ISSN: 1693-6 930                                                     159     Analisi s  Hu bu ngan Anta ra  Tingkat Peng enala n  Ja ring an…… ( Iwa n  Suhardi)  ANALISIS HUBUNGAN ANTARA TINGKAT  PENGENALAN JARINGAN SYARAF TI RUAN DENGAN  BANYAKNYA J U MLAH KELAS POLA YANG DIKENALI  DAN TI NGKAT KERUM ITAN POLANYA      I w a n  Su hard i, Riana T. Manges a   Jurusan Te kn ik Elektro Fa kultas Te kni k  Universita s Negeri M a kassar  Kampu s  UNM Parang T a mbung, Jl. Dg. Tata Raya  Maka ssa r   Telp/Fax: (04 11) 04 11 – 8 8962 9, e-mail : iwansuha rdi @ yaho o.co m       A b st r a k  Penelitian ini  m enerap ka n jarin gan  syaraf  tiruan algoritm a   pe ram batan-bali k   untu k   peng enala n  p o la kara kte r   ang ka d an  ka rakte r  tan da  baca tulisan t anga n. Tujua n  dari  pen elitian  ini yaitu m e n c ob a m enga nalisi s  hu bun gan a n tara ti ngkat pen ge nalan ja rin g a n  syaraf tiru an  deng an  ban yakn ya  jum l ah  ka ra kter yan g  di ken a li  d a n  ting kat  ke rum i tan pola  kara kternya. Dari  hasil  peneliti an dida patka n bah wa  se m a kin se dikit  jum l ah kara kter  yan g  a k an di kenali  o l eh   jaring an sya r af tiruan belu m  tentu  m engha silk an unj ukkerj a pen g enala n  ya ng  sem a kin ting gi,  unju k kerja  pe ngen alan di p enga ruhi j u g a   tingkat  ke rum i tan pola  karakte r  p a d a  jenis  ka ra kter   terse but.     Kat a  Ku nci : Jari nga n sya r af tiruan, peram batan-b a lik, ka ra kter    1. PEN DA HU LU AN  Pemba c aa n suatu ka ra kt er  d eng an komp uter di ken a l  seba g a i  Optical Charac ter   Recognition  (OCR) [1], [2] .  Sis t em OCR telah dik o me rs ia lk a n   se c a r a  lu as  un tu k  do ku men - dokumen  ha sil cetakan,  namun te kni k -te k ni k untu k  mem b a c a  tulisan ta nga n belum  su kse s   diapli k a s ika n . Hal ini  dikaren a kan p e r ma sala han  yang dih ada pi untu k  pe ngen alan tuli sa n   tangan  sang at ko mple ks,   sep e rti b e rva r iasi ny a m o d e l tulisan ta n gan, p ena  un tuk m enuli s ,  dan  lain-lai n.  Jari nga n  sya r af tiru an m e rup a kan  si stem  pem ro sesa n info rma s i yan g  me mpunyai  karakte r i s tik  kine rja terte n t u menyeru p a i jaring an  syaraf biol ogis.  Jari nga n sya r af tiruan sen d iri  diilhami oleh  jaringa n sy araf man u si a yang dap at belajar d a ri pen gala m an, mela kuka n  gene rali sa si berd a sarka n  conto h   yang diperoleh ny a. Saat ini jari n gan  syaraf tiruan b e rkem b ang  deng an pe sat   dan   telah   diu payakan untu k   b e rbagai   b e n tuk apli k a s i, sala h satu ap lika s inya  yait u   peng enala n  pola  tulisan tan gan.  Algoritma  peramb a ta n-bali k   ( b a ckpropa gation ) telah  dikem ban gka n  untuk m e la tih jaringa n syaraf ti ruan  yang sam pai  pada suatu  tingkat terte n tu   dapat mel a kuka n gen eralisa s i dan m e mpunyai  kem a mpua n men gabai ka n derau dan  disto r si   [3], [4] .   Pada umumn y a  se ma kin b anyak  kela s kara kter  yang   aka n  di ke nali  oleh  ja ringa n  sya r af  tiruan  ma ka  unju k   kerj any a a k an  sem a kin  men u ru n. Hal  itu di karena ka n p ada  sa at pro s e s   pembel ajaran nya akan  se makin b e rat karen a  jari n g a n  haru s  lebih  banya k  meng enal kel a s p o l a.  