<![CDATA[Pengolahan citra digital merupakan bagian dari computer vision untuk menganalisa suatu citra atau gambar sehingga menghasilkan suatu informasi yang dapat dipahami manusia. Setiap tahapan dalam pengolahan citra digital memiliki metode masing-masing, untuk citra yang berbeda maka metode yang digunakan juga akan berbeda. Hal ini dikarenakan setiap objek memiliki karakteristik yang berbeda sehingga penggunaan metode perlu menyesuaikan dengan karakteristik citranya. Jaringan syaraf tiruan memiliki kelebihan yaitu sangat fleksibel terhadap data yang memiliki banyak noise, mampu mengklasifikasikan pola, cocok untuk input dan output yang bersifat continue, dapat diimplementasikan dengan mudah di semua aplikasi. Metode jaringan syaraf tiruan juga masih memiliki kekurangan diantaranya parameter terbaik perlu ditentukan secara trial and error, waktu iterasi yang relative lama, dan interpretability yang buruk Pada penelitian ini akan dilakukan percobaan untuk mendapatkan arsitektur jaringan syaraf tiruan yang optimal. Arsitektur jaringan syaraf tiruan yang akan diujicobakan untuk mendapatkan metode jaringan syaraf tiruan yang optimal untuk data citra kain tenun sambas adalah Backpropagation dan RBF. Akurasi maksimal yang dapat dihasilkan dengan menggunakan JST Backpropagation adalah sebesar 81,33 % dengan parameter nilai learning rate 0,3. Nilai MAE terkecil dihasilkan dari learning rate 0,5 sedangkan nilai RMSE terkecil dihasilkan dari learning rate 0,4. Akurasi maksimal yang dapat dihasilkan dengan menggunakan JST RBF adalah sebesar 88 % dengan parameter nilai learning rate 2. Nilai MAE terkecil dihasilkan dari learning rate 5 sedangkan nilai RMSE terkecil dihasilkan dari learning rate 3. Akurasi yang dihasilkan dari JST RBF lebih tinggi jika dibandingkan dengan JST Backpropagation yaitu 88% dan 81,33% hal ini dapat disimpulkan JST RBF lebih baik dalam mengklasifikasikan citra kain sambas daripada JST Backpropagation]]>
Copyrights © 2020
