PENGENALAN KARAKTER ANGKA DAN HURUF VOKAL

MENGGUNAKAN JARINGAN SYARAF TIRUAN

1. Pendahuluan
1.1 Latar Belakang
Seiring perkembangan jaman yang semakin maju, kebutuhan akan teknologi
mutlak diperlukan untuk mengatasi berbagai macam permasalahan yang ada.
Teknologi yang diciptakan merupakan teknologi yang ramah dan mengikuti alur
pola pikir manusia. Untuk itulah diterapkan suatu jaringan syaraf tiruan pada
suatu teknologi agar dapat mengambil keputusan sesuai dengan pola pikir
manusia.
Salah satu persoalan yang dipecahkan dengan Jaringan Syaraf Tiruan adalah
pengambilan keputusan untuk menerjemahkan suatu tulisan tangan manusia ke
dalam karakter di komputer. Permasalahan ini lebih dikenal dengan character
recognition yang merupakan suatu program yang dibuat untuk mengenali karakter
angka atau huruf. Program ini menggunakan jarigan syaraf tiruan untuk
menentukan dan mengambil keputusan suatu karakter tulisan tangan manusia
yang berbeda-beda diterjemahkan ke dalam suatu karakter di komputer.

1.2 Dasar Teori

JST disusun oleh elemen – elemen pemroses yang berada pada lapisan-
lapisan yang berhubungan dan diberi bobot. Dengan serangkaian inputan diluar
sistem yang diberikan kepadanya jaringan ini dapat memodifikasi bobot yang
akan dihasilkannya, sehingga akan menghasilkan output yang konsisten sesuai
dengan input yang diberian kepadanya. Setiap elemen pemroses melaksanakan
operasi matematika yang sudah ditentukan dan menghasilkan (hanya) sebuah
harga keluaran dari satu ataupun banyak masukan. Struktur jaringan akan
ditunjukkan seperti pada gambar berikut ini :

Gambar 1 Model Tiruan Neuron

Sebuah pemodelan neuron memiliki masukan Xp sebanyak p, yang berasal dari
sel lain atau dari inputan luar (bukan dari neuron). Selanjutnya setiap inputan
diberi pembobot Wkp. Masing – masing inputan Xp akan dikalikan dengan
pembobot Wk yang berkesesuaian. Untuk semua hasil perkalian akan dijumlahkan
sebagaimana pada persamaan dibawah ini :

dan hasil persamaan tersebut akan menjadi masukan bagi fungsi aktivasi untuk
mendapatkan tingkat derajat sinyal keluaran pada neuron, dimana terdapat
bermacam-macam jenis fungsi aktivasi. Untuk jenis fungsi sigmoid dapat
dideskripsikan dengan persamaan :

dengan grafik yang ditunjukkan sebagai berikut :

Gambar 2 Grafik Fungsi Sigmoid

Pada umumnya sinyal fungsi aktivasi yang dikeluarkan tiap neuron
berbeda, hal ini dikarenakan berbedanya nilai bobot yang diterima tiap neuron
berbeda.

