ANALISIS PERBANDINGAN ONLINE DAN OFFLINE TRAINING PADA JARINGAN BACKPROPAGATION PADA KASUS PENGENALAN HURUF ABJAD

M Anggi Rivai Nst, Muhammad Zarlis, Zakarias Situmorang

Abstract


Penelitian ini dibuat untuk pembelajaran tentang model jaringan syaraf tiruan yaitu Backpropagation, dimana didalamnya terdapat metode pembelajaran-pembelajaran yang bermanfaat untuk kita ketahui dalam identifikasi masalah sehingga dapat mempelajari model dengan sendirinya dengan memiliki langkah-langkah yang telah kita berikan. Ada dua metode dari model Backpropagation dalam melakukan pembelajaran berupa pelatihan-pelatihan secara langsung(Online) dan secara tidak langsung(Offline). Dengan membandingkan kedua metode ini maka analisis dari pengenalan huruf abjad akan mudah didapat berdasarkan titik-titik yang dimiliki tiap iterasi yang ada. Dengan melakukan perbandingan kedua metode ini kita juga dapat mengetahui dimana perbedaan yang didapat sehingga kita dapat mengetahui dengan baik yang mana sebaiknya kita gunakan dalam proses melakukan perkenalan huruf abjad. Berdasarkan perbandingan yang dibuat bukan hanya untuk melakukan perbandingan yang baik atau buruk tetapi untuk pembelajaran tentang akurasi dan waktu yang digunakan.


Keywords


Jaringan Syaraf Tiruan, Backpropagation, Online, Offline.

Full Text:

PDF

References


ALGORITHM FOR MLP AND APPLICATIONTO AN DENTIFICATION PROBLEM.Durban: Centre For Engineering Research,Technikon Natal.

Baxes, & Gregory, A. (1994). Digital Image Processing :Principles and Applications. New York: John Wiley & Sons.

Cheriet, M. (2007). Character Recognition System. Canada: John Willey & Son.

Duffner, S., & Garcia, C. (2007). An Online Backpropagation Algorithm with Validation Error Based Adaptive Learning Rate. Cesson-Sevigne: Orange Labs.

Hermawan, A. (2006). Jaringan Saraf Tiruan. Yogyakarta: Penerbit Andi.

Istook, E. (2003). IMPROVED BACKPROPAGATION LEARNING IN NEURAL NETWORKS WITH WINDOWED MOMENTUM. International Journal of Neural Systems , vol. 12, No. 3 &4 .

LeCun, Y. (1998). Efficient BackProp. New Jersey:Springer.

Lemme, A. (2010). Efficient online learning of a non-negative sparse autoencoder. Bielefeld: CoR-Lab.

McClelland, J. (2013). Explorations in Parallel Distributed Processing: A Handbook of Models, Programs, and Exercises. Stanford.

Muijrers, V. (2011). Training a Back-Propagation Network with Temporal Difference Learning and a database for the board game pente. Philedelphia: ECTS.

Parker, L. R. (2006). Notes on Multilayer, Feedforward Neural Networks. CS494/594: Projects in Machine Learning.

Sha, D., & Bajic, V. B. (2000). ON-LINE ADAPTIVE LEARNING RATE BP.

Singh, G. (2012). Recognition of Handwritten Hindi Characters using Backpropagation Neural Network. International Journal of Computer Scienceand Information Technologies , Vol. 3.

Sutoyo, T. (2009). Pengolahan Citra Digital. Yogyakarta: Penerbit Andi.

Tiwari, R. R. (2013). HANDWRITTEN DIGIT RECOGNITION USING BACKPROPAGATION NEURAL NETWORK& K-NEAREST NEIGHBOUR CLASSIFIER. International Journal of Electrical, Electronics and Data Communication , Vol. 1.




DOI: https://doi.org/10.30743/infotekjar.v2i1.169

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 M Anggi Rivai Nst, Muhammad Zarlis, Zakarias Situmorang

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

Program Studi Teknik Informatika - Universitas Islam Sumatera Utara
Website : http://jurnal.uisu.ac.id/index.php/infotekjar/index
Email : infotekjar@ft.uisu.ac.id

InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan) is licensed under a Creative Commons Attribution 4.0 International License