Demi kian  pul a jika p ada  satu jenis  ka rakter te rd apa t kela s-kela s pola kara kte r  yang p o lan y a   lebih  rumit at au terdap at kemirip an p o l a  anta r   kela s-kel a s pol any a a k an  mem buat u n jukke r ja  jaring an a k a n  menu run.  Hal itu dikarena k an ja rin gan da pat salah men gel ompo kkan suatu  karakte r  p a d a  proses pe mbelaja r an nyaa  ke  ke la s kara kter  yang tidak  tep a t.  Adanya kemi ri pan   pola ini aka n  lebih men u run k a n  unju k kerja p eng e nalan bila a da pro s e s  p engol ahan a w al  (praproses) sebelum di um pan k an ke  jaringan syaraf  tiruan.   Berda s a r kan  hal te rsebut , penelitian  i n i be rma k su d men gan ali s is hu bung a n  anta r a   tingkat  pen ge nalan  jari nga n sya r af tirua n  de nga n ba nyaknya  juml ah  karakte r  y ang  dikenali  dan   tingkat keru mitan pola kara kternya. Akan dia nal i s is ting kat p enge nalan p o la ka ra kter  ang ka   tulisan  tanga n sejumla h  1 0  kela s pol a  ( 0 ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 , d an  9 ) d an  pol a kara kte r  ta nda  baca tuli san  tanga n  sejuml ah 1 1   kela s p o la yaitu  ( ‘ ? ’  (tan da ta nya ) , ‘ ! ’  (tan da  s e ru ), ‘ . ’ (titik),  ‘ ; ’  Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 16 93-6 930     TELKOM NIKA   Vol. 4, No. 3,  Desem b e r  2006 :  159  - 166   160 (titik koma),  ‘ , ’ (koma),  ‘ : ’  (titik dua), ‘ ” ’  (tand a p e tik), ‘ - ‘ (ta n da  k u rang ), ‘ + ’ (ta n d a tamb ah ), ‘ * ’  (tanda  kali ), dan ‘ / ’ (tanda b agi ).      Tabel 1. Co ntoh varia s i pol a karakte r  an gka d an tand a baca tulisa n  tangan.     Kelas  Pola  Kara kter An gka   Kara kter Tan d a Bac a   1                 2                 3                 4                 5                 6                 7                 8               9                10                 11                    Dari   segi  juml ah  kela s kara kternya,   ju ml ah  kela s kara kter an gka le bih  sedi kit d a r i p ada   jumlah kela s karakte r  tand a baca, maka  secara  u m u m  jaring an sy araf tirua n  akan meng ha sil k an   tingkat p eng e nalan  ka ra kte r  an gka  yan g  lebi h  tinggi  diban ding kan  deng an tin g k at pe nge nal a n  karakte r  tan d a  ba ca. Di  si si yang l a in  kara kter ta nda  baca mem p unyai pol a ka rakte r  yan g  l e bih   sed e rh ana   diban ding kan  pola  kara kter an gka. Men ganali s is h ubu nga n  anta r a tin g kat  peng enala n  j a ring an  syaraf tiruan  den gan b anya k n y a jumlah  kel a s  ka ra kter y ang di ke nali  dan  tingkat keru m i tan pola kara kter inila h y ang menja d i tujuan utama p enelitian ini.       2.  JA RING A N  SYAR A F TIR U A N  PER AM BAT A N - B AL IK  Jari nga n sya r af  lapi s-jam a k ( m u ltilayer )  su dah  terb ukti h a nd al d i pakai u n tuk  aplikasi  umum. Yan g  terma s u k  ja ringan l api s-j a mak  den gan   pelatiha n  terbimbing  ( s u pe r v is ed )  ant ara  lain ja ring an  pera m bata n -balik ( b a ckp r opag ation ). Metode pelat ihan  p e ramb atan-b a lik  se cara  sed e rh ana a dalah meto d e   gradi ent descent  (p enu runa n gra d ie n) untu k  me minimal k an total  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOMNI KA   ISSN:  1693-6930  ■     Analisi s  Hu bu ngan Anta ra  Tingkat P eng enala n Ja ring an…… (Iwa n Suhardi)  161 galat ku adra t  kelua r an.  