Jaringan Syaraf Tiruan Back-Propagation

Jaringan Syaraf Tiruan Back-Propagation merupakan salah satu model
jaringan yang populer pada jaringan syaraf tiruan. Model jaringan ini banyak
digunakan untuk diaplikasikan pada penyelesaian suatu masalah berkaitan dengan
identifikasi, prediksi, pengenalan pola dan sebagainya. Pada latihan yang
berulang–ulang, algoritma ini akan menghasilkan unjuk kerja yang lebih baik. Hal
ini berarti bahwa “bobot interkoneksi” JST semakin mendekati bobot yang
seharusnya.(Penelitian Jaringan Syaraf Tiruan,1993). Kelebihan lain yang dimiliki
JST ini adalah kemampuannya untuk belajar (bersifat adaptif) dan kebal terhadap
adanya kesalahan (Fault Tolerance) dengan kelebihan tersebut JST dapat
mewujudkan sistem yang tahan akan kerusakan (robust) dan konsisten bekerja
dengan baik.
Metode Backpropagation ini pertama kali diperkenalkan oleh Paul
Werbos pada tahun 1974, kemudian dikemukakan kembali oleh David Parker di
tahun 1982 dan kemudian dipopulerkan oleh Rumelhart dan McCelland pada
tahun 1986. Pada Algoritma BackPropagation ini, arsitektur jaringan
menggunakan jaringan banyak lapis. Secara garis besar proses pelatihan pada
jaringan saraf tiruan dikenal beberapa tipe pelatihan, yaitu Supervised Training,
Unsupervised Training, Fixed-Weight Nets.
Metode pelatihan BackPropagation atau dikenal dengan Generalize Delta
Rule (GDR) ini merupakan supervised training dimana untuk tiap pola input
terdapat pasangan target output untuk masing-masing pola input. Sebenarnya
adalah metode gradient descent untuk meminimasi total square error pada
keluaran hasil perhitungan jaringan. Ide dasarnya dapat dideskripsikan dengan
pola hubungan yang sederhana yaitu : jika output memberikan hasil yang tidak
sesuai dengan target yang tidak diinginkan, maka pembobot akan dikoreksi agar
errornya dapat diperkecil dan selanjutnya respon jaringan diharapkan akan lebih
mendekati harga yang sesuai. Pada umumnya tujuan jaringan syaraf tiruan
melakukan proses pelatihan adalah untuk mendapatkan balancing antara
kemampuan jaringan untuk menanggapi secara benar pola-pola input pada saat
pelatihan (dapat dikatakan kemampuan mengingat) dan kemampuan untuk
memberikan penilaian yang layak dari suatu pola masukkan lain yang serupa.
Sehingga dari proses pelatihan tersebut akan dibentuk suatu harga pembobot yang
akan digunakan sebagai faktor penggali dari pola masukkan yang lain.
Pada metode ini, terdapat tiga tahapan dalam proses pelatihan, yaitu:
proses umpan maju dari pola input pelatihan, perhitungan dan propagasi balik dari
error yang terjadi dan penyesuaian nilai bobot.
Pada tahap pelatihan ini merupakan langkah bagaimana suatu jaringan
syaraf itu berlatih, yaitu: proses umpan maju dari pola input pelatihan,
perhitungan, dan propagasi balik dari error yang terjadi dari penyesuaian nilai
pembobot.
 Pada tahap pelatihan ini merupakan langkah bagaimana suatu jaringan
syaraf itu berlatih, yaitu dengan cara melakukan perubahan bobot sambungan,
baik bobot sambungan antar input layer dan hidden layer maupun antara hidden
layer dan output layer, bila terdapat lebih dari satu hidden layer maka juga
terdapat pembobot antar hidden layer itu sendiri. Sedangkan penyelesaian
masalah baru akan dilakukan jika proses pelatihan tersebut selesai, fase tersebut
adalah proses pemakaian/testing tentunya dengan menggunakan pembobot yang
telah dihasilkan dari proses pelatihan yang telah dilakukan.

1.
II. Perancangan Sistem
Pada tahap ini dilakukan proses perancangan sistem dengan membuat
program menggunakan Matlab 7.1. Adapun proses awal dari perancangan ini
adalah membuat tampilan GUI seperti gambar dibawah ini :

Dalam sistem program “Pengenalan Karakter Angka dan Huruf Vokal

Menggunakan Jaringan Syaraf Tiruan” ini terdiri dari 2 tahap yakni tahap
Pembelajaran dan Tahap Pengujian.
 Berikut ini disajikan proses diagram alir (flowchart) dari kedua tahap
tersebut :
1. Flowchart Tahap Pembelajaran
mulai

Masukkan karakter sebagai data latih

Tekan tombol
“Belajar”

Gambar karakter data latih

Simpan sesuai dengan

jenis karaktek data latih
angka atau huruf vokal

selesai

2. Flowchart Tahap Pengujian

mulai

Ambil Database Data Latih

sesuai jenis karakter yang
akan dikenali

Tekan tombol
“Mulai”

