Dari hasil pengujian diatas, menggunakan rumus penghitungan persentase akurasi :
Dapat disimpulkan bahwa tingkat akurasi pengenalan pola karakter testing belum dilatih sebesar 63.0435 .
4.5 Analisis Penyebab Kegagalan Dalam Pengenalan Karakter
Dari proses pengujian, didapati bahwa terdapat beberapa karakter Aksara Katakana yang salah dikenali sistem. Didapati bahwa banyak karakter pada Aksara Katakana
memiliki tingkat kemiripan yang cukup tinggi dan banyaknya hasil pengenalan menghasilkan karakter “no” karena bentuk karakternya merupakan dasar dari sebagian
besar Aksara Katakana sehingga menyebabkan kesalahan dalam pengenalan. Tabulasi kemiripan karakter pada Aksara Katakana dapat dilihat pada tabel 4.5.
Tabel 4.5 Tabulasi Kemiripan Karakter Pada Aksara Katakana
No Karakter Yang Mirip
1 So
ソ
, N , Shi
シ
, Tsu
ツ
, No 2
Ku
ク
, Wa
ワ
, U
ウ
, Fu
フ
, Ta
タ
3 Nu
, Me , No
4 Se
セ
, Mo , Yo
, Hi
ヒ
5 Chi
チ
, Te
テ
, Ke
ケ
, Na 6
Ka , Ha
7 No
dengan sebagian besar Aksara Katakana lainnya.
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil uji coba disertai dengan pembahasan dan evaluasi yang diperoleh dari bab-bab sebelumnya, maka diperolehlah kesimpulan seperti yang tertulis dibawah
ini :
1. Pembangunan aplikasi pengenalan pola karakter Aksara Katakana dengan
metode associative memory tipe hetero-association dapat mengenali karakter Aksara Katakana dengan ketepatan pengenalan pola yaitu 74.7826 terhadap
pola yang telah dilatih dan 63.0435 terhadap sampel pola testing belum dilatih.
2. Mendeklarasikan vektor keluaran yang berbeda setiap abjad aksara sebelum di
asosiasikan akan membuat kemampuan metode associative memory tipe hetero-association dalam mengenali pola meningkat dan mempermudah
proses pengujian. 3.
Karakter Aksara Katakana yang mirip menyebabkan terjadinya kesalahan dalam pengenalan yaitu :
Karakter So, N, Shi, Tsu, dan No Karakter Ku, Wa, U, Fu, dan Ta
Karakter Nu, Me, dan No Karakter Se, Mo, Yo, dan Hi
Karakter Chi, Te, Ke, dan Na Karakter Ka dan Ha
kripsi
Universitas Sumatera Utara
5.2 Saran
Berikut saran-saran yang dapat dipertimbangkan untuk melakukan pengembangan dan perbaikan dari sistem ini :
1. Sistem ini dapat diuji pada pola karakter aksara lainnya dan dapat diketahui
tingkat akurasi pengenalannya. 2.
Sistem tidak hanya dapat mengenali dan menerjemahkan satu-satu karakter melainkan juga dapat mengenali dan menerjemahkan satu kalimat.
3. Mempersiapkan sampel karakter yang akan dilatih yang lebih bagus
bentuknya, lebih jelas penulisannya dan lebih banyak jumlahnya. 4.
Perlu dilakukan penelitian pengenalan pola karakter Aksara Katakana dengan menggunakan metode lain yaitu seperti metode backpropagation, metode
LVQ,atau metode jaringan kompetitif lainnya.
Universitas Sumatera Utara
BAB II
LANDASAN TEORI
2.1. Jaringan Syaraf Tiruan