Aplika s i jari n gan ini meli batka n pem e taan sekum pulan ma su kan   terhad ap se kump ulan ta rget kelua r a n , jadi term asu k  katego ri jarin gan d e nga n pelati h an  terbimbi ng.   Tujuan  pel atihan j a rin gan   ini ad alah  m enda patkan  ke seimb ang a n  anta ra  ke m a mpua n   tangga pan  yang  ben ar terha dap  pol a ma su ka n  yang  dipa kai untu k   pel atihan j a rin g a n   ( me mo r i z a ti on ) d an  kem a mpua n me mberi k a n  tan g gap a n yan g  layak  untu k  masukan y ang  seje nis n a mu n tidak ide n tis den gan ya ng dipa kai p ada pel a tiha n ( ge neraliza t ion ). Pelatih a n  jaring an  pera m batan  bali k  melibat kan t i ga taha p yai t u umpa n-m a ju pelatih an  pola m a suka n ,   komp utasi  d an p e ra mbat an-b a lik gal a t, serta  pe ru baha n bo bot . Setelah p e l atihan, apli kasi  jaring an  hany a melib atka n  tahap  ko mp utasi  umpa n-maju. Walau p un p r o s e s   p e latihan j a ri n g an   berla ng sun g   relatif lamb at, namun ja ri ngan ya ng telah dilatih  d a pat men gha silkan  kelua r an  deng an sang at cepat.   Jari nga n  syaraf lapi s-j a m a k d eng an  satu la pi san t e rsemb unyi (unit Z)  dipe rl ihatka n  pada   Gam b a r  1.  Unit kelu aran  (u nit Y)  dan u n it- unit t e rsemb unyi serta bi as  dipe rlihatkan. Bia s   pada  unit  kel uara n  Y k  dil a mbang ka n d enga n  w 0k ,  bias pad a   u n it terse m bu nyi Z j  dilam bang kan   deng an v 0j . Istilah bia s -bi a s ini berl a ku sebag ai bob ot pada  hubu ng an unit-unit d enga n kelua r an   selal u   satu.  Hanya ali r an  in forma s i u m pa n-maj u  yan g   diperli hatkan  pada  ga mba r .  Selam a  fa se  pelatiha n  p e r amb a tan-bali k , si nyal di kirim  p ada  arah yan g  b e rlawa nan.  La ngkah-l ang ka h  pelatiha n  da n  peng ujian j a ringan  pe ram batan b a lik seca ra te rpe r i n ci d apat  dili hat pad a p u staka  [3], sedang ka n diagram alirnya terdap at pada G a mba r  2.          Gamba r  1.  Jaring an sya r a f  peramb a tan - bali k  den gan  satu lapi san  terse m bu nyi.      Sebelum di u m pan kan  ke j a ring an  syara f  tiruan,  data-data kara kte r  yang akan di anali s is  dilakukan prose s  pe ngol ahan a w al.  Lang kah - la ngkah prap rose s pe nge nalan  karakt er  melibatkan  pro s e s  no rm alisa s i u k ura n  karakte r   yang kem u d i an dide kom posi s i de ng an   mengg una ka n filter gelom bang si ng kat Haa r  [5]. Normalisa s i u k uran ka ra kter d ilaku ka n ka re na  tidak sama n y a uku r an  kara kter p enul is yang  satu  denga n lain nya. Praproses taha p ke dua  melibatkan d e kom p o s isi fi lter gelom ba ng sin g kat  p o la 16x16  piksel ha sil no rmali s a s i. Prose s   dekompo si si  mengg una kan filter gelo m bang  sin g kat  Haa r   dua-dimensi. Dekomposi s i level   pertam a  me ngha sil k an e m pat  s u bb an d  yang ma sing -ma s in g beru ku ra n 8 x 8 piksel yaitu   sub ban d  ya ng  me mba w a in fo r m as i po la   ap ro ksim a si,   subb and   yang mem b awa inform asi  hori s ontal,  su bban d  yang  memba w a inf o rma s i verti k al dan  s u bb an d   yang m e mbawa informasi  diago nal. Pa da de ko mpo s isi  be rikutnya yaitu level  2 dih a sil k a n   subba nd - subba nd  de ng a n   uku r an 4x4 pi ksel.   