Page 6 - AI_PROPAGASI BALIK

aplikasi pengenalan kapal pada citra digital di tunjukkan seperti pada Gambar
dibawah ini.

Diagram Alir aplikasi pengenalan kapal pada citra digital

Arsitektur jaringan yang digunakan dalam pelatihan terdiri dari 400 neuron pada
layer input sesuai jumlah pixel gambar, satu layer tersembunyi yang terdiri dari 40
neuron, dan 1 neuron pada layer output yang terdapat 2 kemungkinan yaitu apakah
citra kapal atau citra bukan kapal. Proses pelatihan dengan jaringan Backpropagation
untuk mengenali citra kapal dengan nilai α 0,2; sistem mampu mencapai error
0,000001 pada epoch ke-6687 dengan tingkat akurasi 85%.
2. Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation.
Nilai Tukar Petani (NTP) merupakan salah satu indikator untuk mengukur
tingkat kesejahteraan atau kemampuan daya beli petani. Nilai indeks NTP untuk
periode yang akan datang perlu di lakukan prediksi yang dapat dimanfaatkan pihak
terkait dalam mempersiapkan tindakan-tindakan pencegahan apabila indeks NTP
turun dari periode sebelumnya. Penelitian ini bertujuan untuk mengukur unjuk kerja
algoritma jaringan syaraf tiruan Backpropagation dalam memprediksi Nilai Tukar
Petani (NTP) Provinsi Jawa Timur satu bulan mendatang. Jaringan yang dibangun
terdiri atas 12 neuron input, dan 1 neuron output. Data yang digunakan yaitu data
tahun 2008-2012 untuk proses pelatihan jaringan. Proses pengujian dilakukan
dengan membandingkan hasil pengujian dengan data aktual tahun 2013 dan 2014.
Hasil pengujian menunjukkan bahwa persentase error terkecil apabila jumlah node
lapisan tersembunyi 7 dan nilai laju pembelajaran 0.1 dengan rata-rata error sebesar
0.61% atau tingkat akurasi mencapai 99.39%.
3. Klasifikasi Pengendara Sepeda Motor tidak Memakai Helm pada Citra Digital
dengan Jaringan Syaraf Tiruan Backpropagation.

TEKNIK INFORMATIKA – UNIVERSITAS NEGERI GORONTALO KECERDASAN BUATAN