Perancangan Arsitektur Jaringan Pengenalan Citra

3.6.1. Perancangan Arsitektur Jaringan Pengenalan Citra

Pada tahap ini penulis melakukan perancangan jaringan dimulai dengan pemilihan citra yang dibutuhkan untuk dilatih, citra yang digunakan penulis disini adalah citra yang sebelumnya telah melalui tahap preprocessing yang terlihat pada gambar 3.6. Proses pemilihan citra untuk dilatih diperlihatkan pada Gambar 3.8. Gambar 3.8 Proses Pemilihan Citra yang Akan Dilatih Pada proses ini juga mode warna yang akan digunakan dapat dipilih, baik itu dalam mode warna penuh maupun mode warna hitam dan putih. Mode hitam dan putih hanya menggunakan nilai pixel 0 dan 1. Untuk beberapa aplikasi mode warna hitam putih dapat menjadi solusi yang optimal. Tahapan selanjutnya pada proses ini ialah menentukan Training Set Label dan Image Sampling Resolution. Tahapan ini ditunjukkan pada Gambar 3.9. Universitas Sumatera Utara Gambar 3.9 Penentuan Training Set Label dan Image Sampling Resolution Training set label dibutuhkan untuk mengantisipasi lebih dari satu jaringan yang digunakan dalam melakukan uji coba pelatihan. Image sampling resolution ditentukan untuk menyesuaikan semua citra yang akan dilatih dengan ukuran lebar x tinggi yang sama, dan membuat ukurannya lebih kecil sehingga citra yang akan dilatih dapat lebih mudah dan lebih cepat untuk belajar. Dimensi gambar menentukan ukuran vektor masukan dan jumlah neuron pada lapisan input. Tahapan selanjutnya pada proses ini ialah perancangan jaringan syaraf tiruan yang ditunjukkan pada Gambar 3.10 Gambar 3.10 Perancangan Jaringan Syaraf Tiruan Universitas Sumatera Utara Network label untuk jaringan syaraf tiruan berguna apabila ingin melakukan perbandingan jaringan yang akan digunakan pada satu masalah yang sama. Transfer function menentukan fungsi transfer yang akan digunakan oleh neuron baik itu Sigmoid maupun Tanh. Hidden layers neuron count adalah pengaturan yang paling penting yang menentukan jumlah lapisan tersembunyi dalam jaringan dan jumlah neuron disetiap lapisan tersembunyi, lapisan tersembunyi adalah lapisan yang terletak antara lapisan input dan output. Setelah melakukan semua tahapan pada proses ini maka jaringan yang telah dirancang untuk melakukan pelatihan terlihat pada Gambar 3.11. Gambar 3.11 Jaringan Pelatihan Citra 3.6.2. Pelatihan jaringan Pelatihan jaringan dilakukan dengan melakukan pemilihan training set yang telah dirancang sebelumnya dan menentukan input parameter pelatihan yang diperlihatkan pada gambar 3.12. Universitas Sumatera Utara Gambar 3.12 Penentuan Input Parameter Pelatihan Setelah menentukan input parameter pelatihan, proses pelatihan akan bekerja. Selanjutnya setelah dilakukan pelatihan dilakukan pengujian terhadap hasil pelatihan, berdasarkan hasil pengujian ini pelatihan dapat dilakukan berulang kali dengan menentukan input parameter yang bervariasi sehingga mendapatkan hasil yang diinginkan. Proses terakhir adalah penyimpanan jaringan syaraf tiruan yang telah dirancang dan dilatih menggunakan .nnet extension sehingga dapat digunakan sebagai komponen perancangan aplikasi berbasis java seperti pada Android.

3.7. Perancangan Aplikasi Android