Gambar karakter

Simpan

Hasil pengenalan akan

muncul pada layar

selesai
III. Analisis Program
Berikut merupakan langkah-langkah dalam menjalankan program
“Pengenalan Karakter Angka dan Huruf Vokal Menggunakan Jaringan Syaraf
Tiruan” :

1. Tampilan Awal Program

Gambar di atas merupakan gambar tampilan awal program ketika program

dijalankan.
2. Mengambil Data

Setelah program dijalankan langkah berikutnya adalah dengan mengambil

data latih yang akan digunakan sebagai database. Misalnya kita akan melakukan
pengenalan angka, maka kita akan memilih berkas “ Angka.mat “. Kemudian kita
buka berkas tersebut. Jika kita ingin membuat data latih sendiri maka kita harus
menekan tombol “Hapus Bobot” kemudian kita menyimpan database data latih
tersebut dengan nama berkas yang berbeda.

3. Tahap Pembelajaran
Untuk memulai tahap pembelajaran ini, yang perlu dilakukan adalah
menekan tombol “Belajar”. Kemudian akan muncul tampilan program Paint.
Contohnya apabila kita ingin belajar untuk mengenali karakter angka 0.
Terlebih dahulu kita menuliskan angka “0” pada edit teks, kemudian tekan tombol
“Belajar”, maka akan muncul jendela program paint. Pada program Paint ini kita
dapat menggambarkan bentuk karakter angka “0” dengan menggunakan air brush.
Simpan dan Keluar dari program paint. Proses pembelajaran dilakukan sebanyak
lima kali untuk setiap data masukan karakter.
 Setelah semua data latih dimasukkan, maka simpan semua data tersebut.
Penyimpanan dilakukan dengan menekan tombol simpan pada menu awal
program, kemudian pilih berkas yang akan disimpan.

4. Tahap Pengujian
Untuk memulai tahap pengujian ini, yang perlu dilakukan adalah menekan
tombol “Mulai”. Kemudian akan muncul tampilan program Paint.
Contohnya apabila kita ingin menguji karakter angka 0. Terlebih dahulu
kita menekan tombol “Mulai”, maka akan muncul jendela program Paint. Pada
program Paint ini kita dapat menggambarkan bentuk karakter angka “0” dengan
menggunakan air brush. Simpan dan Keluar dari program paint.
 Kemudian pada hasil pengujian akan muncul tampilan hasil angka 0
seperti yang ada pada tampilan gambar di bawah ini. Hal ini berarti data uji
tersebut dapat dikenali dengan baik oleh program.
Setelah dilakukan pengujian sistem sebanyak 10 kali, diperoleh data sebagai
berikut:
Jumlah Data
Angka
Dikenali
0 10
1 10
2 9
3 8
4 10
5 8
6 7
7 10
8 9
9 8
Jumlah Data Tingkat Pengenalan
Tidak Dikenali (%)
0 100
0 100
1 90
2 80
0 100
2 80
3 70
0 100
1 90
2 80

Dari data diperoleh dapat diketahui tingkat pengenalan program dalam

mengenali angka yaitu sebesar 89 %.

Jumlah Data Jumlah Data Tingkat Pengenalan

Angka
Dikenali
A 10
I 9
U 9
E 10
O 9
Tidak Dikenali (%)
0 100
1 90
1 90
0 100
1 90

Dari data diperoleh dapat diketahui tingkat pengenalan program dalam

mengenali huruf vokal yaitu sebesar 94 %.

IV. Kesimpulan
Dari program “Pengenalan Karakter Angka dan Huruf Vokal
Menggunakan Jaringan Syaraf Tiruan” dapat disimpulkan sebagai berikut :
1. Metode pembelajaran yang digunakan adalah pembelajaran terbimbing
karena terlebih dahulu kita memasukkan data latih agar program dapat
mengenali suatu karakter.
2. Perubahan bobot dilakukan dengan algoritma perambatan galat mundur.
3. Tingkat pengenalan untuk karakter Angka adalah 89% .
4. Tingkat pengenalan untuk karakter Huruf Vokal adalah 94%.