jenis 2. Pada pelatihan jenis 1, jika dimensi yang digunakan adalah 40 piksel x 30 piksel maka didapatkan tingkat pengenalan sebesar 86.75% dengan waktu rata-rata untuk memproses setiap masukan adalah selama 0.4946 detik. Jika dimensi yang digunakan adalah 50 piksel x 40 piksel maka didapatkan tingkat pengenalan sebesar 82.75% dengan waktu rata-rata untuk memproses setiap masukan adalah selama 1.063 detik. Untuk pelatihan jenis 2, dengan jumlah zona 5 : 5 tingkat pengenalan yang didapatkan adalah sebesar 86% dengan waktu rata-rata yang untuk memproses setiap masukan adalah selama 0.6582 detik. Jika jumlah zona yang digunakan adalah 5 : 6 maka tingkat pengenalan yang didapatkan adalah sebesar 86.25% dengan waktu rata-rata untuk memproses setiap masukan adalah selama 0.7068 detik. Kesimpulannya adalah metode Principal Component Analysis (PCA) dapat dijadikan sebagai alternatif untuk tingkat kecepatan dan keakuratan dari pelatihan jaringan saraf tiruan.

Actions (login required)

View Item