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.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (728kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (726kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (718kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)

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)
Keywords:	Backpropagation, Jaringan Saraf Tiruan, Optical Character Recogniton, Pengolahan Citra
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.4 Computer Pattern Recognition, Barcode, Computer Graphics
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 09:07
Last Modified:	25 Aug 2023 00:17
URI:	https://kc.umn.ac.id/id/eprint/10191

Actions (login required)

View Item