BAB IV HASIL DAN PEMBAHASAN
4.2 Analisis Hasil Pemodelan JST
Percobaan-percobaan dilakukan untuk mendapatkan model jaringan JST yang terbaik. Model JST terbaik adalah yang memberikan akurasi optimal ketika dilakukan validasi terhadap data training maupun pengujian terhadap data testing. Sebagai mana telah dijelaskan pada metodologi bahwa untuk proses pelatihan dengan data training menggunakan 70% dari data penelitian atau 980 data dan proses pengujian dengan data testing menggunakan 30% data penelitian atau 420
data. Berikut pembahasan dari setiap percobaan yang dilakukan pada masing
masing variasi jumlah neuron lapisan tersembunyi.
4.2.1 Lapisan tersembunyi dengan jumlah
Hasil percobaan pada proses
Gambar 14. Pada gambar tersebut ditunjukkan bahwa
sebesar 0,00541 diperoleh pada epoch 1808 dengan durasi 33 detik.
Gambar 14 Pelatihan dengan 7 Proses validasi dilakukan dengan
data training. Hasil dari proses validasi mampu
akurasi validasi dalam bentuk persentase
proses pengujian dengan menggunakan data
392 data, akurasi pengujian dalam bentuk persentase
93,33%. Hasil pengujian dengan
4.2.2 Lapisan tersembunyi dengan jumlah
Hasil percobaan pada proses
Gambar 15. Pada gambar tersebut ditunjukkan bahwa
sebesar 0,000702 diperoleh pada epoch 2585 dengan durasi 34 detik validasi dilakukan dengan menguji jaringan yang terbentuk dengan data
Hasil dari proses validasi mampu
dalam bentuk persentase adalah
dengan menggunakan data testing
bahasan dari setiap percobaan yang dilakukan pada masing lapisan tersembunyi.
ersembunyi dengan jumlah neuron 7.
proses training dengan model ini dapat dilihat pada
. Pada gambar tersebut ditunjukkan bahwa error (MSE) terkecil yakni
sebesar 0,00541 diperoleh pada epoch 1808 dengan durasi 33 detik.
elatihan dengan 7 neuron pada lapisan tersembunyi.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
. Hasil dari proses validasi mampu mengenali sebanyak 935
validasi dalam bentuk persentase adalah ! "# 100% = 95,41%. Pada
dengan menggunakan data testing mampu mengenali sebanyak
pengujian dalam bentuk persentase adalah '&# & 100
Hasil pengujian dengan data testing dapat dilihat pada Lampiran 3.
Lapisan tersembunyi dengan jumlah neuron 9.
proses training dengan model ini dapat dilihat pada
. Pada gambar tersebut ditunjukkan bahwa error (MSE) terkecil yakni
sebesar 0,000702 diperoleh pada epoch 2585 dengan durasi 34 detik. Proses
validasi dilakukan dengan menguji jaringan yang terbentuk dengan data training
dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi
adalah (!
"# 100% = 99,49%. Pada proses pengujian
testing mampu mengenali sebanyak 408 data, akurasi
bahasan dari setiap percobaan yang dilakukan pada masing
ini dapat dilihat pada (MSE) terkecil yakni
menguji jaringan yang terbentuk dengan
data,
. Pada sebanyak
100% =
dapat dilihat pada (MSE) terkecil yakni Proses training.
validasi roses pengujian
pengujian dalam bentuk persentase
pengujian dengan data testing
Gambar 15 Pelatihan dengan 9
4.2.3 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 16. Pada gambar
sebesar 0,000699 diperoleh pada epoch 2914 dengan durasi 33 detik. validasi dilakukan dengan mengu
Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
dengan menggunakan data testing mampu mengenali sebanyak 409 data, akurasi pengujian dalam bentuk persentase adalah
pengujian dengan data testing dapat dilihat pada
Gambar 16 Pelatihan dengan 11
pengujian dalam bentuk persentase adalah '#"'&# 100% = 97,14 testing dapat dilihat pada Lampiran 4.
elatihan dengan 9 neuron pada lapisan tersembunyi.
ersembunyi dengan jumlah neuron 11.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar tersebut ditunjukkan bahwa error (MSE) terkecil yakni
sebesar 0,000699 diperoleh pada epoch 2914 dengan durasi 33 detik.
validasi dilakukan dengan menguji jaringan yang terbentuk dengan data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah *+,*-./ 0..% = **, 1*%. Pada proses pengujian dengan menggunakan data testing mampu mengenali sebanyak 409 data, akurasi
pengujian dalam bentuk persentase adalah 1.*12./ 0..% = *+,
3-pengujian dengan data testing dapat dilihat pada Lampiran 5.
Pelatihan dengan 11 neuron pada lapisan tersembunyi.
14%. Hasil
pada lapisan tersembunyi.
dengan model ini dapat dilihat pada (MSE) terkecil yakni
sebesar 0,000699 diperoleh pada epoch 2914 dengan durasi 33 detik.Proses
ji jaringan yang terbentuk dengan data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi . Pada proses pengujian dengan menggunakan data testing mampu mengenali sebanyak 409 data, akurasi 3-%. Hasil
4.2.4 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 17. Pada gambar tersebut ditunjukkan bahwa
sebesar 0,000743 diperoleh pada epoch 2863 dengan durasi 37 detik.
