Supriatna, Cecep (2014) Penerapan jaringan syaraf tiruan untuk mendeteksi dan mengenali pola bentuk pada permukaan batuan. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Mengenai Jaringan Syaraf Tiruan telah banyak diimplementasikan dalam segala bidang ilmu, khususnya dalam bidang Ilmu Pengetahuan Alam atau Sains. Jaringan Syaraf Tiruan (JST) merupakan mesin yang didesain untuk memodelkan cara yang digunakan otak untuk mengerjakan suatu fungsi tertentu, misalnya seperti pengenalan pola bentuk. Pengaplikasiannya diterapkan pada gambar yang berbentuk batuan, yang telah diproses dari langkah dari hasil SEM (Scanning Electron Microscope). Pada proses selanjutnya dilakukan pengolahan citra, yaitu kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer. Teknik pengolahan citra yang digunakan yaitu teknik Segmentasi. Training yang digunakan pada penelitian ini menggunakan metode Learnning Vector Quantization(LVQ).Dari proses inilah proses yang paling penting yaitu proses Segmentasi yang merupakan proses partisi gambar digital ke beberapa daerah dengan tujuan untuk menyederhanakan ataupun merubah representasi gambar menjadi sesuatu yang lebih bermakna dan mudah dianalisa. Ada beberapa metode yang sering digunakan dalam segmentasi citra antara lain metode statistik atau juga disebut metode clustering. Dari hasil penelitian pada proses training citra ke-1 diperoleh nilai terbaik pada percobaan pertama dengan epoch sebanyak 13 iterations dari batas maximum 1000 epoch., waktu yang digunakan selama proses training =3 detik, nilai performance = 3.00, nilai gradient = 19.8, 1.00e-05, Mu = 1.00+10 dan validation check = 6, dan sedangkan pada proses training citra ke-2 diperoleh nilai terbaik pada percobaan urutan ke-4 dan ke-10 yang terlihat dengan peningkatan kinerjanya secara berulang-ulang, dengan epoch sebanyak 29 iterations dari batas maximum 1000 epoch, waktu yang digunakan selama proses training sebanyak 10 detik, nilai performance = 1.84, nilai gradient = 72.8, pada 1.00e-05, Mu = 1.00, 1.00+10 dan validation check =6. Dengan masing-masing mendapatkan nilai regresi (R) sebesar 0.98831 dan 0.97044 pada percobaan ke-10 dari citra ke-1 dan sedangkan pada citra ke-2 diperoleh nilai regresi (R) 0.98132 dan 0.96033. Hal tersebut menunjukan bahwa kinerja Trainning Levenberg Marqurdt yang dibuat telah bekerja secara optimal karena ada kecocokan antara nilai output dari hasil training dengan target, dengan proses training harus dilakukan berulang �� ulang sampai nilai regresi (R) mendekati 1.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Jaringan Syaraf Tiruan (JST), Learnning Vector Quantization (LVQ), Teknik Segmentasi, Trainning Levenberg Marquardt |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Komputer > Sistem Komputer > 2014 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Komputer (S1) |
| Depositing User: | Admin Repository |
| Date Deposited: | 16 Nov 2016 08:07 |
| Last Modified: | 16 Nov 2016 08:07 |
| URI: | http://repository.unikom.ac.id/id/eprint/26945 |
Actions (login required)
 |
View Item |
