Hasil Pembobotan dengan Metode Nguyen Widrow

35

BAB IV HASIL DAN PEMBAHASAN

Pada bab ini akan dibahas tentang sistem yang telah dibuat. Pembahasan meliputi pelatihan dan pengujian yang dilakukan terhadap sistem yang dikembangkan. Pengujian dilakukan dengan tujuan untuk mengetahui kelebihan dan kekurangan dari aplikasi ini.

4.1 Hasil Pembobotan dengan Metode Nguyen Widrow

Untuk melakukan training terhadap citra alfanumerik, angka learning rate dan momentum harus diisi terlebih dahulu. Untuk metode dapat dipilih metode Nguyen Widrow agar pembobotan jaringan diinisialisasikan menggunakan rumus Nguyen Widrow. Penghentian program terdapat dua cara yaitu dengan penentuan maximum epoch atau target error yang telah tercapai. Setelah data input diisi maka langkah selanjutnya adalah tahap pembobotan. Pada tahap pembobotan akan dihitung bobot dan bias yang akan digunakan untuk pelatihan. Adapun gambar saat dilakukan pembobotan adalah seperti gambar 4.1 : Gambar 4.1. Bobot akhir yang disimpan pada saat proses training Universitas Sumatera Utara 36 Dari gambar 4.1 dapat dilihat bobot akhir yang berhasil disimpan setelah melakukan training pada beberapa data training. Nilai alpha learning rate awal yang digunakan adalah adalah 0.1 dan target error adalah 0.001. Pembobotan yang digunakan adalah pemobotan dengan metode Nguyen Widrow. Proses training yang dilakukan akan berhenti pada epoch 100 hal ini disebabkan pada awal proses telah ditentukan maximum epoch adalah 100. 4.2Hasil Training Data dengan Metode Nguyen Widrow dan Adaptive Learning Rate Setelah dilakukan pembobotan maka langkah selanjutnya adalah data dilatih. Pelatihan jaringan saraf tiruan ini berfungsi untuk mengajarkan pola-pola tulisan karakter yang ada sehingga diharapkan jaringan dapat mengenali pola-pola karakter baru yang diberikan. Langkah terakhir adalah bobot disimpan. Cara menyimpan bobot harus benar-benar teliti, bobot harus disimpan di tempat yang sama dan dengan nama yang sama. Kesalahan penyimpanan bobot akan mengakibatkan sistem menggunakan bobot yang tidak tepat sistem akan menggunakan bobot yang sudah tersimpan terlebih dahulu. Proses saat dilatih dan disimpan dapat dilihat pada gambar 4.2 : Gambar 4.2. Proses pada saat training Proses pelatihan akan berhenti jika pada awal ditentukan jumlah maximum epoch atau batas error telah tercapai. Hasil pelatihan dengan metode backpropagation biasa dan Universitas Sumatera Utara 37 dengan kombinasi metode Nguyen Widrow dan adaptive learning rate dapat dilihat pada tabel 4.1 : Tabel 4.1. Hasil Training Data Input Learning Rate Momentum Waktu Training detik BP Kombinasi 0.1 1 0.2534 0.1094 1 0.2 1 0.2688 0.1081 2 0.5 1 0.2634 0.1093 3 0.7 1 0.2713 0.1077 4 0.6 1 0.2855 0.1059 5 0.2 1 0.253 0.1006 6 0.3 1 0.2634 0.1014 7 0.4 1 0.2534 0.1089 8 0.6 1 0.2855 0.1028 9 0.8 1 0.2688 0.1009 A 0.7 1 0.27 0.101 B 0.2 1 0.2792 0.1055 C 0.3 1 0.2554 0.1053 D 0.5 1 0.2634 0.1006 E 0.7 1 0.2713 0.1014 F 0.6 1 0.2855 0.1089 G 0.4 1 0.253 0.1094 H 0.6 1 0.2792 0.1081 I 0.8 1 0.2554 0.1093 J 0.7 1 0.2634 0.1077 K 0.1 1 0.2712 0.1059 L 0.2 1 0.253 0.1006 M 0.5 1 0.2634 0.1014 N 0.7 1 0.2534 0.1089 O 0.2 1 0.2688 0.1094 P 0.3 1 0.2634 0.1081 Q 0.5 1 0.2855 0.1093 R 0.6 1 0.253 0.101 S 0.4 1 0.2792 0.1055 T 0.6 1 0.2554 0.1053 U 0.1 1 0.2688 0.1006 V 0.1 1 0.2534 0.1094 W 0.5 1 0.2792 0.1093 X 0.2 1 0.2713 0.1006 Y 0.3 1 0.2855 0.1055 Z 0.6 1 0.2688 0.1053 Universitas Sumatera Utara 38

4.3 Hasil Pengujian Data dengan Metode Nguyen Widrow dan Adaptive Learning Rate