Fahmi, Hamzah Nur (2020) ANALISIS PERBANDINGAN ALGORITMA BACKPROPAGATION DENGAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK MENDETEKSI POLA TAJWID PADA CITRA AL-QURAN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (615kB) |
|
Text (BAB I)
BAB I.pdf Download (256kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (775kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (983kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (605kB) |
|
Text (BAB V)
BAB V.pdf Download (66kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (283kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code-16.11.0577-Hamzah Nur Fahmi - Hamzah Nur Fahmi.rar Restricted to Repository staff only Download (924kB) |
|
Text (PUBLIKASI)
Publikasi-16.11.0577-Hamzah Nur Fahmi - Hamzah Nur Fahmi.pdf Restricted to Repository staff only Download (461kB) |
Abstract
Al-Qur’an merupakan kitab suci umat Islam yang berisikan firman Allah SWT yang diturunkan kepada Nabi Muhammad SAW. Ilmu Tajwid memiliki pengertian yaitu pengetahuan tentang kaidah serta cara-cara membaca Al-Qur’an dengan baik dan benar. Jaringan syaraf tiruan dapat digunakan sebagai bentuk pemecahan masalah dalam pengenalan pola. Metode yang bisa digunakan untuk mengenali pola adalah algoritma Backpropagation dan algoritma Learning Vector Quantization (LVQ). Pada Skripsi ini, peneliti mencoba menganalisa dan membandingkan algoritma Backpropgation dengan algoritma Learning Vector Quantization (LVQ) untuk mengenali pola Tajwid. Pola tajwid yang digunakan yaitu nun sukun dan tanwin. Nun sukun dan tanwin yang digunakan yaitu Iqlab, Idgham Bilaa Ghunah, Idgham Bighunnah, Izh-har Halqi, dan Ikhfa’ Haqiqi. Hasil yang diperoleh dalam penelitian ini menggunakan algoritma Backpropagation memiliki akurasi sebesar 91.33% dengan waktu pembelajaran selama 2 detik dan besar MSE sebanyak 0.004037. Hasil ini diperoleh dengan menggunakan variasi jaringan : fungsi aktivasi = tansig, jumlah neuron = 85 unit. Sedangkan hasil penelitian pada algoritma Learning Vector Quantization (LVQ) memiliki akurasi sebesar 50.67% dengan waktu pembelajaran 2 menit 52 detik dan besarnya MSE sebanyak 0.188. Hasil ini diperoleh dengan menggunakan neuron sebanyak 25 unit.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Backpropagation, Learning Vector Quantization (LVQ), Pengenalan pola, Tajwid, Al-Qur’an | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 27 Jun 2022 06:11 | ||
| Last Modified: | 18 Aug 2023 06:43 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/2836 |
Actions (login required)
 |
View Item |