BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Implementasi
Analisis dan pemodelan pengenalan tulisan tangan aksara Batak Toba yang telah dilakukan pada bab sebelumnya harus diimplementasikan ke dalam kode program
agar dapat dilakukan pengujian untuk mengetahui hasil dari penerapan pemrograman terhadap jaringan saraf tiruan.
Pengkodean dibagi menjadi lima modul utama, yaitu : 1.
Modul prapengolahan citra Merupakan modul untuk melaksakan semua proses prapengolahan citra dan
melaksanakan proses ekstraksi fitur. 2.
Modul inisialisasi Merupakan modul untuk melaksanakan inisialisasi bobot awal.
3. Modul pelatihan jaringan
Merupakan modul untuk melaksanakan proses pelatihan jaringan propagasi balik.
4. Modul pengujian jaringan
Merupakan modul untuk melaksanakan
proses pengujian jaringan backpropagation yang telah dilatihkan.
5. Modul program utama
Merupakan modul untuk menjalankan modul prapengolahan citra, pelatihan jaringan dan pengujian jaringan.
4.2. Spesifikasi Perangkat Keras dan Perangkat Lunak yang Digunakan
Spesifikasi perangkat lunak dan perangkat keras yang digunakan untuk membut
sistemnya adalah sebagai berikut:
1. Processor Pentium Intel ® Core ™ i3-2310M
2. Kapasitas harddiks 500GB.
Universitas Sumatera Utara
3. Memory RAM yang digunakan 2.00GB.
4. Sistem operasi Microsoft Windows 7.
5. Tools dari Java.
6. Printer canon MP198.
4.3. Tampilan Implementasi Program
Tampilan hasil implementai program dapat dilihat pada gambar berikut: 1.
Input: Masukkan file gambar yang ingin diuji, contoh input data tulisan aksara Batak Toba sa. dapat dilihat seperti pada gambar 4.1
Gambar 4.1. Input Citra Pengujian
2. Setelah file gambar di inputkan maka system memberikan informasi bahwa
ukuran gambar belum sesuai 60,90, yaitu apakah ingin mencocokkan gambar? Jawaban yt, jika y maka proses berlanjut jika tidak maka proses akan
berhenti. dapat dilihat seperti pada gambar 4.2
Gambar 4.2. Proses Pencocokan Gambar
3. Jika jawaban y maka ukuran gambar akan dicocokkan dengan ukuran 60,90.
dapat dilihat seperti pada gambar 4.3
Universitas Sumatera Utara
Gambar 4.3. Hasil Pencocokan Ukuran Gambar
4. Output: Sistem akan mengenali file gambar yang diuji sesuai dengan
karakternya, pada tahap pengujian data ditampilkan learning rate 0.1, momentum 0.7 dan epoch 1000 mampu mengenali gambar tulisan sa sebesar
86.65 . Hasil pengujian jaringan saraf tiruan backpropagation dapat dilihat seperti pada gambar 4.4
Gambar 4.4. Output Pengujian Gambar
4.3.1. Hasil pelatihan jaringan saraf tiruan Pelatihan jaringan saraf tiruan ini berfungsi untuk mengajarkan kepada jaringan pola-
pola tulisan huruf aksara Batak Toba yang ada sehingga diharapkan jaringan dapat mengenali pola-pola tulisan baru yang diberikan. Pada tahap pengujian dilakukan
pengujian dengan menggunakan 76 pola. Hasil pengujian dapat dilihat pada tabel 4.1.
