Gambar 7 Arsitektur PNN
2.13 Validasi Hasil Pengukuran
Validasi terhadap hasil penelitian dilakukan untuk mengetahui tingkat akurasi yang dicapai. Terdapat beberapa metode validasi yang dapat digunakan,
dua diantaranya adalah, metode holdout, dan metode leave-one out. Metode holdout, metode ini menggunakan separuh data, atau dua per tiga
data, sebagai data pelatihan dan sisanya sebagai data pengujian. Data pelatihan dan data pengujian adalah bebas, dan pengukuran hasil penelitian bersifat
pesimistik. Perbedaan pembagian data akan memberikan hasil pengukuran yang berbeda. Pengulangan proses dilakukan dengan data pelatihan dan data pengujian
yang dipilih secara acak, kemudian mengintegrasikan hasil pengukuran kedalam suatu standar parameter akan meningkatkan hasil pengukuran model Kantardzic
2003. Metode leave-one out, pada metode ini, data pelatihan dirancang
menggunakan n-1 data penelitian, dan dievaluasi menggunakan sisa data. Proses
pengukuran dilakukan berulang sebanyak n kali dengan data acuan berbeda.
Kerugian menggunakan pendekatan ini adalah penggunaan waktu komputasi yang dibutuhkan besar, bila jumlah data yang digunakan besar Kantardzic 2003.
Akurasi pengukuran model adalah bagian dari pengujian data yang diklasifikasikan secara benar, dan dihitung menggunakan persamaan,
100 S
E S
A −
=
31
dimana S adalah jumlah data, dan E kesalahan klasifikasi, A adalah nilai akurasi
umumnya dinyatakan dalam prosen.
2.14 Penelitian terkait.
Beberapa peneliti, yang telah mengunakan PNN pada penelitian mereka, antara lain:
1 Raymond Low dan Robeto Togneri, menggunakan PNN untuk mengubah
suara menjadi rangkaian teks dalam bahasa Inggris. Penelitian tersebut menggunakan suara yang direkam pada frekuensi 8000 Hz dan kuantisasi
amplitudo 8 bit. Nilai ciri suara didapat melalui proses ekstraksi ciri menggunakan metode MFCC dengan lebar waktu frame 20 ms, overlap 50 dan koefisien mel
12. Penelitian tersebut memberikan nilai akurasi 94,1 untuk pengubahan suara menjadi teks angka, dan 88,6 untuk pengubahan suara menjadi teks alfabet
Low et. al. 1998. 2
Ganchev dan Fakotakis, menggunakan PNN pada pengenalan pembicara melalui jaringan telepon tetap dengan basis data Polycost, 110 pembicara
teregistrasi, dan 24 pembicara semu tidak teregistrasi. Penggunakan metode MFCC pada proses ekstraksi ciri dengan lebar waktu frame 30 ms, overlap 50,
dan nilai koefisien mel 20 memberikan nilai EER Equal Error Rate 2,57 atau nilai akurasi sebesar 97,43, merupakan nilai akurasi tertinggi untuk pengujian
PNN Ganchev et. al 2002a. 3
Bulent Bolat dan Tulay Yildirim, menggunakan PNN sebagai alat untuk mengklasifikasikan 214 sampel data ke dalam 6 kelas data yang ada. Proses
ekstraksi ciri mengkombinasikan metode replikasi data dengan metode PCA. Dengan menerapkan PCA terhadap hasil replikasi data, dapat mereduksi panjang
vektor ciri hingga 30, yaitu dari 9 menjadi 6. Dari penelitian yang dilakukan Bolat dan Yildirim, memperlihatkan bahwa penerapan metode PCA, tidak
mempengaruhi kinerja pengujian, namun pada pelatihan PNN terjadi perubahan nilai akurasi dari 100 tanpa penerapan PCA menjadi 98,6 setelah penerapan
PCA Bolat et. al 2003.
BAB III DATA DAN METODE