Dari h a sil d e kom p o s isi,  terlihat bah wa sema kin ti nggi level d e kom p o s isi n ya aka n   membu a t se makin ‘ k e h ila ngan’  ciri nya. Oleh  karena   itu,  sebag ai  pola ma su ka n jarin g an  ne ural     Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 16 93-6 930     TELKOM NIKA   Vol. 4, No. 3,  Desem b e r  2006 :  159  - 166   162 digun akan d e k omp o si si l e vel 2 yaitu   su bban d   info rm asi  a p roksim asi sehi ngg a jumlah neu ro n   pada la pisa n  masu ka n ada   4x4 buah (G amba r 4 (d )).       Mu l a i I n isia l i sa si ja r i ng a n F o r i = 1 t o   j u m l ah pol a l a t i han A pak ah gal at   <  t o l e rans i gal at  yang di i j i n k an? Am bi l  dat a pak e t  pe l a t i han A m bi l  pol a k e -i Pe ra m bat an m a j u Hi t ung gal at  out put P e rbaharui  bobot Peram bat an bal i k S i m p a n  dat a bobot pel at i h a n  y ang baru Se le sa i A m bi l  dat a bobot  i n t e rk onek s i A pak ah k r i t eri a berhent i  bel aj ar di pen uhi ? Ya T i dak Ya Mu l a i I n isia l i sa si ja r i n g a n A m bi l  dat a i nput A m bi l  dat a bobot  i n t e rk onek s i Se l e s a i Peram bat an m a j u T i dak                                  (a)                                                                                                (b)      Gambar 2.  (a). Di agram  alir pr ogram pelatiha n   jari ngan syaraf  tiruan                                                        (b). Diag ram a lir pro g ra m p enguji an jari n gan sya r af tiruan       3.  METODE PENELITIAN   Pemodel an  si stem p eng en al kara kte r  p ada  penelitia n ini di pe rliha t kan  pad a G a mbar 3.  Sebagai  ma suka n ad alah   vektor ya ng  d i hasil ka n da ri  peng olaha n  citra a s li. Citra  asli yan g  b e ri si  data-d a ta karakter tuli sa n  tangan  dipay ar de nga n re solu si 3 00 d p i. Ha sil pem ayaran te rse but  kemu dian  dip ilah-pil ah  dan  dipoto ng-pot ong  dan  di kel o mpo k kan  se suai  de nga n  kela s  pola n ya.    Lang ka h-la ng kah p r ap ro se s peng enal a n  karakte r  di  sini melibat kan p r o s e s  norm a lisasi d a n   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOMNI KA   ISSN:  1693-6930  ■     Analisi s  Hu bu ngan Anta ra  Tingkat Peng enala n  Ja ring an…… ( Iwa n  Suhardi)  163 dekompo si si  deng an m e n ggun akan filt er  gelom ban g si ng kat Ha ar. Normalisa s i  u k u r an  karakter  dilakukan ka rena   tida k samanya ukuran kara kte r   penuli s  yan g  satu  den ga n lainnya. P ada  penelitian ini  semu a ka ra kt er dino rmali s asi 16x16 pi ksel. Pola dari  hasil no rmali s a s i sela njutn y a   dide komp osi s i samp ai leve l 2 se hingg a  didap at ka n u k uran 4x4  pi ksel  yang dijadikan seba g a i  masu ka n ja ri ngan  sya r af tiruan.  P r o s e s  no rmali s a s i  dan  de komp osi s i me ngg u nakan p r o g ra m  bantu  Matlab  [5] sedan gkan program  jaring an  syaraf  tiruan me nggu na kan p r og ram b ant u    C  ++  [6].          