4.5 Pengenalan
Recognition Perceptron dan Backpropagation pada daun
Pengenalan dari sistem ini terdiri dari dua tahap yaitu pengenalan terhadap daun yang dilatih training dan pengenalan terhadap daun yang tidak dilatih non
training. Form untuk pengujian dan pengenalan ditunjukkan pada gambar 4.12:
Gambar 4.12. Tampilan pengujian dan pengenalan
4.6 Uji coba dengan data yang dilatihkan
Uji coba yang pertama ini adalah pengujian yang dilakukan dengan mengenali gambar yang telah dilatihkan. Hasil pengujian dapat dilihat pada tabel 4.11 :
Tabel 4.11. Tabel
hasil recognition daun training perceptron dan backpropagation
No Nama Daun
Pengenalan Dikenali sebagai
1 Jarak 1
100 Jarak
2 Jarak 2
100 Jarak
3 Jarak 3
100 Jarak
4 Jarak 4
100 Jarak
5 Jarak 5
100 Jarak
6 Jarak 6
100 Jarak
7 Jarak 7
100 Jarak
8 Jarak 8
100 Jarak
9 Jarak 9
100 Jarak
10 Jarak 10
100 Jarak
Universitas Sumatera Utara
11 Jarak 11
100 Jarak
12 Jarak 12
100 Jarak
13 Jarak 13
100 Jarak
14 Jarak 14
100 Jarak
15 Jarak 15
100 Jarak
Uji coba yang kedua adalah pengujian daun non training, artinya pengujian pada daun yang jenisnya tidak terdapat pada data yang dilatihkan. Hasil pengujian
dapat dilihat pada tabel 4.12 :
Tabel 4.12. Tabel
hasil recognition daun non-training perceptron dan backpropagation
No Nama Daun
Pengenalan Dikenali sebagai
1 Jarak 16
80 Jarak
2 Jarak 17
94 Jarak
3 Jarak 18
82 Jarak
4 Jarak 19
86 Jarak
5 Jarak 20
84 Jarak
6 Akar Ali-ali
82 Bukan Jarak
7 Bunga Raya
94 Bukan Jarak
8 Sirih
78 Bukan Jarak
9 Katarak
86 Bukan Jarak
10 Kenanga
78 Bukan Jarak
11 Mangga
76 Bukan Jarak
12 Kamboja
80 Bukan Jarak
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
Pada bab ini membahas kesimpulan hasil kinerja aplikasi dan saran bagi pengembangan aplikasi lebih lanjut. Kesimpulan dan saran tersebut dibuat
berdasarkan hasil pengujian terhadap aplikasi.
5.1 Kesimpulan
Adapun kesimpulan dari tesis ini yang dapat disampaikan penulis adalah sebagai berikut:
3. Dari hasil pengujian pada beberapa daun jarak dan bukan jarak, hasil pengenalan recognition pada daun untuk metode perceptron dan
backpropagation adalah sama. 4. Dari tingkat kecepatan untuk pelatihan training
, pada learning rateα 0.2, 0.5 dan 1, metode perceptron lebih cepat dibandingkan metode
backpropagation. Ini terbukti dari simulasi daun jarak yang diujikan pada bab 4.
Learning rate α
Perceptron Backpropagation
Nilai minimum error
Epoh ke- Nilai kuadrat
error Epoh ke-
0.2 2
0,0100 50
0.5 2
0,0019 50
1 2
0,0009 40
Metode perceptron berada pada nilai yang stabil, yaitu perolehan nilai minimum error 0 dan berhenti pada epoh ke-2. Sedangkan pada
Universitas Sumatera Utara
backpropagation, semakin besar nilai learning rate yang diujikan, perolehan nilai kuadrat error semakin memenuhi target error yang
ingin dicapai yaitu kuadrat error target error 0,001. Dan nilai epohnya juga semakin kecil, tetapi tetap saja perceptron dalam hal ini
lebih cepat dari backpropagation. 5. Semakin banyak jumlah sampel yang dilatihkan per jenis daun, maka
semakin akurat atau semakin baik hasil yang didapatkan. Dan sebaliknya, semakin sedikit jumlah sampel yang dilatihkan, maka hasil
yang didapatkan semakin tidak akurat
5.2 Saran
Kategori