Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal Of Technology and Information System (J-TIS)
Rami Ate, Egidius
Unknown Affiliation
Computer Science & IT Engineering Materials Science & Nanotechnology Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kain Tenun Sumba Menggunakan Jaringan Saraf Tiruan Rami Ate, Egidius; Trisno, Trisno; Malo, Maria Wilda
Journal Of Technology and Information System (J-TIS) Vol 3 No 1 (2024): Januari - Juni 2024
Publisher : Program Studi Sistem Informasi, Universitas Yapis Papua

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70129/jtis.v3i1.514

Abstract

Hasil evaluasi dengan epoch 100 memiliki akuasi klasifikasi yang cukup baik. Nilai akurasi kebenaran dari klasifikasi adalah 60% dari data tes. Dengan kata lain hasil klasifikasi ini dapat dikatakan baik. Dibandingkan dengan akurasi klasifikasi pada epoch 100 yaitu 20-30% dari data tes. Model yang didapatkan dari hasil pelatihan dengan epoch 100 masih tidak dapat melakukan klasifikasi dengan baik. Pada epoch 400 peningkatan akurasi pengenalan terhadap data tes meningkat 10% sehingga akurasi pengenalannya menjadi 40-50%. Model ini memiliki tingkat akurasi yang lebih baik dari epoch 100. Pada epoch 1000 peningkatan akurasi pengenalan terhadap data tes meningkat 20% sehingga akurasi pengenalannya menjadi 55-60%. Model ini memiliki tingkat akurasi yang lebih baik dari epoch sebelumnya Dari penelitian ini diperoleh beberapa kesimpulan yaitu : Proses klasifikasi kain khas sumba dengan menggunakan metode wavelet haar dengan algoritma backporpagation yang telah disusun telah berhasil mengenali pola kain dan melakukan klasifikasi selain itu telah dilakukan visualisasi.Dengan adanya penerapan jaringan saraf tiruan dapat menjawab permasalahan dari penelitian karena penerapan backpropagation dan metode wavelet digunakan pengenalan pola, peramalan atau perkiraan dan ekstrasi gambar. Berdasarkan hasil penelitian menggunakan algoritma backpropagation neural netwok terdapat beberapa tingkat akurasi yang berbeda nilai akurasi training dan validasi yang cukup bagus Saran dari peneliti adalah melanjutkan penelitian ini agar bisa menghasilkan proses yang lebih akurat.Proses pelatihan dilakukan dengan menggunakan beberapa nilai epoch yaitu epoch 200, epoch 400, epoch 600, epoch 800, epoch 1000, epoch. Akurasi terbaik yang didapatkan saat pelatihan adalah 89.3% dan validasi 82%.
Co-Authors Malo, Maria Wilda Trisno Trisno