Klasifikasi Kain Tenun Sumba Menggunakan Jaringan Saraf Tiruan

Abstrak

Hasil evaluasi dengan epoch 100 memiliki akuasi klasifikasi yang cukup baik. Nilai akurasi kebenaran dari klasifikasi adalah 60% dari data tes. Dengan kata lain hasil klasifikasi ini dapat dikatakan baik. Dibandingkan dengan akurasi klasifikasi pada epoch 100 yaitu 20-30% dari data tes. Model yang didapatkan dari hasil pelatihan dengan epoch 100 masih tidak dapat melakukan klasifikasi dengan baik. Pada epoch 400 peningkatan akurasi pengenalan terhadap data tes meningkat 10% sehingga akurasi pengenalannya menjadi 40-50%. Model ini memiliki tingkat akurasi yang lebih baik dari epoch 100. Pada epoch 1000 peningkatan akurasi pengenalan terhadap data tes meningkat 20% sehingga akurasi pengenalannya menjadi 55-60%. Model ini memiliki tingkat akurasi yang lebih baik dari epoch sebelumnya Dari penelitian ini diperoleh beberapa kesimpulan yaitu : Proses klasifikasi kain khas sumba dengan menggunakan metode wavelet haar dengan algoritma backporpagation yang telah disusun telah berhasil mengenali pola kain dan melakukan klasifikasi selain itu telah dilakukan visualisasi.Dengan adanya penerapan jaringan saraf tiruan dapat menjawab permasalahan dari penelitian karena penerapan backpropagation dan metode wavelet digunakan pengenalan pola, peramalan atau perkiraan dan ekstrasi gambar. Berdasarkan hasil penelitian menggunakan algoritma  backpropagation neural netwok terdapat beberapa tingkat akurasi yang berbeda nilai akurasi training dan validasi yang cukup bagus Saran dari peneliti adalah melanjutkan penelitian ini agar bisa menghasilkan proses yang lebih akurat.Proses pelatihan dilakukan dengan menggunakan beberapa nilai epoch yaitu epoch 200, epoch 400, epoch 600, epoch 800, epoch 1000, epoch. Akurasi terbaik yang didapatkan saat pelatihan adalah 89.3% dan validasi 82%.