Ahdiat, Roni (2016) Analisis Algoritma Backpropagation Levenberg Marquardit Untuk Pengenalan Motif Kain Batik. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Batik merupakan budaya yang telah lama berkembang dan dikenal oleh masyarakat Indonesia. Motif batik di setiap daerah memiliki keunikan dan ciri khas masing-masing, baik dalam ragam hias maupun tata warna batik itu sendiri. Salah satu cara untuk mengidentifikasi motif pada kain batik yaitu melalui pengenalan pola. Penelitian mengenai pengenalan pola pada kain batik sudah pernah dilakukan oleh Bernadinus Arisandi [3] dengan menggunakan metode Rotated Wavelet Filter dan Neural Network Filter dengan hasil pada penggunaan data training yang berbeda dengan data testing diperoleh akurasi tertinggi 78,26%. Selain itu juga sudah pernah dilakukan penelitian mengenai pengenalan motif batik oleh Johanes Widagdho Yodha [6] dengan menggunakan Deteksi Tepi Canny dan K-Nearest Neighbor dengan hasil pada penggunaan data training yang berbeda dengan data testing diperoleh akurasi tertinggi 66,67%.Algoritma Levenberg Marquadt merupakan pengembangan dari algoritma backpropagation. Algoritma ini dibangun untuk mengatasi beberapa kekurangan yang ada pada algoritma backpropagation dengan memanfaatkan teknik optimisasi numerik standar yaitu menggunakan pendekatan matriks Jacobian. Tujuan dari Levenberg Marquadt adalah meminimalkan total error. Pengujian dari algoritma Levenberg Marquardt dilakukan dengan metode cross validation. Data yang digunakan pada proses pelatihan berjumlah 50 buah motif dasar dengan masing-masing motif 10 buah dan 45 buah motif campuran dengan masing-masing motif 5 buah. Sedangkan jumlah motif yang akan dilakukan pengujian yaitu 42 buah, dengan masing-masing motif 3 buah. Dari 4 skenario pengujian yaitu menggunakan 1 sampai 4 hidden layer, hasil pengujian menunjukkan akurasi tertinggi sebesar 62.5% dengan akurasi pada batik motif dasar sebesar 80% dan akurasi pada batik motif campuran sebesar 15.79%. Akurasi ini didapatkan dari susunan variabel yang memiliki jumlah neuron pada hidden layer sebanyak 3 neuron dan 4 neuron, learning rate yang bernilai 0.01, batas epoh sebesar 7000, dan target error sebesar 0.035.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | backpropagation, levenberg marquardt, batik, pattern recognition |
Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2016 |
Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
Depositing User: | Admin Repository |
Date Deposited: | 16 Nov 2016 07:39 |
Last Modified: | 16 Nov 2016 07:39 |
URI: | http://repository.unikom.ac.id/id/eprint/4605 |
Actions (login required)
![]() |
View Item |