PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA
Artificial neural networks (ANN) implementation in image classification problem requires a lot of training time which caused by enormous data size. This kind of data is known as raw data. An image data is extracted directly without any preprocessing. Many feature extraction techniques are offered to...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Petra Christian University
2007-01-01
|
| Series: | Jurnal Informatika |
| Subjects: | |
| Online Access: | http://puslit2.petra.ac.id/ejournal/index.php/inf/article/view/16773 |
| _version_ | 1818501944755355648 |
|---|---|
| author | Helmy Thendean |
| author_facet | Helmy Thendean |
| author_sort | Helmy Thendean |
| collection | DOAJ |
| description | Artificial neural networks (ANN) implementation in image classification problem requires a lot of training time which caused by enormous data size. This kind of data is known as raw data. An image data is extracted directly without any preprocessing. Many feature extraction techniques are offered to reduce the time consumed in training image data. Boolean function algorithm (BFA) in ANN (first and second approach) produces identical output values that can be used as feature of an image data. This feature can then be used as input in Back Propagation ANN that is known as the best ANN method in problems classification. The experiment shows that BFA can be used well as one of feature extraction methods. The second approach BFA in Back Propagation ANN shows better performance in recognition and is lesser time consuming in training than the first approach. Abstract in Bahasa Indonesia : Penerapan Jaringan Syaraf Tiruan (JST) pada masalah klasifikasi citra sering membutuhkan waktu proses pembelajaran yang cukup lama yang disebabkan oleh besarnya jumlah data input. Penggunaan data seperti ini dikenal sebagai penggunaan data yang bersifat mentah. Data input sebuah citra diambil secara langsung untuk diberikan sebagai data pembelajaran dalam algoritma JST. Permasalahan ini menimbulkan berbagai metode ekstrasi ciri (feature extraction) yang diterapkan pada sebuah citra sebelum dijadikan sebagai data pembelajaran dalam sebuah algoritma JST. Algoritma Fungsi Boolean (AFB) menunjukkan bahwa JST dengan penerapan AFB memiliki nilai output yang bersifat identik. Sifat identik pada hasil pemrosesan sebuah data citra inilah yang kemudian diterapkan pada algoritma JST Propagasi Balik (JST PB) sebagai algoritma JST yang terbaik untuk permasalahan klasifikasi. Hasil percobaan menunjukkan bahwa JST AFB dapat diterapkan sebagai salah satu metode feature extraction pada citra. Kinerja JST AFB dengan pendekatan kedua memberikan hasil yang lebih baik dari tingkat pengenalan maupun waktu pembelajaran. Kata kunci: jaringan syaraf tiruan, algoritma fungsi Boolean, propagasi balik, ekstrasi ciri, pengenalan pola. |
| first_indexed | 2024-12-10T21:03:14Z |
| format | Article |
| id | doaj.art-99975f71957649feb6911991e6c41d78 |
| institution | Directory Open Access Journal |
| issn | 1411-0105 |
| language | English |
| last_indexed | 2024-12-10T21:03:14Z |
| publishDate | 2007-01-01 |
| publisher | Petra Christian University |
| record_format | Article |
| series | Jurnal Informatika |
| spelling | doaj.art-99975f71957649feb6911991e6c41d782022-12-22T01:33:43ZengPetra Christian UniversityJurnal Informatika1411-01052007-01-0182pp.9499PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETAHelmy ThendeanArtificial neural networks (ANN) implementation in image classification problem requires a lot of training time which caused by enormous data size. This kind of data is known as raw data. An image data is extracted directly without any preprocessing. Many feature extraction techniques are offered to reduce the time consumed in training image data. Boolean function algorithm (BFA) in ANN (first and second approach) produces identical output values that can be used as feature of an image data. This feature can then be used as input in Back Propagation ANN that is known as the best ANN method in problems classification. The experiment shows that BFA can be used well as one of feature extraction methods. The second approach BFA in Back Propagation ANN shows better performance in recognition and is lesser time consuming in training than the first approach. Abstract in Bahasa Indonesia : Penerapan Jaringan Syaraf Tiruan (JST) pada masalah klasifikasi citra sering membutuhkan waktu proses pembelajaran yang cukup lama yang disebabkan oleh besarnya jumlah data input. Penggunaan data seperti ini dikenal sebagai penggunaan data yang bersifat mentah. Data input sebuah citra diambil secara langsung untuk diberikan sebagai data pembelajaran dalam algoritma JST. Permasalahan ini menimbulkan berbagai metode ekstrasi ciri (feature extraction) yang diterapkan pada sebuah citra sebelum dijadikan sebagai data pembelajaran dalam sebuah algoritma JST. Algoritma Fungsi Boolean (AFB) menunjukkan bahwa JST dengan penerapan AFB memiliki nilai output yang bersifat identik. Sifat identik pada hasil pemrosesan sebuah data citra inilah yang kemudian diterapkan pada algoritma JST Propagasi Balik (JST PB) sebagai algoritma JST yang terbaik untuk permasalahan klasifikasi. Hasil percobaan menunjukkan bahwa JST AFB dapat diterapkan sebagai salah satu metode feature extraction pada citra. Kinerja JST AFB dengan pendekatan kedua memberikan hasil yang lebih baik dari tingkat pengenalan maupun waktu pembelajaran. Kata kunci: jaringan syaraf tiruan, algoritma fungsi Boolean, propagasi balik, ekstrasi ciri, pengenalan pola.http://puslit2.petra.ac.id/ejournal/index.php/inf/article/view/16773artificial neural networksBoolean function algorithmback propagation methodfeature extractionpattern recognition |
| spellingShingle | Helmy Thendean PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA Jurnal Informatika artificial neural networks Boolean function algorithm back propagation method feature extraction pattern recognition |
| title | PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA |
| title_full | PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA |
| title_fullStr | PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA |
| title_full_unstemmed | PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA |
| title_short | PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA |
| title_sort | penerapan algoritma fungsi boolean sebagai ekstrasi ciri pada jaringan syaraf tiruan propagasi balik untuk pengenalan simbol peta |
| topic | artificial neural networks Boolean function algorithm back propagation method feature extraction pattern recognition |
| url | http://puslit2.petra.ac.id/ejournal/index.php/inf/article/view/16773 |
| work_keys_str_mv | AT helmythendean penerapanalgoritmafungsibooleansebagaiekstrasiciripadajaringansyaraftiruanpropagasibalikuntukpengenalansimbolpeta |