JURNAL: PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)

JURNAL: PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)

JURNAL: PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)

Abstrak 

Penelitian ini mengusulkan salah satu pendekatan dalam mengidentifikasi hewan bertulangbelakang atau tidak bertulangbelakang yaitu dengan Kohonen Self Organizing Map(SOM). SOM merupakan salah satu bentuk topologi dari Artificial Neural Network (ANN). Jaringan akan dilatih untuk mengelompokkan 5 macam binatang yang akan mewakili masing-masing kelas. Pemodelan memerlukan 6 neuron input untuk menginputkan ciri-ciri binatang dan 5 neuron output (sesuai dengan jumlah kelas yang ditentukan) 

Kata Kunci : Kohonen Self Organizing Map (SOM), Artificial Neural Network (ANN) 


Pendahuluan 

Alam semesta mempunyai banyak sekali jenis-jenis hewan, sehingga sangat sulit untuk mengenali dan mempelajarinya. Untuk mengenali hewan dibutuhkan pengklasifikasian hewan tersebut. Klasifikasi hewan adalah pengelompokan berdasarkan sesamaan bentuk dan fungsi pada tubuh hewan. Klasifikasi hewan bersifat dinamis. Hal ini desebabkan beberapa kemungkinan seperti adanya perkembangan pengetahuan tentang hewan, penggunaan karakter yang berbeda dalam klasifikasi.

Peneliti: Tursina 

Untuk lebih lengkapnya silahkan download di link berikut:
JURNAL: PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)