PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN PROBABILISTIK (PNN) PADA IDENTIFIKASI PEMBICARA JAYANTA
Teks penuh
Gambar
Dokumen terkait
Berdasarkan penelitian yang telah dilakukan dapat diambil kesimpulan bahwa penilitian ini telah berhasil mengembangkan implementasi metode jaringan syaraf tiruan resilient
Data yang digunakan merupakan data latih yang sudah berupa ciri dari suara chord gitar yang telah diperoleh pada tahap MFCC. Setelah data digabungkan, dilakukan proses
Dapat dilihat pada Gambar 9 bahwa akurasi terbaik didapatkan pada percobaan dengan perbandingan data latih dan data uji 75:25, dengan 26 koefisien MFCC, yaitu sebesar 98.75%.
telah siap disajikan (tentunya telah divalidasi) oleh Dosen dipakai untuk proses pembelajaran di kelas. Dalam hal ini Dosen harus dapat mengatur cara penggunaan materi yang
Perbandingan antara target dengan output jaringan untuk data pelatihan citra otak normal dan abnormal (tumor), seperti yang terlihat pada gambar 4. Pada gambar tersebut
Dilihat dari tingkat akurasi yang dihasilkan untuk jumlah data yang sama dengan menggunakan jenis data asli, model dengan banyaknya pelatihan sebesar 40 dan
Dari Gambar 9 dapat diketahui bahwa tingkat akurasi identifikasi dengan 20 data pelatihan memiliki nilai yang paling kecil baik pada data pelatihan maupun data pengujian.
Pengolahan citra digital memerlukan kombinasi yang tepat, baik dalam teknik praproses, metode ekstraksi ciri, klasifikator, dan metode pembagian data yang diterapkan
