Pengujian Akurasi Model Artificial Neural Networks dengan Satu dan Dua Hidden Layers dalam Pengenalan Huruf Alfabet

Ashfahani, Roghib (2023) Pengujian Akurasi Model Artificial Neural Networks dengan Satu dan Dua Hidden Layers dalam Pengenalan Huruf Alfabet. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text Skripsi Final - Roghib_Pendahuluan.pdf Download (261kB)
	Text Skripsi Final - Roghib_abstract.pdf Download (132kB)
	Text Skripsi Final - Roghib_abstrak.pdf Download (141kB)
	Text Skripsi Final - Roghib-DaftarIsi.pdf Download (148kB)
	Text Skripsi Final - Roghib_DaftarGambar.pdf Download (147kB)
	Text Skripsi Final - Roghib_daftartabel.pdf Download (140kB)
	Text Skripsi Final - Roghib-Daftar Lampiran.pdf Download (141kB)
	Text Skripsi Final - Roghib_Bab1.pdf Download (95kB)
	Text Skripsi Final - Roghib_Bab2.pdf Download (505kB)
	Text Skripsi Final - Roghib_bab3.pdf Download (418kB)
	Text Skripsi Final - Roghib_Bab4.pdf Download (504kB)
	Text Skripsi Final - Roghib_Bab5.pdf Download (604kB)
	Text Skripsi Final - Roghib_Bab6.pdf Download (78kB)
	Text Skripsi Final - Roghib_DaftarPustaka.pdf Download (81kB)
	Text Skripsi Final - Roghib_Lampiran.pdf Download (796kB)

Abstract

Artificial Neural Networks (ANN) merupakan pemodelan dan pemecahan masalah induk pada deep learning, termasuk pada visi komputer. Penelitian tentang ANN terus berlanjut sampai saat ini, dalam rangka memperdalam pemahaman peneliti tentang properti, karakter dan akurasi model ini dalam pemecahan masalah. Pada penelitian ini masalah yang diangkat adalah seperti apakah gambaran akurasi model Artificial Neural Networks dengan satu dan dua hidden layers dalam memecahkan kasus. Metode yang dipakai dalam menguji akurasi model adalah eksperimen komparatif. Pada metode ini model ANN dengan satu hidden layer dan model ANN dengan dua hidden layer akan diterapkan pada pemecahan kasus yang sama untuk dianalis akurasi dan durasi komputasi masing-masing. Dari penelitian ini telah diperoleh gambaran tentang akurasi model ANN dengan satu dan dua hidden layer dalam pemecahan kasus di atas. Pada kasus pengenalan huruf alfabet dengan jumlah neuron tersembunyi 100, 200, 300, dan 400 model dengan satu lapisan tersembunyi lebih tinggi dari pada model dengan dua lapisan tersembunyi. Hal ini diduga karena pada proses pelatihan dengan satu lapisan tersembunyi dapat diperoleh bobot-bobot yang stabil dan jika ini dilanjutkan dengan pembobotan lebih lanjut pada lapisan kedua maka bobot-bobot yang sudah stabil kembali dikalkulasi dan beresiko untuk menjadi kurang stabil.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	KTI
Subjects:	T Technology > T Technology (General) T Technology > TR Photography
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Roghib Ashfahani
Date Deposited:	10 Jul 2023 01:13
Last Modified:	10 Jul 2023 01:13
URI:	http://eprints.upj.ac.id/id/eprint/6098

Actions (login required)

View Item