Implementasi Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Citra Digital Menggunakan Deteksi Tepi
Abstrak: Tujuan penelitian ini
adalah merancang suatu sistem yang dapat mengenali citra menggunakan metode
jaringan syaraf tiruan backpropagation dan mengetahui tingkat akurasi sistem
dalam mengenali citra digital. Tujuan yang lain menentukan arsitektur jaringan
yang optimal untuk JST dalam mengenali citra digital dan mengetahui operator
deteksi tepi yang paling optimal mengenali objek bangun ruang. Operator deteksi
tepi yang digunakan dalam penelitian ini adalahoperator berbasis turunan
pertama. Saat ini telah ada beberapa metode yang dapat digunakan dalam
mendeteksi tepi, contohnya adalah metode Roberts, Sobel, Prewitt, Laplacian of
Gaussian (LoG), Canny dan sebagainya. Metode yang termasuk operator turunan
pertama adalah Sobel, Prewitt, dan Roberts. Penelitian ini memanfaatkan
sensitivitas dari jaringan saraf tiruan (JST) backpropagation. Hasil pengujian
menunjukkan bahwa dengan adanya variasi jumlah neuron hidden layer dan learning
rate dalam arsitektur JST untuk mendapatkan arsitektur jaringan yang optimal.
Dari hasil pengujian diperoleh recognition rate 100 % dengan parameter
arsitektur jaringan learning rate: 0,1, jumlah neuron hidden layer: 15, target
eror: 0,001, dan jumlah epoh: 1000. Operator deteksi tepi yang paling optimal
dalam mengenali citra dalam jaringantiruan adalah Prewitt dengan tingkat
recognition rate 100 % dan MSE 0.000131.
Penulis: Henry Putra Imam
Wijaya, Zaenal Abidin, Endang Sugiharti
Kode Jurnal: jpmatematikadd141469
