4.1.2. Optimalisasi Jaringan Syaraf Tiruan
Gambar 4.5 Grafik hasil optimalisasi
Pada gambar 4.5 dari hasil pengujian optimalisasi jaringan syaraf tiruan, dengan mengubah nilai neuron pada hidden layer 2 dapat dilihat bahwa
menambahkan nilai neuron pada hidden layer 2 dengan feature mean meningkatkan akurasi di semua nilai MFCC, dengan akurasi tertinggi yaitu 100 pada MFCC 13
dengan jumlah neuron pada hidden layer 2 yaitu 30 dan 40. Setelah melihat hasil yang ada pada gambar grafik di atas dan grafik
sebelumnya, dapat disimpulkan bahwa nilai akurasi yang baik sudah dapat dicapai dengan hanya menggunakan feature mean dan 1 hidden layer saja tanpa harus
mengkombinasikan dengan feature lainnya dan menambahkan jumlah hidden layer-nya, karena nilai akurasi mampu mencapai di atas 90.
MFCC 13 MFCC 26
MFCC 39 10 N
99.44 99.72
98.33 20 N
99.72 98.33
97.78 30 N
100 99.17
98.33 40 N
100 99.72
99.44 96.5
97 97.5
98 98.5
99 99.5
100
A k
ur a
si F
ea tu
re Mea
n
Optimasilasi JST K-fold = 10
4.1.3. Percobaan Metode Training
Setelah mendapatkan kombinasi feature dan arsitektur jaringan syaraf tiruan terbaik, akan dilakukan percobaan terhadap metode training pada jaringan syaraf
tiruan untuk melihat perubahan terhadap nilai akurasi yang dihasilkan.
Gambar 4.6 Grafik akurasi percobaan metode training
Dengan menggunakan arsitektur jaringan yang sama seperti percobaan sebelumnya dan mengubah metode training maka didapatkan hasil akurasi seperti
pada gambar 4.6. Dapat dilihat bahwa terjadi penurunan akurasi pada metode training traingdm, ini disebabkan dengan nilai batas epoch yang diberikan hanya
100 saja, akan berbeda jika epoch dinaikkan namun tentu saja proses pengujian akan menjadi lebih lama. Selain itu terdapat peningkatan dan penurunan pada hasil
metode training lainnya meskipun tidak terlalu signifikan namun dapat disimpulkan bahwa hasil akurasi yang optimal didapatkan dengan menggunakan metode training
traincgf, traincgp, traincgb, trainscg, trainlm, dan trainrp.
traingd m
traingda traingdx
traincgf traincgp
traincgb trainlm
trainrp MFCC 13
46.47 95
86.67 100
99.44 100
100 99.17
MFCC 26 33.33
91.67 85.83
98.61 98.61
99.44 98.89
99.17 MFCC 39
42.78 88.89
84.17 99.72
99.44 99.44
99.17 98.06
10 20
30 40
50 60
70 80
90 100
A ku
ras i
Percobaan Metode Training
4.1.4. Pengujian Data Tunggal
Kategori