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
A 0,9
0,1 10000
74.97 Ya
A2 0,5
0,2 8000
73.92 Ya
A3 0,4
0,3 1000
92.96 A
A4 0,3
0,4 4000
93.10 A
A5
0.2 0.5
2000 93.44
A A6
0,1 0,7
1000 93.57
A
Ha 0,9
0,1 10000
79.97 Ha
Ha2 0,5
0,2 8000
82.92 Ha
Ha3 0,4
0,3 1000
84.95 Ha
Ha4 0,3
0,4 4000
84.09 Ha
Ha5 0.2
0.5 2000
80.40 Ha
Ha6
0,1 0,7
1000 88.57
Ha
Ma 0,9
0,1 10000
92.97 Ma
Ma2 0,5
0,2 8000
92.92 Ma
Ma3
0,4 0,3
1000 92.96
Ma
Ma4 0,3
0,4 4000
93.10 Ma
Ma5 0.2
0.5 2000
93.47 Ma
Ma6 0,1
0,7 1000
93.60 Ma
Na 0,9
0,1 10000
89.97 Na
Na2 0,5
0,2 8000
89.92 Na
Na3 0,4
0,3 1000
81.96 Na
Na4 0.3
0,4 4000
80.11 Na
Na5
0,2 0,5
2000 85.40
Na
Na6 0,1
0,7 1000
84.61 Na
Ra 0,9
0,1 10000
82.97 Ra
Ra2
0,5 0,2
8000 83.92
Ra
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning rate
Momentum Epoch
Tingkat Kecocokan
Output
Ra3 0,4
0,3 1000
83.96 Ra
Ra4
0,3 0,4
4000 86.08
Ra
Ra5
0.2 0.5
2000 89.43
Ra
Ra6 0,1
0,7 1000
89.56 Ra
Ta 0,9
0,1 10000
88.97 Ta
Ta2 0,5
0,2 8000
94.92 Ta
Ta3 0,4
0,3 6000
94.96 Ta
Ta4 0,3
0,4 4000
95.11 Ta
Ta5
0.2 0.5
2000 80.44
Ta
Ta6 0,1
0,7 1000
80.51 Ta
Sa 0,9
0,1 10000
85.97 Sa
Sa2 0,5
0,2 8000
85.92 Sa
Sa3 0,4
0,3 1000
98.96 Sa
Sa4 0,3
0,4 4000
99.11 Sa
Sa5 0.2
0.5 2000
99.40 Sa
Sa6
0,1 0,7
1000 90.53
Sa
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Da 0,9
0,1 10000
93.97 Da
Da2 0,5
0,2 8000
87.92 Da
Da3 0,4
0,3 1000
93.96 Da
Da4 0,3
0,4 4000
93.10 Da
Da5
0.2 0.5
2000 84.53
Ha
Da6
0,1 0,7
1000 80.54
Da
Ga
0,9 0,1
10000 79.98
Ga
Ga2 0,5
0,2 8000
79.92 Ga
Ga3 0,4
0,3 1000
79.99 Ga
Ga4 0,3
0,4 4000
80.10 Ga
Ga5 0,2
0,5 2000
80.45 Ga
Ga6
0,1 0,7
1000 80.60
Ga
Ja 0,9
0,1 10000
79.98 Ja
Ja2 0,5
0,2 8000
75.92 Ja
Ja3 0,4
0,3 1000
76.96 Ja
Ja4 0,3
0,4 4000
75.09 Ja
Ja5
0.2 0.5
2000 80.47
Ja
Ja6 0,1
0,7 1000
81.55 Ja
Ba 0,9
0,1 10000
77.97 Ba
Ba2 0,5
0,2 8000
78.92 Ba
Ba3 0,4
0,3 1000
77.96 Ba
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Ba4 0,3
0,4 4000
78.08 Ba
Ba5 0.2
0.5 2000
79.43 Ba
Ba6 0,1
0,7 1000
78.52 Ba
Nga 0,9
0,1 10000
90.98 Nga
Nga2 0,5
0,2 8000
90.92 Nga
Nga3 0,4
0,3 1000
78.96 Nga
Nga4 0,3
0,4 4000
79.10 Nga
Nga5 0.2
0.5 2000
79.46 Nga
Nga6 0,1
0,7 1000
79.58 Nga
La
0,9 0,1
10000 78.98
La
La2 0,5
