Implementasi Pengenalan Tanda Tangan Dengan Menggunakan
Metode Backpropagaton
Total View This Week0
Total View This Week0
Institusion
Universitas Pembangunan Nasional Veteran Jawa Timur
Author
Rendra, Febrianto
Subject
QA76.76.E95 Expert Systems
Datestamp
2011-03-09 06:56:56
Abstract :
Pada era teknologi informasi saat ini, hampir semua pekerjaan dapat dilakukan dengan menggunakan komputer untuk meningkatkan efisiensi. Salah satu kegiatan yang dapat dikomputerisasikan adalah pengenalan tanda tangan. Pengenalan tanda tangan dapat dilakukan dengan menerapkan Jaringan Syaraf Tiruan (JST). Salah satu metode JST yang dapat digunakan untuk mengenali pola tanda tangan adalah Backpropagation. Metode ini mempunyai fase pelatihan (training) dan pengenalan (recognition). Fase pelatihan digunakan untuk mempelajari pola tanda tangan, sedangkan fase pengenalan digunakan untuk mengenali identitas pemilik tanda tangan dengan menggunakan pengetahuan yang sudah pernah dipelajari sebelumnya. Input gambar tanda tangan akan dimasukkan ke fungsi pengambangan (thresholding) dan di-crop (dibuang sisi samping kosong yang tidak diperlukan). Setelah itu dilakukan ekstraksi ciri dengan membagi area tanda tangan menjadi 20 x 20 kotak. Untuk setiap area yang memiliki piksel hitam lebih dari 25%, maka area tersebut akan diwarnai hitam (nilai area 1) dan sebaliknya area tersebut akan diwarnai putih (nilai area 0). Semua nilai area adalah bit hasil ekstraksi ciri yang akan dilatih dan dikenali. Dari hasil uji coba yang dilakukan pada satu tanda tangan yang memiliki pola berbeda oleh satu orang atau satu identitas dan dilakukan sebanyak 30 kali percobaan, metode bakcpropagatin yang di gunakan dalam jaringan syaraf tiruan ini mempunyai persentase kebenaran sebanyak 96,7% dengan spesifikasi sebagai berikut : jumlah input = 400 , jumlah output = 8, jumlah hidden layer = 50 , nilai laju pembelajaran (?) = 0,2 , dan perulangan (epoch) = 1000. Dan dari uji coba yang dilakukan diketahui bahwa semakin besar perulangan (epoch) pada proses pelatihan, maka nilai error akan semakin menurun, atau dengan kata lain hasil pengenalan akan menjadi semakin akurat. Namun di sisi lain proses pelatihan akan menjadi lebih lama.
Pada era teknologi informasi saat ini, hampir semua pekerjaan dapat dilakukan dengan menggunakan komputer untuk meningkatkan efisiensi. Salah satu kegiatan yang dapat dikomputerisasikan adalah pengenalan tanda tangan. Pengenalan tanda tangan dapat dilakukan dengan menerapkan Jaringan Syaraf Tiruan (JST). Salah satu metode JST yang dapat digunakan untuk mengenali pola tanda tangan adalah Backpropagation. Metode ini mempunyai fase pelatihan (training) dan pengenalan (recognition). Fase pelatihan digunakan untuk mempelajari pola tanda tangan, sedangkan fase pengenalan digunakan untuk mengenali identitas pemilik tanda tangan dengan menggunakan pengetahuan yang sudah pernah dipelajari sebelumnya. Input gambar tanda tangan akan dimasukkan ke fungsi pengambangan (thresholding) dan di-crop (dibuang sisi samping kosong yang tidak diperlukan). Setelah itu dilakukan ekstraksi ciri dengan membagi area tanda tangan menjadi 20 x 20 kotak. Untuk setiap area yang memiliki piksel hitam lebih dari 25%, maka area tersebut akan diwarnai hitam (nilai area 1) dan sebaliknya area tersebut akan diwarnai putih (nilai area 0). Semua nilai area adalah bit hasil ekstraksi ciri yang akan dilatih dan dikenali. Dari hasil uji coba yang dilakukan pada satu tanda tangan yang memiliki pola berbeda oleh satu orang atau satu identitas dan dilakukan sebanyak 30 kali percobaan, metode bakcpropagatin yang di gunakan dalam jaringan syaraf tiruan ini mempunyai persentase kebenaran sebanyak 96,7% dengan spesifikasi sebagai berikut : jumlah input = 400 , jumlah output = 8, jumlah hidden layer = 50 , nilai laju pembelajaran (?) = 0,2 , dan perulangan (epoch) = 1000. Dan dari uji coba yang dilakukan diketahui bahwa semakin besar perulangan (epoch) pada proses pelatihan, maka nilai error akan semakin menurun, atau dengan kata lain hasil pengenalan akan menjadi semakin akurat. Namun di sisi lain proses pelatihan akan menjadi lebih lama.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
