1.5.3 Tahap Implmentasi dan Pengujian
Tahap implementasi dan pengujian merupakan tahap dimana model yang dihasilkan dari pengembangan algoritma pelatihan jaringan saraf tiruan backpropagation di-
implementasikan pada kasus identifikasi dan pengenalan huruf abjad pada citra digital, hasil implementasi kemudian akan di-uji pada beberapa lingkungan dan kondisi untuk
memperoleh hasil perbandingan kinerja pada kedua model pelatihan yang dibangun yaitu model offline dan model online.
1.6 Sistematika Penulisan
Sistematika penulisan penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dilakukan. Dalam menyajikan laporan tesis ini digunakan
sistematika penulisan sebagai berikut: BAB I PENDAHULUAN
Bab ini berisi latar belakang rumusan masalah, maksud dan tujuan, batasan masalah, metodologi penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA Bab ini menjelaskan konsep dasar dan teori-teori dari tugas akhir yang
digunakan. BAB III ANALISIS DAN PERANCANGAN
Bab ini menjelaskan analisis dan perancangan sistem Analisis yang dilakukan berupa analisis basis data, analisis kebutuhan non-fungsional, dan analisis
kebutuhan fungsional. BAB IV IMPLEMENTASI DAN PENGUJIAN
Bab ini berisi implementasi dari hasil analisis dan perancangan serta hasil pengujian perangkat lunak. Sistem diuji dengan menggunakan metode
pengujian white box. BAB V KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan berdasarkan tujuan yang ingin dicapai dalam penilitian tesis ini dan saran-saran yang dapat diberikan untuk
penggunaan dan pengembangan perangkat lunak lebih lanjut
Universitas Sumatera Utara
BAB II
DASAR TEORI
Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai
dasar untuk memberi jawaban sementara terhadap rumusan yang diajukan serta membantu dalam penyusunan instrument penelitian.
2.1. Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan artifical neural network atau di singkat JST adalah sistem komputasi dimana arsitektur dan operasi di ilhami dari pengetahuan tentang sel syaraf
biologi di dalam otak Hermawan, 2006. JST dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi non-linear, klasifikasi data cluster
dan regresi non-parametrik atau sebuah simulasi dari koleksi model saraf biologi. Model saraf ditunjukkan dengan kemampuannya dalam emulasi, analisis,
prediksi dan asosiasi. Kemampuan yang dimiliki JST dapat digunakan untuk belajar dan menghasilkan aturan atau operasi dari beberapa contoh atau input yang
dimasukkan dan membuat prediksi tentang kemungkinan output yang akan muncul atau menyimpan karakteristik dari input yang disimpan kepadanya. Jaringan syaraf
merupakan sebuah kelompok pengolahan elemen dalam suatu kelompok yang khusus membuat perhitungan sendiri dan memberikan hasilnya kepada kelompok kedua atau
berikutnya. Setiap sub-kelompok menurut gilirannya harus membuat perhitungan sendiri dan memberikan hasilnya untuk subgrup atau kelompok yang belum
melakukan perhitungan. Pada akhirnya sebuah kelompok dari satu atau beberapa pengolahan elemen tersebut menghasilkan keluaran output dari jaringan.
Universitas Sumatera Utara
Setiap pengolahan elemen membuat perhitungan berdasarkan pada jumlah masukan input. Sebuah kelompok pengolahan elemen disebut layer atau lapisan
dalam jaringan. Lapisan pertama adalah input dan yang terakhir adalah output. Lapisan di antara lapisan input dan output disebut dengan lapisan tersembunyi hidden
layer. Jaringan sayaraf tiruan merupakan suatu bentuk arsitektur yang terdistribusikan paralel dengan sejumlah besar node dan hubungan antar-node tersebut. Tiap titik
hubungan dari satu node ke node yang lain mempunyai harga yang diasosiasikan dengan bobot. Setiap node memiliki suatu nilai yang diasosiasikan sebagai nilai
aktivasi node.
2.2. Backpropagation
Kategori