0,2 8000
76.92 La
La3
0,4 0,3
1000 89,02
La
La4
0,3 0,4
4000 76.10
La
La5
0.2 0.5
2000 80.44
La
La6
0,1 0,7
1000 81.55
La
Pa 0,9
0,1 10000
78.98 Pa
Pa2 0,5
0,2 8000
92.92 Pa
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Pa3 0,4
0,3 1000
78.96 Pa
Pa4 0,3
0,4 4000
93.08 Pa
Pa5 0.2
0.5 2000
93.44 Pa
Pa6 0,1
0,7 1000
93.59 Pa
Nya 0,9
0,1 10000
74.97 Nya
Nya2 0,5
0,2 8000
74.92 Nya
Nya3 0,4
0,3 1000
74.96 Nya
Nya4 0,3
0,4 4000
75.12 Nya
Nya5 0.2
0.5 2000
75.52 Nya
Nya6
0,1 0,7
1000 75.49
Nya
Wa
0,9 0,1
10000 74.98
Wa
Wa2
0,5 0,2
8000 92.92
Wa
Wa3
0,4 0,3
1000 74.96
Wa
Wa4
0,3 0,4
4000 75.09
Wa
Wa5
0.2 0.5
2000 75.43
Wa
Wa6 0,1
0,7 1000
75.53 Wa
Universitas Sumatera Utara
Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan Output
Ya 0,9
0,1 10000
73.98 Ya
Ya2 0,5
0,2 8000
74.92 Ya
Ya3 0,4
0,3 1000
75.96 Ya
Ya4 0,3
0,4 4000
83.09 Ya
Ya5 0.2
0.5 2000
85.45 Ya
Ya6 0,1
0,7 1000
81.57 Ya
I 0,9
0,1 10000
75.98 I
I2 0,5
0,2 8000
76.92 I
I3 0,4
0,3 1000
79.96 I
I4 0,3
0,4 4000
81.11 I
I5 0.2
0.5 2000
73.47 I
I6 0,1
0,7 1000
75.55 I
U 0,9
0,1 10000
82.98 U
U2 0,5
0,2 8000
76.93 U
U3 0,4
0,3 1000
72.97 U
U4 0,3
0,4 4000
77.09 U
U5
0.2 0.5
2000 77.45
U U6
0,1 0,7
1000 77.54
U
Universitas Sumatera Utara
4.3.1. Hasil pengujian jaringan saraf tiruan Pada tahap pengujian dilakukan pengujian dengan menggunakan 76 pola. Hasil
pengujian dapat dilihat pada tabel 4.2.
Tabel 4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
A7 0,1
0,7 1000
99.45 A
A8 0,1
0,7 1000
99.44 A
A9 0,1
0,7 1000
99.42 A
A10 0,1
0,7 1000
94.05 A
Ha7 0,1
0,7 1000
83.08 Ha
Ha8 0,1
0,7 1000
76.16 Ha
Ha9 0,1
0,7 1000
84.25 Ha
Ha10
0,1 0,7
1000 86.02
Ha
Ma7 0,1
0,7 1000
94.37 Ma
Ma8
0,1 0,7
1000 94.03
Ma
Ma9 0,1
0,7 1000
93.99 Ma
Ma10
0,1 0,7
1000 94.03
Ma
Universitas Sumatera Utara
Tabel 4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Na7
0,1 0,7
1000 84.41
Na
Na8 0,1
0,7 1000
90.20 Na
Na9 0,1
0,7 1000
90.45 Na
Na10 0,1
0,7 1000
90.27 Na
Ra7
0,1 0,7
1000 85.45
Ra
Ra8 0,1
0,7 1000
85.06 Ra
Ra9 0,1
0,7 1000
88.09 Ra
Ra10 0,1
0,7 1000
87.99 Ra
Ta7
0,1 0,7
1000 76.46
Ta
Ta8 0,1
0,7 1000
92.02 Ta
Ta9 0,1
0,7 1000
91.97 Ta
Ta10 0,1
0,7 1000
92.00 Ta
Sa7
0,1 0,7
1000 92.52