Gamba r  3.     Diag ram bl ok penge nalan  karakte r  pa da  penelitian.     Tabel 2.  Target peng enal an jarin gan p ada pe nelitia n  Karakter  ASCII  8 bit  Target Pe ngenal an  Karakter Angka   0  0 0 1 1 0 0 0  0   -0.8 -0. 8   0.8  0.8  -0.8 -0. 8  -0.8  -0. 8   1  0 0 1 1 0 0 0  1   -0.8 -0. 8   0.8  0.8  -0.8 -0. 8  -0.8   0. 8  2  0 0 1 1 0 0 1  0   -0.8 -0. 8   0.8  0.8  -0.8 -0. 8   0.8 - 0 . 8   3  0 0 1 1 0 0 1  1   -0.8 -0. 8   0.8  0.8  -0.8 -0. 8   0.8  0. 8  4  0 0 1 1 0 1 0  0   -0.8 -0. 8   0.8  0.8  -0.8  0.8  -0.8 - 0 . 8   5  0 0 1 1 0 1 0  1   -0.8 -0. 8   0.8  0.8  -0.8  0.8  -0.8  0. 8  6  0 0 1 1 0 1 1  0   -0.8 -0. 8   0.8  0.8  -0.8  0.8  0. 8 -0. 8   7  0 0 1 1 0 1 1  1   -0.8 -0. 8   0.8  0.8  -0.8  0.8  0. 8  0. 8  8  0 0 1 1 1 0 0  0   -0.8 -0. 8   0.8  0.8   0.8 -0.8  -0.8 - 0 . 8   9  0 0 1 1 1 0 0  1   -0.8 -0. 8   0.8  0.8   0.8 -0.8  -0.8  0. 8  Karakter T anda  Baca  !   (se r u)   0 0 1 0 0 0 0  1   -0.8 -0. 8   0.8 - 0 .8  -0.8 -0. 8  -0.8   0. 8  “ (petik)   0 0 1 0 0 0 1  0   -0.8 -0. 8   0.8 - 0 .8  -0.8 -0. 8   0.8 - 0 . 8   * (kali)  0 0 1 0 1 0 1  0   -0.8 -0. 8   0.8 - 0 .8   0.8 -0.8  0. 8 -0. 8   + (tambah)   0 0 1 0 1 0 1  1   -0.8 -0. 8   0.8 - 0 .8   0.8 -0.8  0. 8  0. 8  . (koma)   0 0 1 0 1 1 0  0   -0.8 -0. 8   0.8 - 0 .8   0.8  0.8 -0. 8  -0. 8   - (kuran g)   0 0 1 0 1 1 0  1   -0.8 -0. 8   0.8 - 0 .8   0.8  0.8 -0. 8   0. 8  . (titik)  0 0 1 0 1 1 1  0   -0.8 -0. 8   0.8 - 0 .8   0.8  0.8  0.8  -0. 8   / (bagi)   0 0 1 0 1 1 1  1   -0.8 -0. 8   0.8 - 0 .8   0.8  0.8  0.8   0. 8  : (titik dua)  0 0 1 1 1 0 1  0   -0.8 -0. 8   0.8  0.8   0.8 -0.8  0. 8 -0. 8   ; (titik koma)  0 0 1 1 1 0 1  1   -0.8 -0. 8   0.8  0.8   0.8  0,8  0.8   0. 8  ? (tan ya)   0 0 1 1 1 1 1  1   -0.8 -0. 8   0.8  0.8   0.8  0.8  0.8   0. 8      Jari nga n  sya r af tiru an ya ng a k a n  di ra nca ng  dalam  eksp erim en  ini a dalah  j a ring an  pera m bata n -balik. Arsite kt ur ja ring an y ang a k a n  di b angu n memili ki du a  komp onen,  kom p o nen  pertam a  meli batka n neu ro n masukan d an kel uaran  deng an juml ah tetap yaitu seb anya k  4x4  neuron ma su kan d an 8 ne uron  kelu ara n , dan ko mp onen yan g  melibatkan ne u r on pa da lapi san   terse m bu nyi yang jumlah n y a akan di ca ri sampai di da patka n ha sil yang optimal.      Mas u k a n:  Citra    Ka ra kt er  Tuli sa n  Tang an       an gk a     tan d a ba ca       K e luar an:     Angka   Tanda baca   Pe n g e n alan P o la  deng an Jaringa n   Syar af Tiruan  Ek s t r a k s i c i r i No r m alisasi   uk u r a n     Praproses data karakter   Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 16 93-6 930     TELKOM NIKA   Vol. 4, No. 3,  Desem b e r  2006 :  159  - 166   164 Sebagai  targ et pen gen ala n  karakte r -ka r akte r tuli sa n  tanga n di gu nakan fo rmat  yang  setara d eng a n  kode AS CII 8 bit u n tuk  mewa kili m a sing-m a si ng  kelas kara kte r   ang ka d an ta nda  baca. Beri kut  ini di saji kan  Tabel  2 yan g  menyata k a n  kesesuaian  target  pen g enala n  ja ring an   deng an form at yang setara kod e  ASCII 8 bit.    4.  