PENERAPAN METODE BACKPROPAGATION DAN FUNGSI STACK UNTUK PENGHITUNGAN MATEMATIKA SEDERHANA

71110109, JODY SETIAWAN PRAMONO (2016) PENERAPAN METODE BACKPROPAGATION DAN FUNGSI STACK UNTUK PENGHITUNGAN MATEMATIKA SEDERHANA. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71110109_bab1_bab5_daftarpustaka.pdf Download (685kB)
	Text (Skripsi Informatika) 71110109_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengetahui seberapa besar tingkat keberhasilan sistem untuk mengenali karakter berupa angka dan operatorn matematika yang ditulis tangan. Salah satu metode yang dapat digunakan agar sistem dapat membaca tulisan tangan adalah dengan menggunakan metode backpropagation pada algoritma jaringan syaraf tiruan. Untuk dapat mengenali tulisan tangan program pengenalan ini dikembangkan dalam 2 tahap yaitu, tahap pelatihan dan pengenalan. Pada tahap pelatihan sistem melakukan pre-processing terhadap dataset sebelum dataset digunakan untuk melakukan pelathian. Arsitektur jaringan syaraf tiruan yang digunakan menggunakan 3 buah layer, yaitu iniiput layer, hidden layer ,dan output layer. Bobot awal pada setiap layer akan diinisialisasi secara acak pada saat pertama kali menjalankan backpropagation. Pertama sinyal dari input akan dikirimkan menuju hidden layer yang nantinya akan diteruskan lagi menuju output layer untuk mencari nilai pada output layer. Setelah itu akan dijalankan propagasi mundur untuk mencari perubahan bobot pada setiap layer. Setelah mendapatkan nilai perubaan bobot maka setiap bobot diawal akan diubah sesuai dengan perubahan bobotnya. Bobot terakhir setelah bacpropagation selesai dijalankan akan disimpan dan akan digunakan pada saat pengenalan. Proses pengenalan dibuat pada platform android dan menggunakan sistem handwriting untuk memasukkan input. Proses pengenalan juga menggunakan metode backpropagation tetapi hanya sampai tahap maju saja. Berdasarkan hasil analisis metode backpropagation dapat mengenali karakter tulisan tangan dengan tingkat keberhasilan sebesar 44.26 %.

Actions (login required)

View Item