Analisis Algoritma Backpropagation Levenberg Marquardit Untuk Pengenalan Motif Kain Batik

Batik merupakan budaya yang telah lama berkembang dan dikenal oleh masyarakat Indonesia. Motif batik di setiap daerah memiliki keunikan dan ciri khas masing-masing, baik dalam ragam hias maupun tata warna batik itu sendiri. Salah satu cara untuk mengidentifikasi motif pada kain batik yaitu melalui pengenalan pola. Penelitian mengenai pengenalan pola pada kain batik sudah pernah dilakukan oleh Bernadinus Arisandi [3] dengan menggunakan metode Rotated Wavelet Filter dan Neural Network Filter dengan hasil pada penggunaan data training yang berbeda dengan data testing diperoleh akurasi tertinggi 78,26%. Selain itu juga sudah pernah dilakukan penelitian mengenai pengenalan motif batik oleh Johanes Widagdho Yodha [6] dengan menggunakan Deteksi Tepi Canny dan K-Nearest Neighbor dengan hasil pada penggunaan data training yang berbeda dengan data testing diperoleh akurasi tertinggi 66,67%.Algoritma Levenberg Marquadt merupakan pengembangan dari algoritma backpropagation. Algoritma ini dibangun untuk mengatasi beberapa kekurangan yang ada pada algoritma backpropagation dengan memanfaatkan teknik optimisasi numerik standar yaitu menggunakan pendekatan matriks Jacobian. Tujuan dari Levenberg Marquadt adalah meminimalkan total error. Pengujian dari algoritma Levenberg Marquardt dilakukan dengan metode cross validation. Data yang digunakan pada proses pelatihan berjumlah 50 buah motif dasar dengan masing-masing motif 10 buah dan 45 buah motif campuran dengan masing-masing motif 5 buah. Sedangkan jumlah motif yang akan dilakukan pengujian yaitu 42 buah, dengan masing-masing motif 3 buah. Dari 4 skenario pengujian yaitu menggunakan 1 sampai 4 hidden layer, hasil pengujian menunjukkan akurasi tertinggi sebesar 62.5% dengan akurasi pada batik motif dasar sebesar 80% dan akurasi pada batik motif campuran sebesar 15.79%. Akurasi ini didapatkan dari susunan variabel yang memiliki jumlah neuron pada hidden layer sebanyak 3 neuron dan 4 neuron, learning rate yang bernilai 0.01, batas epoh sebesar 7000, dan target error sebesar 0.035.

Batik is a culture that has long developed and known by the people of Indonesia. Batik patterns in each region has a unique and distinctive characteristics, both in decoration and color with batik itself. One way to identify patterns in batik cloth that is through pattern recognition. Research on pattern recognition in the batik cloth already been done by Bernadinus Arisandi [3] using Rotated Wavelet Filter and Neural Network Filter the results on the use of different training data with the data obtained by testing the highest accuracy of 78.26%. It also has been done research on pattern recognition of batik by Johanes Widagdho Yodha [6] using Canny Edge Detection and K-Nearest Neighbor with the results on the use of different training data with the data obtained by testing the highest accuracy of 66.67%. Marquadt Levenberg algorithm is an enhancement of the back propagation algorithm. These algorithms are built to address some of the weaknesses in the backpropagation algorithm by using standard numerical optimization techniques is to use Jacobian matrix approach. The purpose of Levenberg Marquadt is to minimize the total error. Testing of Levenberg Marquardt algorithm performed by the method of cross validation. Data used in the training process amounted to 50 pieces basic pattern with each 10 pieces and 45 pieces mixed pattern with each 5 pieces. While the number of patterns that will be tested at 42 pieces, with each 3 pieces. Of the four test scenarios that use 1 to 4 hidden layer, the test results showed the highest accuracy of 62.5% with batik pattern accuracy on the basis of 80% and accuracy of the batik pattern of a mixture of 15.79%. This accuracy is obtained from the composition variables with the number of neurons in the hidden layer neurons as many as 3 and 4 of neurons, learning rate that is worth 0.01, epoch boundaries of 7000, and the target error of 0.035.