HASIL D A N  PEMBA HAS AN   Praproses  di perlu ka n unt uk me ntran s f o rma s i cit r a  asli du a-dim ensi  ke d a la m pola   vektor yang terdi r i atas inform asi - inf o rmasi  yang dimiliki  oleh cit r a asli  tersebut.  Dal a m  melakukan e k speri m en ini  data aslinya  berup a pola - pola tuli san  tangan, yang  dinorm a lisa s i  uku r an nya d an  kem udian  dide ko mpo s i s i d eng an filt er  gelom ban g si ng kat  Ha ar  (Ga m ba r 4).   Ha sil akhir da ri pro s e s  de kompo s isi inil a h   yang akan  diumpa nkan  pada ja ring an  syaraf tirua n .                            G a mba r  4.  (a).  Citra sampel  yang telah di payar (ang ka  dan tand a ba ca)                                                  (b). Conto h  ka ra kter (an g ka 7)  yang telah di potong -poto n g                                               (c ). Contoh has il pros es  normalis as i                                                  (d). Contoh has il pros es  dek o mpos is i      Terkait de ng an  a r site ktur jaring an yan g   akan m e mberi k a n  tin g kat p eng en alan yan g   terbai k, ma ka dian alisi s  p enga ruh j u ml ah lapi san te rse m bu nyi se rta banya k ny a neu ron  pa da  masin g -m asi ng lapi san n ya. Fung si a k tivasi yang  digun akan yaitu  fungsi  aktivasi  sigm oid   bipola r , se da ngkan juml a h  lapi san te rsemb unyi ya ng dia nali s is yaitu satu l apisan d an  dua  lapisan te rse m bunyi. Pad a  proses  pel atihan m e liba t kan 1 00  pol a untu k  tiap  karakte r nya,  dan   pro s e s  pen gu jian melibat ka n 20 pola u n tuk tiap kara kt ernya.   Ha sil pel atiha n  dan  pen guji an karakte r  a ngk a da ri ja ri ngan  sya r af tiruan  yang  di bang un  disaji ka n pad a Tabel  3. Pada ja ring an  yang  men g guna ka n sat u  lapisan tersemb unyi di coba  deng an men ggun akan ne uron 3 0 , 40, 50, 60, 70,  dan 80. Prose s  peng ujian d ilaku ka n den gan  menguji  du a  maca m p o la,  yaitu pol a-p o la yan g  di g una kan  pa da  sa at pel atih an d an  pola - pola   yang digu na kan khu s us  un tuk pe ngujia n .  Dua ma cam  pola terse b u t  seng aja dib uat tidak  sam a   untuk me nge tahui sej auh  mana unj ukkerja pe nge na lan jarin gan  dalam me ng enali pola - p o l a   yang b e lum  p e rna h  dil a tihkan. Dari  ha sil  pen gujian  te rlihat b a h w a  unju k kerja  pe ngujia n de ng an  mengg una ka n satu lapi sa n terse m bu nyi memberi k a n  unjukke rja te rbai k = 74%.   Pada ja ringa n yang me ng guna ka n dua  lapisan  terse m bunyi,  pad a lapi san te rsembuny i   pertam a  dico ba den gan m engg una kan  neuron  40, 5 0 , 60, 70, da n 80, se dan g k an p ada la pi san  terse m bu nyi ked ua dicob a  masin g -m a s ing de nga n neuron 40, 5 0 , 60, 70, dan 80. Ja rin gan   deng an d ua  lapis tersem bunyi ternyata mem butuh kan  jumla h  it era s i yan g  l ebih  ke cil u n t uk  mencapai   g a lat yang  mi nimal p ada  p r oses  pel atih annya. Be rd asa r kan  unju k kerja  ma ksi m al  yang di perol eh, da pat di simpulkan  ba hwa  ja ri nga n  den gan  du a  lapi san  tersembunyi  den gan   neuron 8 0  p ada lapi s te rsemb unyi pe rtama d an 7 0  neu ron  pa da lapi s tersembunyi  ked ua  membe r ikan  unju k kerja ya ng terbai k yai t u 90 %.      Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOMNI KA   ISSN:  1693-6930  ■     Analisi s  Hu bu ngan Anta ra  Tingkat Peng enala n  Ja ring an…… ( Iwa n  Suhardi)  165 Tabel 3.   Unj u kkerja p e latih an dan p eng u jian ka ra kter  ang ka.   A r s i tekt ur   Unjukke rja  P e latih a n  Unjukke rja P e nguji a n  Satu lapi san t e rse m bun y i   16 – 30  – 8    95,6 %   67 %   16 – 40  – 8    96,2 %   69 %   16 – 50  – 8    96,8 %   72 %   16 – 60  – 8    95,8 %   68 %   16 – 70  – 8   96,9 %   74 %   16 – 80  – 8   95,2 %   70 %   Dua lapi san te rsem bun y i   16 – 40  – 40  – 8    99,5 %   82%   16 – 40  – 50  – 8   99,6 %   82 %   16 – 40  – 60  – 8   99,4 %   84 %   16 – 40  – 70  – 8   99,1 %   82 %   16 – 40  – 80  – 8   99.0 %   80 %   16 – 50  – 40  – 8   99,6 %   82 %   16 – 50  – 50  – 8   99,4 %   87 %   16 – 50  – 60  – 8   99,6 %   81 %   16 – 50  – 70  – 8   99,7 %   86 %   16 – 50  – 80  – 8   99,3 %   81 %   16 – 60  – 40  – 8   99,7 %   79 %   16 – 60  – 50  – 8   99,6 %   81%   16 – 60  – 60  – 8   99,5 %   86%   16 – 60  – 70  – 8   99,7 %   81%   16 – 60  – 80  – 8   99,4 %   85 %   16 – 70  – 40  – 8   99,4 %   83 %   16 – 70  – 50  – 8   99,5 %   83 %   16 – 70  – 60  – 8   99,6 %   85 %   16 – 70  – 70  – 8   99,5 %   81%   16 – 70  – 80  – 8   99,7 %   85 %   16 – 70  – 90  - 8   99,7 %   84 %   16 – 80  – 40  – 8   99,2 %   82 %   16 – 80  – 50  – 8   99,7 %   86 %   16 – 80  – 60  – 8   99,6 %   83 %   16 – 80  – 70  – 8   99,7 %   90 %   16 – 80  – 80  – 8   99,3 %   84 %       Tabel 4.   Unj u kkerja p e latih an dan p eng u jian ka ra kter t anda b a ca.  A r s i tekt ur   Unjukke rja  P e latih a n  Unjukke rja P e nguji a n  Satu la pisan t e rsem b u n y i   16 – 30  – 8    97,5 %   80 %   16 – 40  – 8    98,1 %   82 %   16 – 50  – 8    96,9 %   80 %   16 – 60  – 8    98,2 %   76 %   16 – 70  – 8   97,9 %   77 %   16 – 80  – 8   98, 2 %   83 %   Dua lapi san t e rsem b u n y i   16 – 40  – 40  – 8    99,1 %   91 %   16 – 40  – 50  – 8   99,6 %   89 %   16 – 40  – 60  – 8   98,6 %   88 %   16 – 40  – 70  – 8   98,4 %   87 %    16 – 40  – 80  – 8   98,5 %   88 %   16 – 50  – 30  - 8   99,1 %   89 %   16 – 50  – 40  – 8   99,7 %   92 %   16 – 50  – 50  – 8   99,6 %   93 %   16 – 50  – 60  – 8   99,7 %   90 %   16 – 50  – 70  – 8   99,1 %   91 %   16 – 50  – 80  – 8   99,0 %   90 %   16 – 60  – 40  – 8   99,7 %   91 %   16 – 60  – 50  – 8   99,1 %   92 %   16 – 60  – 60  – 8   99,7 %   93 %   16 – 60  – 70  – 8   99,6 %   92 %   16 – 60  – 80  – 8   99,5 %   92 %   16 – 60  – 90  - 8   99,0 %   91 %   16 – 70  – 40  – 8   99,7 %   91 %    16 – 70  – 50  – 8   99,6 %   92 %    16 – 70  – 60  – 8   99,5 %   94 %    16 – 70  – 70  – 8   99,7 %   93 %    16 – 70  – 80  – 8   99,8 %   93 %    16 – 70  – 90  - 8   99,5 %   91 %    16 – 80  – 40  – 8   99,5 %    92 %    16 – 80  – 50  – 8   99,3 %    91 %    16 – 80  – 60  – 8   99,4 %    93 %    16 – 80  – 70  – 8   99,3 %    93 %    16 – 80  – 80  – 8   99,3 %    94 %     16 – 80  – 90  - 8   99,5 %    90 %      Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 16 93-6 930     TELKOM NIKA   Vol. 4, No. 3,  Desem b e r  2006 :  159  - 166   166 Pada T abel   4 di saji kan  p u la h a sil  pel atihan  dan  p enguji an  ka rakter tan da  baca d a ri  jaring an sya r af tiruan yan g  dibang un. Berda s a r kan  unju k kerja p e ngen alan karakter tan da b a ca  maksimal ya ng dip e rol eh,  dapat di sim pulkan b a h w a jari ngan  de ngan  dua l a p i san te rsemb unyi  deng an  neu ron 8 0  p ada   lapis tersem bunyi p e rtam a da n 8 0   ne uron  p ada  la pis te rsemb u nyi  ked ua mem b erikan unj ukkerja yang te rb aik yaitu 94  %.    