Please use this identifier to cite or link to this item: https://repositori.uma.ac.id/handle/123456789/19052
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSimanjuntak, Esrayanti-
dc.date.accessioned2022-12-27T09:39:11Z-
dc.date.available2022-12-27T09:39:11Z-
dc.date.issued2022-09-26-
dc.identifier.urihttps://repositori.uma.ac.id/handle/123456789/19052-
dc.description95 Halamanen_US
dc.description.abstractPengenalan aksara kuno umumnya masih dilakukan secara manual dan belum ada sistem yang dapat mengenali dengan tingkat akurasi yang baik. Oleh sebab itu, diperlukan sebuah teknologi pengenalan pola untuk membantu mempercepat proses pengenalan dengan cara menginput data berupa citra digital tanpa harus memasukkan data tersebut tanpa mengetik. Pada penelitian ini dilakukan analisis perbandingan penggunaan fungsi aktivasi Sigmoid Bipolar dengan Sigmoid Biner pada algoritma Backpropagation untuk pengenalan aksara Batak Toba dimana pada awal dilakukan praprosesing file-file aksara Batak Toba yaitu resizing dengan ukuran yang seragam serta pengolahan citra menjadi citra biner. Setelah dilakukan pengujian pengenalan dengan algoritma Backpropagation menggunakan 190 data training yang terdiri dari 19 aksara Batak Toba serta 8 kali pengujian dengan menggunakan epoch 150, 300, 450, 600, 750, 900, 1050 dan 1200 maka diperoleh bahwa nilai akurasi yang terbaik pada penggunaan fungsi aktivasi Sigmoid Bipolar pada epoch ke 1050 sebesar 80.53 % dan pada Sigmoid Biner pada epoch ke 1050 sebesar 78.95 %. The introduction of ancient characters is generally still done manually and there is no system that can recognize it with a good level of accuracy. Therefore, we need a pattern recognition technology to help speed up the recognition process by inputting data in the form of digital images without having to enter the data without typing. In this study, a comparative analysis of the use of the Sigmoid Bipolar with Binary activation function was carried out on the Backpropagationpada algorithm for the introduction of the Toba Batak script where at the beginning the Toba Batak script files were preprocessed, namely resizing, which is a uniform size and processing the image into a binary image. After testing the recognition using the Backpropagation algorithm using 190 training data consisting of 19 Toba Batak characters and 8 times testing using epochs 150, 300, 450, 600, 750, 900, 1050 and 1200, it was obtained that the best accuracy value on the use of the Bipolar Sigmoid activation function at the 1050th epoch of 80.53% and the Binary Sigmoid on the 1050th epoch of 78.95%.en_US
dc.language.isootheren_US
dc.publisherUniversitas Medan Areaen_US
dc.relation.ispartofseriesNPM;178160055-
dc.subjecttoba batak scripten_US
dc.subjectactivation function of bipolar and sigmoid binaryen_US
dc.subjectartificial neural networksen_US
dc.subjectbackpropagation algorithmen_US
dc.subjectaksara batak tobaen_US
dc.subjectfungsi aktivasi sigmoid bineren_US
dc.subjectalgoritma backpropagationen_US
dc.subjectjaringan saraf tiruanen_US
dc.subjectfungsi aktivasi sigmoid bipolaren_US
dc.titleAnalisis Perbandingan Fungsi Aktivasi Sigmoid Bipolar Dengan Sigmoid Biner Dalam Pengenalan Aksara Batak Toba Dengan Algoritma Backpropagationen_US
dc.title.alternativeComparative Analysis of Bipolar Sigmoid and Binary Sigmoid Activation Functions in Recognizing Toba Batak Characters Using the Backpropagation Algorithmen_US
dc.typeThesisen_US
Appears in Collections:SP - Informatic Engineering

Files in This Item:
File Description SizeFormat 
178160055 - Esrayanti Simanjuntak - Fulltext.pdfCover, Abstract, Chapter I, II, III, V, Bibliography2.37 MBAdobe PDFView/Open
178160055 - Esrayanti Simanjuntak - Chapter IV.pdf
  Restricted Access
Chapter IV1.28 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.