Modifikasi Jaringan Syaraf Tiruan Learning Vector Quantization pada Pengenalan Wajah

Abstract

This research aims to develop a neural network Learning Vector Quantization (LVQ) on face recognition by entering the Backpropagation characteristics are hidden layers and random weights called Modified LVQ (MLVQ). The results of this study is the comparison between the algorithm Backpropagation, LVQ and MLVQ on face recognition. Training data taken from image 10 as a dataset that is stored in the database. The training process uses an architecture with three layers of Backpropagation, LVQ and single layer for layer 2 to MLVQ. The parameters used are the maximum learning epoch, namely 10, 50 and 100, learning rate used vary between 0.1, 0.5 and 1 and the minimum error with 0.1, 0:01 and 0001. From the results obtained recognition LVQ algorithm faster in training than the Backpropagation and MLVQ with an average time of 3:28 seconds. MLVQ algorithm has better accuracy rate than the Backpropagation and LVQ algorithms with the accuracy of the algorithm Backpropagation by 49.25%, amounting to 48.14% LVQ algorithm, while the algorithm MLVQ of 50.37%.

Penelitian ini bertujuan untuk mengembangkan jaringan syaraf tiruan Learning Vector Quantization (LVQ) pada pengenalan wajah dengan cara memasukkan karakteristik Backpropagation yaitu hidden layer dan bobot acak yang dinamakan Modified LVQ (MLVQ). Hasil penelitian ini adalah perbandingan antara algoritma Backpropagation, LVQ dan MLVQ pada pengenalan wajah. Data training diambil dari gambar 10 orang sebagai dataset yang disimpan dalam database. Proses training menggunakan arsitektur dengan 3 layer untuk Backpropagation, single layer untuk LVQ serta 2 layer untuk MLVQ. Parameter pembelajaran yang digunakan adalah maksimum epoch yaitu 10, 50 dan 100, learning rate yang digunakan bervariasi antara 0.1, 0,5 dan 1 serta minimum error dengan 0.1, 0.01 dan 0.001. Dari hasil pengenalan diperoleh algoritma LVQ lebih cepat dalam melakukan pelatihan dibandingkan dengan Backpropagation dan MLVQ dengan waktu rata-rata 3.28 detik. Algoritma MLVQ memiliki tingkat akurasi lebih baik dibandingkan dengan algoritma Backpropagation dan LVQ dengan tingkat akurasi untuk algoritma Backpropagation sebesar 49.25 %, algoritma LVQ sebesar 48.14 % sedangkan algoritma MLVQ sebesar 50.37 %.