Gambar 17 Pelatihan dengan 15
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data 408 data, akurasi pengujian dalam
97,14%. Hasil pengujian dengan data
4.2.5 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 18. Pada gambar ditunjukkan bahwa
0,000739 diperoleh pada epoch 3000 dengan durasi 40 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data
ersembunyi dengan jumlah neuron 15.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar tersebut ditunjukkan bahwa error (MSE) terkecil yakni
sebesar 0,000743 diperoleh pada epoch 2863 dengan durasi 37 detik.
Pelatihan dengan 15 neuron pada lapisan tersembunyi.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah (! "# 100% = 99,49%. Pada
dengan menggunakan data testing mampu mengenali sebanyak
408 data, akurasi pengujian dalam bentuk persentase adalah '#"'&# 100
. Hasil pengujian dengan data testing dapat dilihat pada Lampiran 6.
ersembunyi dengan jumlah neuron 20.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000739 diperoleh pada epoch 3000 dengan durasi 40 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
. Hasil dari proses validasi mampu mengenali sebanyak 975 data,
akurasi validasi dalam bentuk persentase adalah (! "# 100% = 99,49%.
dengan menggunakan data testing mampu mengenali sebanyak
dengan model ini dapat dilihat pada (MSE) terkecil yakni
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, . Pada mampu mengenali sebanyak
100% =
ini dapat dilihat pada (MSE) terkecil yakni sebesar
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan sebanyak 975 data,
Pada
408 data, akurasi pengujian dalam bentuk persentase adalah
97,14%. Hasil pengujian dengan data
Gambar 18 Pelatihan dengan 20
4.2.6 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 19. Pada gambar ditunjukkan bahwa
0,000731 diperoleh pada epoch 2988 dengan durasi 44 detik.
Gambar 19 Pelatihan dengan 25
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data
408 data, akurasi pengujian dalam bentuk persentase adalah '#"'&#
Hasil pengujian dengan data testing dapat dilihat pada Lampiran
Pelatihan dengan 20 neuron pada lapisan tersembunyi
ersembunyi dengan jumlah neuron 25.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000731 diperoleh pada epoch 2988 dengan durasi 44 detik.
elatihan dengan 25 neuron pada lapisan tersembunyi.
alidasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah *+,*-.4 0..% = **,1*
dengan menggunakan data testing mampu mengenali sebanyak
'#"
'&# 100% =
ampiran 7.
pada lapisan tersembunyi.
ini dapat dilihat pada (MSE) terkecil yakni sebesar
ersembunyi.
alidasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, 1*%. Pada
408 data, akurasi pengujian dalam bentuk persentase adalah
*+, 01%. Hasil pengujian dengan data
4.2.7 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 20. Pada gambar ditunjukkan bahwa
0,000712 diperoleh pada epoch 2560 dengan durasi 46 detik.
Gambar 20 Pelatihan dengan 30
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data
410 data, akurasi pengujian dalam bentuk persentase adalah
*+, 52%. Hasil pengujian dengan data
4.2.8 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 21. Pada gambar ditunjukkan bahwa
0,000709 diperoleh pada epoch 1788 dengan durasi 57 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data,
akurasi validasi dalam bentuk persentase adalah
408 data, akurasi pengujian dalam bentuk persentase adalah 1.-12.4 0..
. Hasil pengujian dengan data testing dapat dilihat pada Lampiran 8.
ersembunyi dengan jumlah neuron 30.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000712 diperoleh pada epoch 2560 dengan durasi 46 detik.
Pelatihan dengan 30 neuron pada lapisan tersembunyi.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah *+,*-.4 0..% = **, 1*%. Pada
dengan menggunakan data testing mampu mengenali sebanyak
data, akurasi pengujian dalam bentuk persentase adalah 10.12.4 0..
. Hasil pengujian dengan data testing dapat dilihat pada Lampiran 9.
ersembunyi dengan jumlah neuron 40.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000709 diperoleh pada epoch 1788 dengan durasi 57 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, idasi dalam bentuk persentase adalah *+,*-.4 0..% = **, 1*%. Pada
0..% =
8.
dengan model ini dapat dilihat pada (MSE) terkecil yakni sebesar
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, . Pada mampu mengenali sebanyak
0..% =
9.
ini dapat dilihat pada (MSE) terkecil yakni sebesar
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, . Pada
proses pengujian dengan menggunakan data
410 data, akurasi pengujian dalam bentuk persentase adalah
*+, 52%. Hasil pengujian dengan data
Gambar 21 Pelatihan dengan 40
4.2.9 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 22. Pada gambar ditunjukkan bahwa
0,000774 diperoleh pada epoch 2495 dengan durasi 62 detik.
