TY - THES M1 - skripsi KW - Principal Component Analysis KW - Self Organizing Map KW - Backpropagation KW - citra grayscale KW - citra black and white KW - eigen value KW - eigen vecktor. ID - katalog3359 AV - restricted EP - 58 UR - https://katalog.ukdw.ac.id/3359/ TI - MENGUKUR KEMAMPUAN PCA PADA BACKPROPAGATION DAN SELF ORGANIZING MAP DALAM KASUS PENGENALAN HURUF KOREA Y1 - 2014/02// N2 - Proses komputasi yang lambat menjadi masalah dalam pengenalan pola dengan data yang komplek. Huruf Korea merupakan contoh kasus yang terdiri dari 40 karakter yang mempunyai tingkat kemiripan yang tinggi. Dengan preprocessing PCA (Principal Component Analysis) data yang mempunyai kemiripan akan dihilangkan, dengan harapan data menjadi lebih sederhana untuk diolah lebih lanjut. PCA sebagai preprocessing akan dikombinasikan dengan Backpropagation dan SOM (Self Organizing Map) untuk melakukan pelatihan agar pola dapat dikenali. Tahap pertama dalam pengenalan huruf Korea adalah tahap normalisasi, yang terdiri dari pengubahan citra ke citra grayscale dan black and white kemudian resize. Pengenalan huruf Korea ini menggunakan beberapa metode, yaitu : preprocessing PCA untuk mengurangi dimensi citra latih, SOM untuk melakukan pelatihan terhadap pola uji berdasarkan clustering, Backpropagation untuk melakukan metode pelatihan dengan target. Uji coba sistem dilakukan dengan 2 macam percobaan. Pertama, pengujian dilakukan dengan data yang pernah dilatih untuk memastikan sistem berjalan dengan benar. Kedua, pengujian dilakukan dengan data uji yang belum pernah mendapatkan pelatihan sebelumnya. Hasil dari penelitian ini, preprocessing PCA berpengaruh terhadap waktu pelatihan yang menjadi lebih cepat. Namun demikan dalam hal akurasi kombinasi yang terbaik adalah PCA dengan Backpropagation. Hal ini terjadi karena adanya beberapa faktor, seperti : terlalu banyak kemiripan yang tidak bisa diatasi oleh clustering SOM dan varian data latih yang terbatas. A1 - 22094667, BRIAN WINDU PRAJA PB - Universitas Kristen Duta Wacana ER -