Gambar 4. 30 Tampilan menu ekstraksi ciri dan pelatihan keseluruhan data aksara
sebesar 91,25 dengan menggunakan neuron sebanyak 40 pada
hidden layer
1 dan 40 pada
hidden layer
2 tanpa proses penipisan dan tanpadengan normalisasi min-max .
4.2.2 Implementasi User Interface
Berikut ini tampilan antarmuka untuk ekstraksi ciri dan pelatihan data dengan menggunakan jaringan syaraf tiruan.
Setelah melakukan pelatihan data, maka didapatkan arsitektur jaringan syaraf tiruan yang digunakan untuk melakukan uji data tunggal. Untuk proses uji data tunggal
ditampilkan sebagai berikut.
Gambar 4. 31 Tampilan menu pengujian data tunggal
4.2.3 Pengujian Data Tunggal
Setelah dilakukan pelatihan data dengan menggunakan arsitektur jaringan syaraf tiruan, kemudian dilakukan pengujian terhadap data tunggal, dimana data yang
digunakan tersebut tidak termasuk dalam proses pelatihan dan pengujian data berkelompok.
Proses uji ini dilakukan dengan menggunakan arsitektur jaringan yang menghasilkan nilai akurasi tertinggi dalam proses pelatihannya. Data uji untuk masing-
masing aksara berjumlah 1 huruf aksara Lampung terbaru. Berikut ini tabel hasil uji data tunggal terhadap 20 huruf aksara Lampung.
Tabel 4.1 Hasil uji data tunggal terhadap sistem No.
Huruf Aksara Lampung
Hasil Pengenalan Aksara Lampung
Status 1.
A A
BENAR
2.
BA PA
SALAH 3.
CA CA
BENAR 4.
DA DA
BENAR
No. Huruf Aksara
Lampung Hasil Pengenalan
Aksara Lampung Status
5. GA
GA BENAR
6. GHA
GHA BENAR
7. HA
HA BENAR
8.
JA JA
BENAR
9. KA
KA BENAR
10. LA
LA BENAR
11. MA
MA BENAR
12. NA
NA BENAR
13.
NGA NGA
BENAR
14. NYA
NYA BENAR
15. PA
CA BENAR
16.
RA RA
BENAR
17. SA
SA BENAR
18.
TA TA
BENAR
19. WA
WA BENAR
20. YA
YA BENAR
Setelah melakukan percobaan dengan variasi jumlah neuron pada masing- masing
hidden layer
, normalisasi dan metode trainingnya, dapat dilihat perubahan akurasinya, dimana akurasi tertinggi adalah 92,5 dengan menggunakan 1
hidden layer,
metode pelatihan trainlm dan jumlah neuron sebanyak 40 dan dilakukan normalisasi menggunaksi
min-max
dan tanpa dilakukan penipisan. Percobaan lain dengan jumlah
hidden layer
berbeda mampu menghasilkan akurasi tertinggi 91,25, dengan menggunakan neuron sebanyak 40 pada
hidden layer 1
dan neuron sebanyak
40 pada
hidden layer
2. Dari hasil tersebut maka digunakan arsitektur jaringan yang menghasilkan akurasi tertinggi dibandingkan dengan yang lain untuk melakukan uji
data tunggal yang hasilnya ditunjukkan pada tabel 4.3. Dari hasil pengujian data tunggal tersebut dapat dikatakan bahwa alat ini dapat mengenali tulisan aksara
Lampung, meskipun terjadi kesalahan dalam proses pengenalan aksaranya yang tidak sesuai dengan target, hal ini dapat disebabkan karena faktor penulisan yang kurang
jelas, banyaknya noise, ataupun beberapa aksara yang bentuknya hampir mirip, misalnya dari data hasil uji pada tabel 4.3 terdapat kesalahan saat mengenali huruf
‘BA’ yang dikenali sebagai huruf ‘PA’. Berikut contoh gambar huruf ‘PA’ dan ‘BA’ dalam aksara Lampung.
Gambar 4. 32 Huruf PA b dan BAa
a b
84
BAB V PENUTUP
5.1 Kesimpulan
Dalam hasil penelitian pengenalan aksara Lampung menggunakan metode
backpropagation
dan
modified direction feature
dapat disimpulkan beberapa hal sebagai berikut :
1. Akurasi tertinggi dalam proses pengenalan aksara Lampung sebesar
92,5 dengan menggunakan 1
hidden layer
dengan jumlah neuron sebanyak 40 dengan tanpa proses penipisan
thinning
dengan menggunakan fungsi pelatihan
trainlm.
2. A
ksara Lampung huruf “BA” dikenali tidak sesuai dengan targetnya, hal ini ditunjukkan saat melakukan uji data tunggal.
3. Model jaringan syaraf tiruan yang dihasilkan sudah mampu mengenali
pola aksara Lampung dengan baik karena setelah dilakukan uji data tunggal diluar data yang digunakan dalam proses pelatihan, sistem
mampu mengenalinya sesuai dengan target aslinya.
5.2 Saran
Dari hasil penelitian pengenalan aksara Lampung ini, ada beberapa saran yang dapat diberikan penulis untuk kepentingan penelitian selanjutnya dengan studi
kasus yang sama, yaitu: 1.
Jumlah seluruh data yang digunakan dalam penelitian ditambah lebih banyak lagi, misalnya untuk mengenali aksara yang ditambah dengan
menggunakan tanda perubahan bunyi. 2.
Menggunakan metode ekstraksi ciri yang berbeda.
