2. Pembelajaran Tak Terawasi Unsupervised Learning
Metode ini tidak memerlukan target output sehingga tidak dapat ditentukan hasil yang seperti apakah yang diharapkan selama proses pembelajaran.
Selama proses pembelajaran nilai bobot disusun dalam satu rentang tertentu tergantung pada nilai input yang diberikan. Tujuan dari pembelajaran ini
adalah mengelompokkan unit-unit yang hampir sama dalam suatu area tertentu Kusumadewi, 2003
Fungsi yang digunakan dalam proses pembelajaran adalah traincgp. Traincgp
merupakan algoritma pelatihan cepat dengan perbaikan teknik optimasi numeris dan pengaturan bobotnya tidak selalu dalam arah menurun gradien
negatif tapi disesuaikan dengan arah konjugasinya Kusumadewi, 2003.
2.11 JST Propagasi Balik
JST Propagasi Balik JST-PB termasuk dalam pembelajaran terawasi. JST- PB biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah
bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyi, algoritma ini menggunakan output galat untuk mengubah nilai
bobot -bobotnya dalam arah mundur backward, untuk mendapatkan galat ini, tahap perambatan maju forward propagation harus dikerjakan terlebih dahulu,
pada saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid Kusumadewi, 2003
Algoritma JST-PB : Algoritma pembelajaran JST-PB yang diformulasikan oleh Rumelhart, Hinton dan
Rosenberg tahun 1986, secara singkat adalah sebagai berikut : 1. Inisialisasi bobot, yang dapat dilakukan secara acak
2. Perhitungan nilai aktivasi, tiap neuron menghitung nilai aktivasi dari input yang diterimanya. Pada lapisan input nilai aktivasi adalah fungsi ident itas.
Pada lapisan tersembunyi dan output nilai aktivasi dihitung melalui fungsi aktivasi
3. Penyesuaian bobot, penyesuaian bobot dipengaruhi oleh besarnya nilai galat antara target output dan nilai output jaringan saat ini.
4. Iterasi akan terus dilakukan sampa i kriteria galat minimum tertentu dipenuhi.
2.12 Transformasi Wavelet
Transformasi merupakan proses resentasi suatu sinyal ke dalam kawasan domain lain. Tujuan dari transformasi adalah untuk lebih menonjolkan sifat atau
karakteristik dari sinyal tersebut. Wavelet secara harfiah berarti “gelombang kecil” adalah himpunan fungsi
dalam ruang vektor L
2
I, yang mempunyai sifat-sifat berikut Burrus et al,1998 :
1. berenergi terbatas 2. merupakan fungsi band-pass pada domain frekuensi
3. merupakan hasil penggeseran translasi dan penskala dilatasi dari sebuah fungsi tunggal induk.
Teori wavelet didasari oleh pembangkitan sejumlah tapis filter dengan cara menggeser dan menskala suatu wavelet induk mother wavelet berupa tapis
pelewat tengah band-pass filter. Sehingga hanya diperlukan pembangkitan sebuah tapis, sedangkan tapis lain mengikuti aturan penskalaan, baik pada
kawasan waktu maupun kawasan frekuensi. Penambahan skala wavelet akan meningkatkan durasi waktu, mengurangi lebar bidang bandwidth dan menggeser
frekuensi pusat ke nilai frekuensi yang lebih rendah. Sebaliknya pengurangan skala menurunkan durasi waktu, me nambah lebar bidang dan menggeser frekuensi
ke nilai frekuensi yang lebih tinggi Burrus et al,1998.
2.13 Deteksi Tepi
Definisi deteksi tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak besar dalam jarak yang singkat. Perbedaan intensitas inilah yang
menampakkan rincian pada gambar. Tepi edge biasanya terdapat pada batas antara dua daerah berbeda pada suatu citra Munir, 2004.
Operator gradien yang dicoba dalam penelitian adalah Sobel dan Prewit. 1. Operator Sobel
Tinjauan pengaturan pixel disekitar pixel x,y :
4 5
6 3
7 2
1
, a
a a
a y
x a
a a
a 8
Operator Sobel adalah magnitudo dari gradien yang dihitung dengan
2 2
y x
s s
M +
= 9
Dalam hal ini, turunan parsial dihitung dengan
6 7
4 3
2
a ca
a a
ca a
s
x
+ +
− +
+ =
10
4 5
6 2
1
a ca
a a
ca a
s
y
+ +
− +
+ =
11 dengan konstanta c = 2. Dalam bentuk mask,
x
s dan
y
s dapat dinyatakan sebagai :
− −
− =
1 1
2 2
1 1
x
S 12
− −
− =
1 2
1 1
2 1
y
S 13
2. Operator Prewit Persamaan gradien ini sama seperti operator Sobel, tetapi menggunakan
nilai c = 1 :
− −
− =
1 1
1 1
1 1
x
P 14
− −
− =
1 1
1 1
1 1
y
P 15
BAB 3 METODOLOGI PENELITIAN
3.1 Kerangka Pemikiran
Penelitian ini dilakukan berdasarkan sebuah kerangka pemikiran. Seperti tercantum pada Gambar 9.
Gambar 9 Diagram kerangka pemikiran.
Pengertian citra dijital, Metode pengolahan citra dijital,
Jaringan sya raf tiruan, Matlab, identifikasi kayu
Mulai
Selesai Studi pustaka
Akuisisi data: Identifikasi Masalah
Pra-proses : - Ukuran citra
- RBG dan skala keabuan
Pengujian Verifikasi
Pelatihan Identifikasi
JST Propagasi Balik
Dokumentasi Alat pinda i
scanner Potongan
kayu
