STUDI LITERATUR LEARNING VECTOR QUANTIZATION (LVQ) DALAM KLASIFIKASI POLA
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Duta Wacana
Author
22084458, KRISTIAN GIAN SANTOSO
Subject
QA75 Electronic computers. Computer science
Datestamp
2020-10-23 06:48:28
Abstract :
Mengklasifikasikan suatu pola merupakan contoh pekerjaan yang dilakukan oleh otak manusia. Namun pada kenyataannya apabila proses klasifikasi dilakukan secara manual maka hal ini akan menjadi sebuah pekerjaan yang membutuhkan banyak waktu. Penelitian ini akan menjelaskan mengenai metode yang dapat digunakan untuk mengklasifikasi pola pada suatu citra. Pada penelitian ini klasifikasi citra akan dilakukan dengan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ). Pengujian dilakukan dengan menggunakan 80 citra greyscale dengan ukuran 200x200 piksel yang akan diklasifikasikan kedalam 4 kelas. 80 citra ini akan dilatih dengan metode LVQkemudian diujikan dengan menggunakan 80 citra yang sama dengan citra yang sudah dilatihkan sebelumnya dan 40 citra yang tidak dilatihkan. Pada tahap pengujian citra yang sudah dilatihkan sebelumnya, variabel yang akan diuji adalah nilai Learning Rate dan nilai threshold. Diketahui nilai Learning Rate yang dapat mengklasifikasikan pola dengan akurasi tertinggi (96,25%) adalah 0.07 dan nilai threshold-nya 170. Kemudian pada pengujian citra yang tidak dilatihkan, dengan menggunakan setting terbaik (Learning Rate 0.07, threshold 170) akurasi yang dihasilkan hanya sebesar 57,50%.
Mengklasifikasikan suatu pola merupakan contoh pekerjaan yang dilakukan oleh otak manusia. Namun pada kenyataannya apabila proses klasifikasi dilakukan secara manual maka hal ini akan menjadi sebuah pekerjaan yang membutuhkan banyak waktu. Penelitian ini akan menjelaskan mengenai metode yang dapat digunakan untuk mengklasifikasi pola pada suatu citra. Pada penelitian ini klasifikasi citra akan dilakukan dengan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ). Pengujian dilakukan dengan menggunakan 80 citra greyscale dengan ukuran 200x200 piksel yang akan diklasifikasikan kedalam 4 kelas. 80 citra ini akan dilatih dengan metode LVQkemudian diujikan dengan menggunakan 80 citra yang sama dengan citra yang sudah dilatihkan sebelumnya dan 40 citra yang tidak dilatihkan. Pada tahap pengujian citra yang sudah dilatihkan sebelumnya, variabel yang akan diuji adalah nilai Learning Rate dan nilai threshold. Diketahui nilai Learning Rate yang dapat mengklasifikasikan pola dengan akurasi tertinggi (96,25%) adalah 0.07 dan nilai threshold-nya 170. Kemudian pada pengujian citra yang tidak dilatihkan, dengan menggunakan setting terbaik (Learning Rate 0.07, threshold 170) akurasi yang dihasilkan hanya sebesar 57,50%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
