1. Home
  2. Teknik

Mengumpulkan Materi-materi tentang Permasalahan yang Sedang Mengumpulkan Data-data Membuat Sistem Pengenalan Menggunakan Software Matlab R2009a Menguji Sistem Membandingkan Hasil Sistem Pengenalan Barcode Menggunakan

perbandingan. Dalam tahap ini akan diperoleh persentase hasil pengenalan citra barcode yang paling tepat dan akurat. Tujuannya adalah untuk memberikan rekomendasi metode jaringan syaraf tiruan yang paling tepat untuk mengenali citra barcode.

3.6 Prosedur Penelitian

Prosedur penelitiannya adalah sebagai berikut.

3.6.1 Mengumpulkan Materi-materi tentang Permasalahan yang Sedang

Diteliti Langkah ini dimulai dengan mengumpulkan bahan-bahan atau materi yang akan digunakan sebagai dasar penelitian. Materi yang digunakan berupa buku, jurnal, artikel ilmiah, dan prosiding seminar nasional.

3.6.2 Mengumpulkan Data-data

Langkah ini merupakan langkah untuk mengumpulkan data-data yang dibutuhkan dalam penelitian. Data-data yang diperlukan dalam penelitian ini adalah citra barcode produk yang beredar di supermarket GIANT jalan Siliwangi Semarang. Data-data ini nantinya akan digunakan sebagai data latih dan data uji untuk sistem pengenalan citra barcode yang akan dibuat dalam penelitian ini.

3.6.3 Membuat Sistem Pengenalan Menggunakan Software Matlab R2009a

Setelah proses pengambilan data-data untuk penelitian selesai, langkah berikutnya adalah merancang sistem untuk mengenali citra barcode dengan metode backpropagation dan metode learning vector quantization. Software yang digunkan untuk membuat sistem ini adalah software Matlab R2009a.

3.6.4 Menguji Sistem

Langkah ini merupakan langkah untuk mengetahui tingkat akurasi dari sistem yang telah dibuat. Termasuk yang akan diteliti adalah pengaruh variasi learning rate dan jumlah neuron hidden layer dalam proses pembelajaran sistem. Sehingga akan mempengaruhi MSE, lama pembelajaran, dan hasil pengenalan.

3.6.5 Membandingkan Hasil Sistem Pengenalan Barcode Menggunakan

Metode Backpropagation dengan Metode Learning Vector Quantization Sistem telah selesai diuji, langkah selanjutnya adalah membandingkan antara hasil pengujian sistem pengenalan barcode menggunakan metode backpropagation dengan hasil pengujian sistem pengenalan barcode menggunakan metode learning vector quantization. Langkah ini untuk mendapatkan hasil pengenalan paling baik dan akurat. Hasil perbandingan tersebut digunakan untuk memberikan rekomendasi metode yang paling tepat untuk mengenali citra barcode.

3.7 Penarikan Simpulan

Dokumen yang terkait

Analisis Perbandingan Backpropagation Dengan Learning Vector Quantization (LVQ) Untuk Memprediksi Curah Hujan Di Kota Medan

17 115 153

Implementasi Dan Perbandingan Metode Learning Vector Quantization (Lvq) Dan Backpropagation Untuk Memeriksa Keaslian Mata Uang Kertas

8 90 126

Pengembangan dan implementasi Learning Vector Quantization (LVQ) pada aplikasi pengenalan jenis ricikan keris Jawa berbasis smartphone

1 32 199

Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah

5 47 255

PENERAPAN METODE JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK PENGENALAN WAJAH DENGAN CITRA WAJAH GAUSSIAN BLUR.

0 2 46

APLIKASI MOBILE PENGENALAN CITRA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

0 0 6

KLASIFIKASI MUTU JERUK NIPIS DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

0 0 8

Klasifikasi Risiko Hipertensi Menggunakan Metode Learning Vector Quantization (LVQ)

0 1 9

PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)

0 0 10

PENGENALAN POLA AKSARA KA-GA-NGA DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

0 0 9