Analisis Fungsi Aktivasi pada Algoritma Backpropagation dalam Pengenalan Aksara Batak Toba
DOI:
https://doi.org/10.32528/justindo.v8i2.331Keywords:
Aksara Batak Toba, Fungsi Aktivasi Sigmoid Biner, Fungsi Aktivasi Sigmoid Bipolar, Jaringan Saraf Tiruan, Jaringan BackpropagationAbstract
Indonesia merupakan salah satu Negara Asia yang memiliki suku dan budaya yang beragam. Suku Batak merupakan suku yang ada di daerah Sumatera Utara. Suku ini terbagi menjadi beberapa jenis berdasarkan wilayahnya. Suku Batak Toba memiliki bahasa daerah yang sangat unik dan sistem tulisan yang berbeda. Aksara Batak Toba sering digunakan dalam upacara keagamaan dan peristiwa penting. Dalam penelitian ini, peneliti akan melakukan studi tentang aksara Batak Toba. Peneliti akan menganalisis Algoritma Backpropagation dalam pengenalan aksara Batak Toba dengan variasi fungsi aktivasi. Data input berupa file citra yang akan melalui tahap preprocessing, diikuti dengan ekstraksi fitur, normalisasi, pelatihan, dan pengujian pola aksara Batak Toba. Pada proses pelatihan dan pengujian pola, peneliti akan menggunakan data latih yang terdiri dari beberapa jenis aksara dan melakukan beberapa kali pengujian dengan jumlah epoch yang bervariasi, yaitu 150, 300, 450, 600, 750, 900, 1050, dan 1200 epoch. Dari hasil pengujian yang dilakukan, diperoleh hasil akurasi tertinggi pada dua jenis fungsi aktivasi, khususnya pada epoch ke-1050. Akurasi pada fungsi aktivasi Sigmoid Bipolar mencapai 80,53% dan pada fungsi aktivasi Sigmoid Biner mencapai 78,95%.
References
Adinugroho, S. and Arum Sari, Y. (2017) ‘Perbandingan Jaringan Learning Vector Quantization dan Backpropagation pada Klasifikasi Daun Berbasiskan Fitur Gabungan’, Jurnal Informatika & Multimedia, 9(2), pp. 58–64. Available at: http://www.cvl.isy.liu.se/en/research/datasets/swedish-leaf/.
Amalia, N., Hidayat, E.W. and Aldya, A.P. (2020) ‘Pengenalan Aksara Sunda Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Dan Deteksi Tepi Canny’, CESS (Journal of Computer Engineering, System and Science), 5(1), p. 19. Available at: https://doi.org/10.24114/cess.v5i1.14839.
Amrutha, J. and Remya Ajai, A.S. (2018) ‘Performance Analysis of Backpropagation Algorithm of Artificial Neural Networks in Verilog’, in 2018 3rd IEEE International Conference on Recent Trends in Electronics, Information and Communication Technology, RTEICT 2018 - Proceedings. IEEE, pp. 1547–1550. Available at: https://doi.org/10.1109/RTEICT42901.2018.9012614.
Aritonang, M. and Sihombing, D.J.C. (2019) ‘An Application of Backpropagation Neural Network for Sales Forecasting Rice Miling Unit’, in 2019 International Conference of Computer Science and Information Technology, ICoSNIKOM 2019, pp. 7–10. Available at: https://doi.org/10.1109/ICoSNIKOM48755.2019.9111612.
Faturrahman, I. and Mintarsih, A.A.F. (2018) ‘Pengenalan Pola Huruf Hijaiyah Khat Kufi Dengan Metode Deteksi Tepi Sobel Berbasis Jaringan Syaraf Tiruan Backpropagation’, Jurnal Teknik Informatika, 11(1), pp. 37–46. Available at: https://doi.org/10.15408/jti.v11i1.6262.
Julpan, Nababan, E.B. and Zarlis, M. (2015) ‘Analisis Fungsi Aktivasi Sigmoid Biner Dan Sigmoid Bipolar Dalam Algoritma Backpropagation Pada Prediksi Kemampuan Siswa’, Jurnal Teknovasi, 02(1), pp. 103–116.
Putra, H. and Ulfa Walmi, N. (2020) ‘Penerapan Prediksi Produksi Padi Menggunakan Artificial Neural Network Algoritma Backpropagation’, Jurnal Nasional Teknologi dan Sistem Informasi, 6(2), pp. 100–107. Available at: https://doi.org/10.25077/teknosi.v6i2.2020.100-107.
Septiriana, R., Ayu, V. and Puspitasari, T.D. (2015) ‘Penerapan Metode Backpropagation pada Pengenalan Objek Menggunakan Multiple Hidden Layer’, in SEMNASKIT, pp. 81–85.
Siregar, E. (2019) Analisis Metode Backpropagation Dengan Fungsi Aktivasi Sigmoid Bipolar dan Fungsi Linear Dalam Prediksi Pertumbuhan Penduduk, usu.
Siregar, E. et al. (2019) ‘Analysis of Backpropagation Method with Sigmoid Bipolar and Linear Function in Prediction of Population Growth’, in Journal of Physics: Conference Series. Available at: https://doi.org/10.1088/1742-6596/1255/1/012023.
Sudarsono, A. (2016) ‘Jaringan Syaraf Tiruan untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode Backpropagation (Studi Kasus di Kota Bengkulu)’, Jurnal Media Infotama, 12(1), pp. 61–69.
Susilawati;, S. and Muhathir;, M. (2019) ‘Analisis Pengaruh Fungsi Aktivasi, Learning Rate Dan Momentum Dalam Menentukan Mean Square Error (MSE) Pada Jaringan Saraf Restricted Boltzmann Machines (RBM)’, Journal of Informatics and Telecommunication Engineering, 2(2), pp. 77–91.
Syafria, F., Buono, A. and Silalahi, B.P. (2014) ‘A comparison of backpropagation and LVQ: A case study of lung sound recognition’, in ICACSIS 2014: 2014 International Conference on Advanced Computer Science and Information Systems, pp. 402–407. Available at: https://doi.org/10.1109/ICACSIS.2014.7065873.
Theresia Br Pasaribu, N. and Hasugian, M.J. (2015) ‘Pengenalan Tulisan Tangan Ina ni surat Aksara Batak Toba’, in Prosiding Seminar Nasional Teknologi Terapan SV UGM 2015, pp. 21–24. Available at: https://www.researchgate.net/publication/307433658.
Wahyuni, S. and Siahaan, R.F. (2021) ‘Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Penyebab Kematian Dari Sepuluh Peringkat Penyakit Terbesar Dengan Algoritma Backpropagation’, Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 3(3), pp. 109–117. Available at: http://ejournal.sisfokomtek.org/index.php/jikom/article/view/98/84.
Winardi, S. and Hamzah, H. (2014) ‘Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Dalam Pengenalan Pola Aksara Hanacaraka’, Jurnal Teknologi Informasi, 9, pp. 33–42. Available at: https://doi.org/10.35842/jtir.v9i27.80.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Esrayanti Simanjuntak, Nurul Khairina, Zulfikar Sembirirng, Rizki Muliono, Muhathir Muhathir
This work is licensed under a Creative Commons Attribution 4.0 International License.
