1. Home
  2. Pendidikan

Pengujian Hasil HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN

4.1. Pengujian Hasil

Training Penambahan jumlah data training sangat berpengaruh terhadap besarnya error, dalam pengujian ini akan mencari komposisi jumlah data dan besar iterasi yang terbaik untuk dijadikan sebagai data acuan. Faktor besarnya error juga dipengaruhi oleh data awal pada saat proses di training, bila data yang ditraining antara satu file dengan file yang lain mengalami pergerakan yang terlalu besar atau pada saat pemberian landmark tidak akurat maka error yang dihasilkan menjadi lebih besar seperti pada Gambar 4.1. Untuk data training 25 sampai dengan 50 pada setiap proses iterasi menghasilkan error yang relatif besar bila dibandingkan dengan proses iterasi untuk data training 75, sedangkan untuk data trainingm100 sampai 130 menghasilkan error yang relatif lebih kecil dan stabil bila dibandingkan data training 75. Gambar 4.1. Grafik persentase error pada setiap penambahan data training dan jumlah iterasi. Universitas Sumatera Utara Tabel 4.1. Hasil pengujian data training Data Training Jumlah Iterasi Error 25 10 47.4400 25 20 43.4400 25 30 43.4400 25 40 43.4400 25 50 41.4400 25 60 40.2400 25 70 35.9000 25 80 35.9000 25 90 35.7400 25 100 35.6900 50 10 35.6900 50 20 35.6200 50 30 35.5400 50 40 36.8400 50 50 34.8400 50 60 35.3400 50 70 33.8500 50 80 35.8400 50 90 35.8400 Universitas Sumatera Utara Tabel 4.1. sambungan Data Training Jumlah Iterasi Error 50 100 35.0800 75 10 34.9800 75 20 34.8800 75 30 34.7800 75 40 30.0900 75 50 30.0900 75 60 30.0900 75 70 30.0900 75 80 30.1900 75 90 31.0900 75 100 30.8000 100 10 30.9500 100 20 31.1100 100 30 30.0900 100 40 30.0900 100 50 31.0900 100 60 30.0900 100 70 30.0900 Universitas Sumatera Utara Tabel 4.1. sambungan Data Training Jumlah Iterasi Error 100 80 30.2900 100 90 30.2900 100 100 30.2900 130 10 30.2900 130 20 30.0900 130 30 30.0900 130 40 29.9900 130 50 29.9100 130 60 29.8300 130 70 30.0900 130 80 30.0900 130 90 30.0900 130 100 30.0900 Penambahan dan pengurangan data training akan mempengaruhi hasil pengujian. Penambahan data training dan jumlah iterasi merupakan faktor yang harus diperhatikan saat dilakukan pengujian. Universitas Sumatera Utara

4.2. Hasil Training

Dokumen yang terkait

Deteksi Dan Pencarian Fitur-Fitur Wajah Manusia Dengan Menggunakan Metode Principal Component Analysis (PCA).

2 30 101

ANALISIS FITUR REDUKSI PRINCIPAL COMPONENT ANALYSIS (PCA) PADA AKURASI KLASIFIKASI OZON.

1 7 7

Ekstraksi Fitur untuk Pengenalan Wajah pada Ras Mongoloid menggunakan Principal Component Analysis (PCA).

1 8 9

PENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)

1 3 8

Pemilihan Fitur Citra Hiperspektral Hyma (1)

0 0 10

Pengenalan Pola Senyum Menggunakan Backpropagation Berbasis Ekstraksi Fitur Principal Component Analysis (PCA)

0 0 7

BAB 2 TINJAUAN PUSTAKA - Deteksi Dan Pencarian Fitur-Fitur Wajah Manusia Dengan Menggunakan Metode Principal Component Analysis (PCA).

0 0 20

Deteksi Dan Pencarian Fitur-Fitur Wajah Manusia Dengan Menggunakan Metode Principal Component Analysis (PCA).

1 0 14

BAB 2 TINJAUAN PUSTAKA - Deteksi Dan Pencarian Fitur–Fitur Wajah Manusia Dengan Menggunakan Metode Prinncipal Component Analysis (PCA)

0 0 20

DETEKSI DAN PENCARIAN FITUR-FITUR WAJAH MANUSIA DENGAN MENGGUNAKAN METODE

0 1 14