Proses pembelajaran dilakukan sebanyak 133.500iterasi dengan menggunakan 100 set sampel input dengan nilai error akhir sebesar 6.76168169753287E-04. Ini
berarti bahwa proses pembelajaran selesai hingga target error minimum terhadap data sampel terpenuhi. Bobot yang dihasilkan akan disimpan pada file weight.dat.
3.4.3 Analisis Data
Data yang sudah terkumpul baik citra maupun hasil normalisasi ekstraksinotepad akan dilatihkan terhadap MLP dan dilakukan pengujian
kembali pada data sampel yang diperoleh untuk menghitung nilai error pada perangkat lunaksesudah pembelajaran.
Setelah menganalisa data sampel untuk pelatihan berjumlah 100 set tulisan angkaJawa, proses selanjutnya adalah analisa data sampelpengujian, data sampel
pengujianbelum pernah dilatihkan pada MLP sebelumnya. Data tersebut diperoleh dari partisipansebanyak 50 set tulisan angka Jawa, dan sudah disimpan hasil
ekstraksinya. Kemudian pengujian secara langsung dengan citra tulisan angka Jawa yang baru diluar data sampel pelatihandan sampel uji. Ada 3 parameter yang
akan diperhatikan dalam pengujian yang akan dihasilkan pada tiap-tiap pengujian, yaitu apakah pengklasifikasian yang dihasilkan benar, salah, atau dikenali sebagai
karakter yang lainnya.
33
BAB IV HASIL DAN PENGUJIAN
Perancangan perangkat lunak terdiri dari beberapa bagian, yaitu perangkat lunak berbasis shadow feature dan multi layer perceptron MLP, pada bagian
shadow feature bagian input data terdiri dari sebuah kanvas berukuran lebar dan tinggi 256 x 256 piksel. Kanvas ini digunakan untuk menuliskan aksara Jawa.
Setelah sebuah angka Jawa dituliskan pada kanvas atau tablet, citra akan dimasukkan prosesregion of interest ROIdan di resize menjadi citra berukuran
64 x 64 piksel. Dengan menggunakan media input tersebut, telah dikumpulkan sampel
untuk pelatihan sejumlah 1500 buah sampel berupa tulisan angka Jawa mulai dari angka0 sampai 9 10 macam. Sampel-sampel ini berikutnya akan digunakan
untuk diekstraksi fitur bayangannya menggunakan metode shadow feature Pada bagian multi layer perceptron MLPterdiri dariinput data
pembelajaran, pengaturan parameter pembelajaran, dan evaluasi.Jumlah kategori output yang disediakan adalah 10 macam untuk masing-masing angka Jawa.
.