Dari  ha sil Ta bel 3 da n Ta bel 4 da pat d ilihat bah wa  perb andi nga n  unju kke rja t e rbai k  masin g -m asi ng jeni s ka rakter  ditunju k kan pa da  Tabel 5. Da pat dilihat b ahwa unju kkerja  peng enala n  j a ring an tid a k  selal u  terkait  lang sun g  de n gan b anya k n y a ka ra kter y ang di ke nali.  Ini  terbu k ti den gan unju k ke rja pen genal an jenis  karakter tan d a  baca (9 4 %) lebih tinggi   diban ding kan  denga n  unju k kerja j enis  kara kter  a n g k a  (90 %),  pa dahal  juml ah  karakte r  tan da  baca lebi h ba nyak d a ri  pa da karakte r  a ngka. Pe rb ed aan u n ju kkerj a  terseb ut le bih di karena kan  pada ad anya  faktor ke ru mitan pola kara kter pa da   jenis ka ra kt er itu. Terlih at bahwa  karakter  tanda ba ca  mempu n yai  tingkat keru mitan yang  kuran g  diba nd ingkan de ng an jeni s ka ra kter  ang ka.     Tabel 5 .    Perbandi ngan ju mlah ka ra kter terhada p unj ukkerj a   Jenis Kara kter   J u m l ah  K a r a kt er    Tiap Je nis   Ting kat K e rumi t a n  Pola   Unjuk kerja   Penge nalan   Angka  10  Lebih rumit   90 %   Tanda Baca   11  Kurang r u mit  94 %       5. SIMPU L AN  Dari  ha sil  da n pem bah asan,  d apat   d i tarik   si mpul an b a h w a   semaki n  sedi kit jumlah   karakte r  yan g  aka n  di ken a li belum ten t u mengh asil kan u n ju kkerj a  peng enal a n  yang sema kin   tinggi. Unju kkerj a  pen gen alan dipe nga ruhi jug a  tingkat keru mitan pola kara kter pa da je nis  karakte r  tersebut. Kemam puan  peng en alan  karakte r  jaring an  sya r af tirua n  ya ng cukup tin ggi  pada  ka rakte r  ang ka (90  %) dan tand a baca (9 4%) ini sa ngat  mung kin di ke mbang ka n u n tuk  menge nal karakter-karakte r lain, misal n ya huruf  be sa r, huruf ke cil, serta  simb ol-simbol.     DAF TA R PU STAK A   [1].  Hendrawan,  “ O CR and Word Re co gnition  for Docume nt Under s tandi ng  :  Pr esen t  Statu s  and  Dev e lopment”,  Telem a tics Lab orato r y, Dept. of  Electri c al Engine ering, Institut  Tekn ologi Ba ndun g, Band ung, 200 0.  [2].  Mori, S.C.Y, and Y a m a moto, K., “ His t oric al Rev i e w   o f  O C R Re searc h  an d  Dev e lopment” , Proceedings of the IEEE,  vol. 80, pp. 1029-1058, 1992.   [3].   Fausett, L., “ Fun damen t als  o f  Neu r al  Ne t w o r k s : Archi t ec tures, Algorithms,  and   Applica t ions ” , Prentice Hall,  New Jersey, 1994.  [4].  Kröse, Ben, and Van de r Smagt, Patr ick, “ Introdu ction to Ne ural Net w o r ks” , ed. 9,  University of Amsterdam, 1996.   [5].  Misiti, M., Oppenh eim, G., and Poggi, J.,  “ Wav e let Toolbox” , The  Math Work . Inc ,  1996.  [6].  Rao, B. Vall uru  dan  Rao ,  V. Hayag r i v a,  “ C ++   Neural  Net w o r ks a nd Fu zzy  Logic” ,  Manag eme n t Information S ource, Inc., New York, 199 3.  Evaluation Warning : The document was created with Spire.PDF for Python.