UMN Knowledge Center

Implementasi Jaringan Saraf Tiruan Backpropagation untuk Pengenalan Karakter pada Dokumen Tercetak

Puspita Chandra, Dian (2019) Implementasi Jaringan Saraf Tiruan Backpropagation untuk Pengenalan Karakter pada Dokumen Tercetak. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (718kB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (728kB) | Preview
[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (726kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Dokumen digital yang dihasilkan dari alat pemindai tidak dapat diedit. Sehingga, untuk dapat mengedit dokumen digital tersebut dibutuhkan teknologi Optical Character Recognition (OCR). Penelitian ini dilakukan dengan tujuan untuk mengimplementasikan jaringan saraf tiruan backpropagation pada dokumen tercetak dan untuk mengetahui bagaimana tingkat akurasi dari implementasi jaringan saraf tiruan backpropagation pada dokumen tercetak. Penelitian ini menggunakan jaringan lapisan banyak (multilayer network) dengan tiga lapisan. Lapisan input terdiri dari 225 node dengan masukan berupa citra digital berukuran 15 ? 15 piksel, lapisan tersembunyi terdiri dari 110 node, dan lapisan output terdiri dari 54 node yang merepresentasikan karakter A-Z, a-z, serta tanda baca titik (.) dan koma (,). Learning rate yang digunakan dalam penelitian ini adalah 0,29. Rata-rata tingkat akurasi yang didapat dari implementasi jaringan saraf tiruan backpropagation dalam penelitian ini adalah 94 % untuk jenis font Arial Unicode Ms, 96,6 % untuk jenis font Tahoma, dan 94 % untuk jenis font Times New Roman.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Backpropagation, Jaringan Saraf Tiruan, Optical Character Recogniton, Pengolahan Citra
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 09:07
Last Modified: 13 Jan 2020 04:52
URI: http://kc.umn.ac.id/id/eprint/10191

Actions (login required)

View Item View Item