• Tidak ada hasil yang ditemukan

IMPLEMENTASI METODE JARINGAN FUNGSI BASIS RADIAL (JFBR) PADA PERANCANGAN SOFTWARE PENGENALAN WAJAH

N/A
N/A
Protected

Academic year: 2021

Membagikan "IMPLEMENTASI METODE JARINGAN FUNGSI BASIS RADIAL (JFBR) PADA PERANCANGAN SOFTWARE PENGENALAN WAJAH"

Copied!
6
0
0

Teks penuh

Gambar

Gambar 3.  Transformasi matriks  data input  b. Lapisan hidden, level ini merupakan unit aktifasi
Gambar 6. Diagram alir sistem JST
Gambar 8. Aktifasi lapisan hidden dengan fungsi  Gauss
Gambar  (11).  di  bawah  menunjukkan  diagram  alir  perhitungan nilai  bobot  untuk  pembelajaran metode  FBR,

Referensi

Dokumen terkait

Metode Bidirectional Associative Memory merupakan arsitektur neural Network yang dapat mengenali pola baik dengan data yang tidak lengkap atau dengan Noise.. Proses kerja

Penelitian ini memiliki tiga pengujian, pertama pengujian terhadap data pengujian pola wajah yang telah dilatih diperoleh tingkat pengenalan sebesar 100%, kedua pengujian

Terdapat 2 jenis input yang ada pada aplikasi ini, yang pertama adalah input data tanda tangan sebagai data pelatihan yang akan digunakan untuk melatih aplikasi untuk

Pembelajaran pada setiap JST ini dilakukan dengan menggunakan teknik gradient descent serta metode Nonlinier Recursive Least Square (NRLS). Pengujian dilakukan pada tiga kasus yakni

pendekatan k-mean cluster memberikan tingkat akurasi yang lebih baik dari pada metode regresi logistik ordinal dimana ketepatan klasifikasi pada data testing dengan metode RBF