Tampilan Menu Antar muka pengguna User Interface 1. Tampilan awal Program

Tombol simpan, digunakan jika user ingin menyimpan data baru yang telah diisikan oleh user. Pada saat menyimpan data, program akan mengecek kelengkapan data yang dimasukkan oleh user. Jika data yang tidak lengkap, maka program akan menampilkan pesan kesalahan. 3. Menu Run Dalam menu Run, terdapat 2 buah sub menu yaitu sub menu training dan testin g. Pada sub menu training, program akan melatih jaringan dengan menggunakan jaringan backpropagation standar. Pada proses pelatihan, user akan memasukkan berapa banyaknya data yang akan dilatih. Data yang akan dilatih dibatasi hingga 30 data. Gambar 4.5. Form masukan banyaknya data yang akan ditraining Jika masukan data berupa string, program akan menampilkan pesan kesalahan Gambar 4.6. Pesan kesalahan jika masukan berupa string Jika angka yang dimasukkan oleh user lebih dari 30, maka program akan menampilkan pesan kesalahan bahwa data training tidak boleh melebihi 30 Gambar 4.7. Pesan kesalahan jika masukan user lebih dari 30 Kemudian user juga akan diminta untuk memilih banyaknya jumlah epoch, laju pemahaman, batas toleransi errornya, dan jumlah unit untuk satu hidden layer. Hal ini bertujuan agar user dapat melihat perubahan di setiap pelatihan. Setelah user memasukkan semua data, maka data sudah dapat dilatih. Jika data yang dimasukkan user tidak lengkap, maka user tidak akan dapat melakukan proses training, dan program akan menampilkan pesan kesalahan. Gambar 4.8. Form training Form training berfungsi untuk melatih jaringan dari data yang telah dimasukkan oleh user. Dari proses pelatihan akan diperoleh nilai bobot jaringan. Nilai bobot jaringan yang telah dilatih akan ditampilkan ke dalam sebuah form. Gambar 4.9. merupakan form yang digunakan untuk menampilkan hasil modifikasi bobot dari setiap layarnya. Nilai ini akan digunakan nantinya dalam proses pengujian jaringan. Gambar 4.9. Form hasil training Pada sub menu Testing, data akan diuji dan dikenali, dengan menggunakan bobot yang diperoleh dari hasil training. Caranya user diminta untuk mengambil citra yang digunakan untuk pengujian. Citra yang ditampilkan di grafik merupakan citra yang sudah melewati proses preprocessing, kemudian citra akan di testing. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Gambar 4.10. Form Testing Hasil pengujian akan ditampilkan di form baru, dimana hasil pengujian berupa keputusan apakah tanda tangan dikenali atau tidak. Jika dikenali, maka form akan menampilkan identitas dari pemilik program. Gambar 4.11. Form keputusan 4. Menu Help Pada menu ini terdapat sebuah sub menu yaitu about us, yang berisi informasi sekilas tentang program dan tentang pembuat program. Gambar 4.12. Form About Us

C. Pembahasan Program 1. Jumlah epoch

Tabel 4.1. merupakan hasil training yang dilakukan untuk 30 buah data, dengan toleransi kesalahan 0.0001, learning rate 0.05 dan jumlah neuron hidden layer 5. Setiap pola yang diambil oleh user akan melalui proses preprocessing. Hal ini dilakukan untuk memudahkan dalam perhitungan. Proses ini digunakan untuk memanipulasi citra sedemikian rupa hingga menjadi citra yang siap diolah. Setiap pola yang diambil oleh user akan melalui proses preprocessing. Hal PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Jumlah Epoch Error training 100 0.150494 200 0.169112 300 0.253727 400 0.249435 500 0.0960561 1000 0.0470009 Tabel 4.1. hubungan antara jumlah epoch dan error training Dari tabel diatas, dapat ditarik kesimpulan bahwa jumlah epoch mempengaruhi nilai error training. Semakin besar jumlah epoch, semakin kecil pula error training yang didapat. Sebaliknya, semakin besar jumlah epoch, semakin lama pula waktu yang dibutuhkan untuk sebuah proses. Grafik hubungan antara jumlah epoch dengan error training 0.05 0.1 0.15 0.2 0.25 0.3 100 200 300 400 500 600 700 800 900 1000 Jumlah epoch E rr or t ra ining error training Gambar 4.13 . Grafik hubungan antara jumlah epoch dan error training

2. Batas Toleransi

Percobaan berulang ulang juga dilakukan terhadap batas toleransi. Tabel 4.2. menggambarkan hasil dari percobaan yang dilakukan terhadap 30 buah data, dengan laju pemahaman 0.02, jumlah epoch 500, dan jumlah unit hidden layer sebanyak 10. Tol kesalahan Error training

0.01 0.00992619 0.001 0.00326833

0.0001 9.78E-05 0.0002 0.0017724 0.0005 0.00601012 Tabel 4.2. Hubungan antara batas toleransi dengan error training Grafik hubungan antara toleransi kesalahan dengan error training 0.000095 0.000595 0.001095 0.001595 0.002095 0.002595 0.003095 0.003595 0.004095 0.004595 0.005095 0.005595 0.006095 0.006595 0.007095 0.007595 0.008095 0.008595 0.009095 0.009595 0.0001 0.0011 0.0021 0.0031 0.0041 0.0051 0.0061 0.0071 0.0081 0.0091 toleransi kesalahan err o r t rai n in g error training Gambar 4.14. Grafik hubungan antara toleransi kesalahan dengan error training Dari grafik dapat dilihat bahwa toleransi kesalahan sangat berpengaruh terhadap nilai error training. Semakin kecil toleransi kesalahan semakin