Gambar 22 Pelatihan dengan 50
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data testing mampu mengenali sebanyak
dengan menggunakan data testing mampu mengenali sebanyak
data, akurasi pengujian dalam bentuk persentase adalah 10.12. jian dengan data testing dapat dilihat pada Lampiran
Pelatihan dengan 40 neuron pada lapisan tersembunyi.
ersembunyi dengan jumlah neuron 50.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000774 diperoleh pada epoch 2495 dengan durasi 62 detik.
elatihan dengan 50 neuron pada lapisan tersembunyi.
lakukan dengan menguji jaringan yang terbentuk dengan data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah *+,*-./ 0..% = **,1*
proses pengujian dengan menggunakan data testing mampu mengenali sebanyak mampu mengenali sebanyak
4 0..% =
ampiran 10.
pada lapisan tersembunyi.
dilihat pada (MSE) terkecil yakni sebesar
ersembunyi.
lakukan dengan menguji jaringan yang terbentuk dengan data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, 1*%. Pada
410 data, akurasi pengujian dalam bentuk persentase adalah
*+, 52%. Hasil pengujian dengan data testing dapat dilihat pada
4.2.10 Lapisan tersembunyi dengan jumlah Hasil percobaan pada proses
Gambar 23. Pada gambar ditunjukkan bahwa
0,000778 diperoleh pada epoch 1439 dengan durasi 72 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan
data training. Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah
proses pengujian dengan menggunakan data
409 data, akurasi pengujian dalam bentuk persentase adalah
*+, 3-%. Hasil pengujian dengan data
Gambar 23 Pelatihan dengan 60
Ringkasan hasil dari percobaan percobaan yang dilakukan dengan variasi
jumlah neuron pada lapisan tersembunyi dapat dilihat pada Tabel
terlihat bahwa pada variasi neuron
99,49% pada dasarnya juga memberikan akurasi pengujian yang cukup baik yakni
diatas 97%. Namun dengan variasi
60 memberikan akurasi pengujian menunjukkan bahwa pada model
410 data, akurasi pengujian dalam bentuk persentase adalah 10.12./ 0..
. Hasil pengujian dengan data testing dapat dilihat pada Lampiran 11.
mbunyi dengan jumlah neuron 60.
Hasil percobaan pada proses training dengan model ini dapat dilihat pada
. Pada gambar ditunjukkan bahwa error (MSE) terkecil yakni sebesar
0,000778 diperoleh pada epoch 1439 dengan durasi 72 detik.
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, akurasi validasi dalam bentuk persentase adalah *+,*-.4 0..% = **, 1*%. Pada
ngan menggunakan data testing mampu mengenali sebanyak
409 data, akurasi pengujian dalam bentuk persentase adalah 1.*12.4 0..
. Hasil pengujian dengan data testing dapat dilihat pada Lampiran 12.
elatihan dengan 60 neuron pada lapisan tersembunyi.
Ringkasan hasil dari percobaan percobaan yang dilakukan dengan variasi pada lapisan tersembunyi dapat dilihat pada Tabel 4. Dari t
neuron yang memberikan akurasi validasi diatas
pada dasarnya juga memberikan akurasi pengujian yang cukup baik yakni ariasi neuron pada lapisan tersembunyi 30, 40, 50,
pengujian terbaik yakni sebesar 97,62%. Hal ini
menunjukkan bahwa pada model-model tersebut kinerja jaringan lebih stabil.
0..% =
ampiran 11.
ini dapat dilihat pada (MSE) terkecil yakni sebesar
Proses validasi dilakukan dengan menguji jaringan yang terbentuk dengan . Hasil dari proses validasi mampu mengenali sebanyak 975 data, . Pada mampu mengenali sebanyak
0..% =
12.
ersembunyi. Ringkasan hasil dari percobaan percobaan yang dilakukan dengan variasi
ri tabel,
yang memberikan akurasi validasi diatas pada dasarnya juga memberikan akurasi pengujian yang cukup baik yakni bunyi 30, 40, 50, Hal ini stabil.
Dengan memperhitungkan waktu komputasi pada saat pengenalan identitas dokumen, maka model jaringan yang dipilih pada pengembangan aplikasi pengendalian dokumen ini adalah model jaringan yang menggunakan neuron paling sedikit yaitu pada variasi neuron 30 lapisan tersembunyi.
Tabel 4 Tabel hasil pelatihan/validasi dan testing Lapisan
Tersembunyi
Durasi
Pelatihan MSE Epoch
Akurasi Validasi Akurasi Testing 7 Neurons 33 detik 0,005410 1808 95,41% 93,33% 9 Neurons 34 detik 0,000702 2585 99,49% 97,14% 11 Neurons 33 detik 0,000699 2914 99,49% 97,38% 15 Neurons 37 detik 0,000743 2863 99,49% 97,14% 20 Neurons 40 detik 0,000739 3000 99,49% 97,14% 25 Neurons 44 detik 0,000731 2988 99,49% 97,14% 30 Neurons 46 detik 0,000712 2560 99,49% 97,62% 40 Neurons 57 detik 0,000709 1788 99,49% 97,62% 50 Neurons 62 detik 0,000774 2495 99,49% 97,62% 60 Neurons 72 detik 0,000778 1439 99,49% 97,38%