Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 1 Pebruari 2013
27
Dalam transformasi wavelet, terdapat koefisien transformasi yang berpasangan yakni
ℎ dan
ℎ . Pasangan koefisien ini disebut
lowpass filter dan highpass filter. Koefisien ℎ
berkaitan dengan proses perataan. Sedangkan ℎ
berkaitan dengan proses pengurangan. Koefisien
ℎ dan
ℎ pada transformasi Haar
wavelet adalah sebagai berikut Darma Putra, 2010.
ℎ = ℎ
0, ℎ 1 = 1 2
, 1 2 ℎ
= ℎ 0, ℎ
1 = 1 2 , − 1 2
Hasil transformasi terdiri dari sub-image yang telah dilalui high pass filter pada arah
horizontal dan vertikal HH, sub-image yang telah dilalui high pass filter pada arah
horizontal dan low pass filter pada arah vertikal HL, sub-image yang telah dilalui low
pass filter pada arah horizontal dan high pass filter pada arah vertikal LH, serta sub-image
yang telah dilalui low pass filter pada arah horizontal dan vertikal LL.
Gambar 2.3 Skema Hasil Transformasi Wavelet 2D 1 level
2.4 Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi
oleh sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen
mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan
informasi. . Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu
seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan
berkembang secara pesat pada beberapa tahun terakhir Eli Yani,2005.
2.4.1
Struktur Feedforward
Tipe jaringan feedforward mempunyai sel syaraf yang tersusun dari beberapa lapisan.
Lapisan input bukan merupakan sel syaraf. Lapisan ini hanya member pelayanan dengan
mengenalkan suatu nilai dari suatu variabel. Lapisan tersembunyi dan lapisan output sel
syaraf terhubung satu sama lain dengan lapisan sebelumnya. Kemungkinan yang
timbul adalah adanya hubungan dengan beberapa unit dari lapisan sebelumnya atau
terhubung semuanya lebih baik Eli Yani,2005.
Gambar 2.4 feed forward JST
2.4.2
Struktur Feedback
Jika suatu jaringan berulang mempunyai koneksi kembali dari output ke input akan
menimbulkan ketidakstabilan dan akan menghasilkan dinamika yang sangat
kompleks. Jaringan yang berulang sangat menarik untuk diteliti dalam Jaringan Syaraf
Tiruan, namun sejauh ini structure feedforward
sangat berguna untuk memecahkan masalah.
2.5
Algoritma Levenberg-Marquardt Algoritma Levenberg-Marquardt
merupakan pengembangan algoritma BackPropagation standar. Pada algoritma
BackPropagation, proses update bobot dan bias menggunakan negative gradient descent
secara langsung, sedangkan algoritma Levenberg-Marquardt menggunakan
pendekatan matrik Hesian H rahmat,2006.
Langkah dasar algoritma Levenberg_Marquardt
adalah penentuan matriks Hessian untuk mencari bobot-bobot
dan bias koneksi yang digunakan. Matriks Hessian merupakan turunan kedua dari fungsi
kinerja terhadap masing-masing komponen bobot dan bias. Untuk memudahkan proses
komputasi, matriks Hessian diubah dengan pendekatan secara iteratif pada masing-masing
epoch selama algoritma pelatihan berjalan. Proses perubahannya dilakukan dengan
menggunakan fungsi gradien. Jika fungsi kinerja yang digunakan berbentuk jumlah
kuadrat error SSE
