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.
Top Related