Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Jaringan Syaraf Tiruan Backpropagation Untuk Mengenali Motif Batik
Fany Hermawan NIM. (2014) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Berdasarkan hasil studi literatur penggunaan metode jaringan syaraf tiruan backpropagation sebagai model pelatihan untuk mengenali pola Ãâ pola kompleks, ditemukan bahwa tingkat keberhasilan untuk mengenali suatu pola dari sebuah objek sangat baik. Pada penelitian untuk identifikasi pengenalan huruf jawa tingkat akurasi penelitian sebesar 99.563 %. Untuk penelitian identifikasi gangguan psikologi, tingkat akurasi yang dihasilkan sebesar 97,5%. Sedangkan pada identifikasi penyakit TBC tingkat keakurasian yang dihasilkan sebesar 77,5%. Batik mempunyai motif yang bervariasi dan hampir setiap motif batik mempunyai keunikan pola yang serupa ( tapi tidak sama ) sehingga sulit dikenali oleh karena itu batik sangat cocok untuk dijadikan obyek pengenalan pola dengan mengimplementasikan jaringan syaraf tiruan backpropagation. Sebagai pemodelan dari pembangunan simulasi implementasi jaringan syaraf tiruan backpropagation untuk mengenali motif batik dilakukan pemodelan berbasis objek dengan UML diagram. Simulasi ini menggunakan proses pengolahan citra terhadap citra masukan sebelum citra tersebut dimasukkan ke dalam JST, diantaranya proses scalling, grayscale, edge detection dengan metode sobel dan tresholding. Hasil penelitian implementasi jaringan syaraf tiruan backpropagation untuk mengenali motif batik, tingkat keakurasian yang didapatkan dari hasil pengenalan adalah 85%.
Ringkasan Alternatif
Based on the results of literature studies the use of artificial neural networks backpropagation method as a training on complex model of pattern recognition, success rate in identifying a pattern of an object is very well.On this research the value of accuracy on javanese font identifying is 99.563%. For psychology disorder, the acuracy value is 97.5%. And TBC disease identifying has acuracy value at 77.5%. Batik has a variation pattern and almost of every pattern of batik has similar unique pattern (but itÃâs not identic) so that itÃâs difficult to be recognized. So batik is an excelent model for object recognizing with artificial neural network backpropagation implementation. As a modelling of simulation development of neural network backpropagation for recognizing batik pattern, object based modelling is performed with UML diagram. This simulation uses image proccessing on image as an input before itÃâs become included into neural network, the proccesses are scalling, grayscale, edge detection with sobel operator and thresholding. As the result of neural network backpropagation implementation research for recognizing pattern of batik, accuracy value from result of recognitation is 85%.