REVIEW JURNAL

PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH

Tujuan dan Manfaat Jurnal

Membandingkan pola kerja metode Jaringan Syaraf Tiruan (JST) Backpropagation dan Learning Vector Quantization (LVQ) pada pengenalan wajah dalam suatu aplikasi berdasarkan pola secara tipikal.

Analisa Jurnal

Berdasarkan jurnal tersebut dapat dianalisa dalam membandingkan metode Jaringan Syaraf Tiruan (JST) Backpropagation dan Learning Vector Quantization (LVQ) kedalam suatu tabel perbandingan seperti berikut :

No Parameter JST Backpropagation LVQ1 Keakuratan hasil pengenalan

cocok dari total pengenalan sebanyak 675 sampel

252 sampel cocok 254 sampel cocok

2 Kombinasi parameter terbaik Max perulangan 50 Max perulangan 103 Rasio pembelajaran 0,5 0,14 Minimal error 0,001 0,15 Akurasi 37,33 % 37,63 %6 Waktu 130 milisecond 32 milisecond

Kelebihan Jurnal

1. Dapat menerapkan basis pengetahuan (knowledge base) kedalam sebuah sistem.

2. Mampu membandingkan metode Artificial Intelligence yaitu JST Backpropagation dan LVQ dari berbagai parameter pembanding sehingga mendapatkan suatu kesimpulan yang cocok dan akurat pada suatu pengenalan wajah.

Kekurangan Jurnal

1. Tidak menunjukkan bahasa pemrograman dan database apa yang digunakan dalam jurnal ini.

2. Hasil pengujian programnya tidak digambarkan, hanya berupa tabel hasil pengujian.

3. Untuk hasil yg akurat, sebaiknya dijalankan hanya pada komputer yang memiliki hardware tinggi serta input (data gambar wajah) yang mempunyai kualitas tinggi.

Kesimpulan Jurnal

Dari jurnal tersebut berdasarkan hasil pengujiannya dapat disimpulkan bahwa metode learning Vector Quantization (LVQ) lebih baik dibandingkan metode JST backpropagation.