PENGENALAN KARAKTER ALFABET MENGGUNAKAN JARINGAN SARAF TIRUAN

Abstract

Pengenalan pola secara automatis adalah masalah yang banyak menyita perhatian sekarang ini, baik pengenalan pola wajah, sidik jari, tulisan tangan maupun pola karakter hasil cetakan. Yang menjadi alasan penelitian adalah kemampuan untuk mengenali secara efektif dengan menggunakan pola contoh yang sedikit. Satu pendekatan yang menunjukkan hasil yang menjanjikan dalam pengenalan pola adalah dengan menggunakan jaringan saraf tiruan. Jaringan saraf tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran otak manusia. Jaringan saraf tiruan algoritma belajar perambatan-balik (backpropagation) adalah salah satu algoritma belajar terpandu (supervised). Aplikasi jaringan ini melibatkan pemetaan sekumpulan masukan terhadap sekumpulan acuan keluaran. Dalam penelitian ini, jaringan saraf dilatih dengan menggunakan 234 karakter huruf besar tiap jenis font dan diuji dengan 702 karakter yang terdiri atas 234 karakter data latih dan 468 karakter data baru untuk setiap jenis font. Jenis font yang digunakan dalam penelitian ini adalah Calisto MT, Courier New, Tahoma, dan Time New Roman. Hasil pengujian menunjukkan arsitektur dan parameter jaringan yang memberikan unjukkerja paling optimal untuk seluruh jenis font adalah 60 neuron pada lapisan tersembunyi, laju pembelajaran 0,01, momentum 0,9 dan iterasi 1000 kali. Prosentase pengenalan dari pelatihan jaringan dengan arsitektur dan parameter jaringan optimal ini untuk data latih dan data baru masing-masing adalah 100% dan 99,89% dengan jumlah karakter takdikenali untuk data latih sebanyak 0 karakter dan data baru sebanyak 2 karakter. Katakunci : pengenalan karakter, jaringan saraf tiruan, perambatan-balik, laju pembelajaran, momentum