IMPLEMENTASI DAN ANALISA JARINGAN SARAF TIRUAN DENGAN FEATURE NORMALIZATION DAN PRINCIPAL COMPONENT ANALYSIS UNTUK DIGIT CLASSIFIER

Abstract

Digit classifier yang dikembangkan, digunakan untuk mengklasifikasikan angka dari tulisan
tangan. Sudah banyak sekali digit classifier yang dikembangkan dengan berbagai algoritma
machine learning, salah satu yang populer dan terus berkembang adalah jaringan saraf tiruan.
Dengan motivasi tersebut, penulis juga membangun digit classifier menggunakan jaringan saraf
tiruan yang dipadukan dengan teknik optimisasi. Jenis arsitektur jaringan saraf tiruan yang akan
digunakan adalah feedforward dan back propagation. Teknik optimisasi feature normalization dan
principal component analysis (PCA) juga akan digunakan untuk meningkatkan performa model.
Set data yang digunakan untuk melatih model merupakan data Mixed National Institute of
Standards and Technology (MNIST). Dengan memadukan jaringan saraf tiruan dan teknik-teknik
optimisasi tersebut diharapkan dapat meningkatkan performa dan akurasi untuk
mengklasifikasikan angka serta memberikan pemahaman baru bagi penulis.