Sa
Sa8 0,1
0,7 1000
91.33 Sa
Sa9 0,1
0,7 1000
90.53 Sa
Sa10 0,1
0,7 1000
90.60 Sa
Da7
0,1 0,7
1000 74.43
Da
Da8 0,1
0,7 1000
84.22 Da
Da9 0,1
0,7 1000
88.10 Da
Da10 0,1
0,7 1000
83.18 Da
Ga7
0,1 0,7
1000 76.47
Ga
Ga8 0,1
0,7 1000
76.26 Ga
Ga9 0,1
0,7 1000
76.25 Ga
Universitas Sumatera Utara
Tabel 4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Ga10 0,1
0,7 1000
80.69 Ga
Ja7 0,1
0,7 1000
80.72 Ja
Ja8 0,1
0,7 1000
81.60 Ja
Ja9
0,1 0,7
1000 79.60
Ja
Ja10 0,1
0,7 1000
81.51 Ja
Ba7
0,1 0,7
1000 85.35
Ba
Ba8 0,1
0,7 1000
86.47 Ba
Ba9 0,1
0,7 1000
90.65 Ba
Ba10 0,1
0,7 1000
92.68 Ba
Nga7 0,1
0,7 1000
84.75 Nga
Nga8 0,1
0,7 1000
94.72 Nga
Nga9 0,1
0,7 1000
94.67 Nga
Nga10
0,1 0,7
1000 88.75
Nga
La7 0,1
0,7 1000
82.70 La
La8
0,1 0,7
1000 86.70
La
La9 0,1
0,7 1000
87.71 La
La10 0,1
0,7 1000
82.73 La
Pa7 0,1
0,7 1000
93.73 Pa
Pa8 0,1
0,7 1000
93.77 Pa
Pa9 0,1
0,7 1000
93.72 Pa
Pa10 0,1
0,7 1000
93.75 Pa
Universitas Sumatera Utara
Tabel 4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation Lanjutan Input
Learning Rate
Momentum Epoch
Tingkat Kecocokan
Output
Nya7 0,1
0,7 1000
80.72 Nya
Nya8
0,1 0,7
1000 80.66
Nya
Nya9 0,1
0,7 1000
80.66 Nya
Nya10 0,1
0,7 1000
80.72 Nya
Wa7 0,1
0,7 1000
80.65 Wa
Wa8 0,1
0,7 1000
94.70 Wa
Wa9 0,1
0,7 1000
94.72 Wa
Wa10 0,1
0,7 1000
94.64 Wa
Ya7 0,1
0,7 1000
82.74 Ya
Ya8 0,1
0,7 1000
85.68 Ya
Ya9
0,1 0,7
1000 82.67
Ya
Ya10 0,1
0,7 1000
83.70 Ya
I7 0,1
0,7 1000
85.71 I
I8 0,1
0,7 1000
80.71 I
I9 0,1
0,7 1000
80.80 I
I10 0,1
0,7 1000
82.70 I
U7 0,1
0,7 1000
83.98 U
U8 0,1
0,7 1000
82.67 U
U9 0,1
0,7 1000
82.71 U
U10 0,1
0,7 1000
82.73 U
Dari tabel 4.1 diketahui bahwa tingkat pengenalan jaringan menggunakan kombinasi
metode zoning dan diagonal based feature extraction mampu mengenali tulisan tangan aksara Batak Toba dengan tingkat akurasi 86.37. Berdasarkan hasil
pengujian data pada tabel 4.2 dapat disimpulkan bahwa pengenalan jaringan menggunakan kombinasi metode zoning dan diagonal based feature extraction
mampu mengenali tulisan tangan aksara Batak Toba dengan tingkat akurasi 87.19 dengan learning rate 0,1, momentum 0,7 dan epoch 1000.
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN
Kategori