Berdasarkan latar belakang masalah diatas, maka penulis tertarik untuk
meneliti bidang ini dengan mengambil judul “Analisis Perbandingan Neural Network Backpropagation dengan Simple Perceptron dalam Mengenali Image
daun ”.
1.2.
Metode Backpropagation telah banyak digunakan sebelumnya oleh para peneliti untuk diaplikasikan ke berbagai objek, seperti pengenalan pola huruf abjad,
pengenalan hama dan penyakit pada daun, tes psikologi, identifikasi bentuk rancang bangun gambar 2D, dan yang lainnya. Yang menjadi rumusan masalah
dalam penelitian ini adalah metode backpropagation dan simple perceptron akan digunakan untuk melakukan pelatihan dan pengenalan terhadap daun, hal ini
dimaksudkan untuk membandingkan tingkat akurasi kedua metode tersebut dalam pengenalan daun.
PERUMUSAN MASALAH
1.3. TUJUAN PENELITIAN
Tujuan dari penelitian ini adalah m enganalisis dan membandingkan tingkat
keberhasilan metode backpropagation dan metode simple perceptron dalam mengenali pola image daun.
1.4. MANFAAT PENELITIAN
Manfaat yang diharapkan dalam penelitian ini adalah: 1. Hasil penelitian dan program aplikasi ini dibuat untuk mengetahui
kelebihan dan kekurangan dari metode perceptron dan
backpropagation dalam mengenali image daun. 2. Memberikan kontribusi bagi penelitian lebih lanjut dalam bidang
Neural Network dalam pengenalan pola.
Universitas Sumatera Utara
1.5. BATASAN MASALAH
Batasan masalah dalam penelitian ini adalah : 1.
2. Metode Jaringan Saraf Tiruan yang digunakan yaitu metode
backpropagation dan simple perceptron untuk training dan recognition.
• Daun yang digunakan untuk training dan recognation adalah :
• Daun dewasa, dikarenakan bentuk dan ciri daun tersebut tidak akan
berubah.
• Jumlah daun yang diujikan adalah 1 jenis daun, yaitu daun jarak.
• Kondisi daun yang dikondisikan sebagai input data adalah daun
utuh, rusak sebahagian dan layu.
• Input neural network adalah hasil ekstraksi fitur dari gambar daun.
Menghitung tingkat akurasi atau keberhasilan pengenalan terhadap image daun.
Universitas Sumatera Utara
BAB II
TINJAUAN PUSTAKA
2.1. Jaringan Saraf Tiruan JST
Jaringan saraf tiruan pertama kali secara sederhana diperkenalkan oleh McCulloch dan Pitts pada tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi
beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan oleh McCulloch
dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi aktivasi yang dipakai adalah fungsi threshold.
Artificial Neural Network atau Jaringan Saraf Tiruan JST adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
informasi yang memiliki karakteristik-karakteristik menyerupai jaringan saraf biologi Fauset, 1994. Hal yang sama diutarakan oleh Simon Haykin, yang
menyatakan bahwa JST adalah sebuah mesin yang dirancang untuk memodelkan cara otak manusia mengerjakan fungsi atau tugas-tugas tertentu. Mesin ini
memiliki kemampuan menyimpan pengetahuan berdasarkan pengalaman dan menjadikan simpanan pengetahuan yang dimiliki menjadi bermanfaat Haykin,
2008. JST dibentuk sebagai generalisasi model matematika dari jaringan saraf
biologi, dengan asumsi bahwa : 1. Pengolahan informasi terdiri dari elemen-elemen sederhana yang
disebut neuron.
Neuron dalam jaringan saraf tiruan sering diganti dengan istilah simpul.
2.
Setiap simpul tersebut berfungsi untuk menerima atau mengirim sinyal dari atau ke simpul-simpul lainnya
melalui hubungan koneksi.
Universitas Sumatera Utara
3. Tiap hubungan koneksi mempunyai nilai bobot sendiri. Nilai bobot ini menyediakan informasi yang akan digunakan oleh jaringan untuk
memecahkan masalah. 4. Tiap simpul mempergunakan fungsi aktivasi terhadap input yang
diterimanya untuk menentukan sinyal keluaran.
2.2. Karakteristrik JST