ISSN: 1693-6 930                                                13 5    Pengen alan  Pola Alphab e t  Tulisan Ta n gan…..(T o le  Sutikno )   PENGENALAN POLA ALPHABET TULISAN TANGAN  SECARA ON-LI N E DENGAN JST-BP      Tole Sutikno ,  Andh y  Fathurrakhma n   Program Studi Tekni k  Ele k tro  Universit a s Ahma d Da hlan   Kampus III Jln. Prof Soepo mo, Janturan,  Yogyakarta  Telp. (02 74)  3794 18 Ext.  220, HP. 085 6286 2810, F a x. (0274 ) 38 1523   email:  tholes2000 @yah oo .com ,  andhyf @ yaho o.co m        A b st r a ct  The intelli gen t system  ba sed in th e b a ckpropa gation   artificial  neu ral net work  an d im age  pro c e ssi ng  with GUI  Matl ab 7.0   was  develop ed. T h is  system  i s  de sign ed fo r o n -lin e p a ttern   recognitio n . In this  expe rim ents, syste m  are tr ai ned  dan te sted  u s ing  ca pital al fabet han dwri ting   pattern s that captured from  on-line web c am  aut om atically. Gene rall y, the results of  the   exp e rim ents  sho w  that the  system  could  reco gini ze wi th a high accura cy.     Key w ords :  Neural  Network, Matlab, Pattern Re co gnit i on, Web c am       A b st r a k  Telah  db ang un  sistem   ce rda s   berba si s ja rin gan  syaraf tiruan  d an p eng olah an  citra   deng an G U I Matlab 7.0. S i stem  ini dira nca ng untu k   peng enala n  p o la on -line. P ada e k spe r im en  ini, sistem  dil a tih dan  diuji  deng an p o la  tulisan  ta ng an kapital, yang di -captu r e otom atis ol eh  web c am  se cara o n -lin e. Seca ra um u m , hasil eksperim en m e n unju k kan ba hwa  si stem  dapat  m engenali po la deng an a k ura s i ya ng tin ggi.    Kata kunci :   Jari nga n Sya r af Tiru an, Matlab, Penge nalan p o la, Webcam       1. Pendahulua n  Penelitian  te ntang  pen ge nalan  pol a  d enga n ja ring an  syaraf tiruan  ba ckpro pagatio n   (JST -BP) tela h banya k  dil a ku kan. Beb e rapa di antara n ya dipa du ka n den gan te knik p eng olah an  citra (TP C ) seba gai p eng kon d isi i nput  JST. Lallican, cs (2000 ) pa da pap ernya  yang  disemi na rkan  pada “ se ve nt internation a l worksho p  on frontiers in hand writi ng re cog n itio n ”  mende skri psi k an mig r a s i p enge nalan p o l a tulisan tan gan  off-line  ke  on-lin e .  Publika s i  ha sil pen elitian  serup a  dil a kukan ol eh Pla m ondo n d a n  Sriha r i  (20 0 0 ), yang   membe r ikan  kajian kom p reh e n s hip t entang kon s ep peng enal an pola  off-l i ne  dan  on -l ine .  Penelitian l a i n  dila ku kan  F adlil (200 4),  yang me nge mbang ka n  JST-BP untu k   menge nali tul i san   tangan di na mis secara  on-lin e . Siste m  dilatih da n diuji men g guna ka n se b agian  d a taba se  stand art international IRO N OFF , tetapi  s i s t em ini tidak  m eng gun akan TPC untu k  prap ro se s.  Sigit, dkk  (2 001)  dala m   penelitian n ya  menge mba ngkan  JST-BP dan TP C untu k   peng enala n  a ngka. Prap ro se s yang di g una kan a dala h  deteksi tepi   pre w itt  dan e kst ra ksi  citra  ke   bentu k  m a trik 16  x 16  pi ksel. Arsite ktu r   JS T-BP m e n ggun akan  3 l apisan, yaitu  256  neu ron  u n tu k  lapisan input,  18 neuro n  p ada lapi san t e rsemb unyi ( hidde n ) dan 1 0  neuron unt uk lapi san ou tput.  Banyak je nis  pola pel atiha n  adala h  10  yaitu ang ka 1  samp ai de n gan a n g k a 1 0 . Dari  pelati han   yang dila ku kan, untuk me nca pai  pe rform ance  yang  dingin k an yai t u sebe sa r 0,01 dibutu h ka n  seb anya k  13 51 epo ch.   Pada  p eneliti an  ini dira ncang suatu   si st em p eng en alan p o la te rtentu secara   on-li ne   deng an  JST - BP dan  TPC.  Pada ta hap  e k speri m en,  s ebag ai p o la  a dalah  tulisan  tangan  alp h a bet  kapital. Pra p rose s (TP C )  yang digu na kan ial ah  ko nversi citra RGB  ke  citra   biner,  elimin asi   dera u , pe n- center -an  citra  (pe m fokusa n pol a)  dan   pen skalaan  ke matri k   20 x  20  piksel.  Ci tra   diinput den g an  m engg un aka n  suatu   kamera  yan g   telah di ko ndi sikan. Arsi te ktur yang  dit e liti  adala h  1  sa mpai  deng an  3  hidde n lay e r, yaitu  untu k  1   hid den  la yer  : 4 00  –  2 13 –  26,  untu k  2   hidde n la ye r   : 400  –  275   – 15 1  – 2 6  d an u n tuk 3   hi dden  la ye r : 4 00 –  3 07  – 2 13 –  1 20  – 2 6 .   Banyak jeni s  pola pel atiha n  adala h  26 (alpha bet  A–Z ) . Untu k men getahui yan g  terbai k anta r a 3  Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 1693-6 930   TELKOM NIKA   Vol. 3, No. 2, Agustus 2 005 :  65 - 71   136 bentu k  arsite ktur  JST-BP te rsebut dig u n a ka n pe rhitun gan  Me an Sq uare E rro r  (M SE) dan untu k   mengeta hui tingkat level penge nalan  tia p  hurufnya di guna ka n perh i tungan  Stan dard E s tim a te of  Erro r  (SEE).       2. METODE  PENELITIAN  Keselu ru han  pera n g k at ke ras m e mbe n tuk suatu si st em deng an susu nan blo k   diagram   sep e rti Gam bar 1, da n  kame ra dil e takkan d a lam  suatu temp at tertutup a gar me mpe r oleh   kon d isi yan g  tetap se perti  Gamba r  2.   Seca ra kesel u ruh an, ha rd ware dan  software yang di guna ka n untu k  pen elitian a dalah:   a.  Personal Co m puter   (PC) dengan  klasifikasi : Pentiu m III 1,2 G H z, RAM 128 dan Hd 40  Gbyte.  b.  Peran g kat lunak Matla b  ver. 7 dan  sist em ope ra si Wind ows XP Sp 1.  c.  K a mera  Web c am   Logitech  denga n re sol u si 64 0x840  piksel da n ka bel USB.  d.  Pencahayaan lampu berkekuatan  65 watt, kabel dan  konektor listri k .  e. Kotak  kamera              Gambar 1.  Skema  Ha rd w a re  si stem p e ngen alan pol a      Kamera  Lampu   Gabu s   Sc reen    Error!     Gambar 2.  Skema al at pe ngambil an in put                                                    Gambar 3.  Skema p e rang kat luna k   si st em peng enal an pola   Citra R GB Ka m e ra Konv. Citr a RG B ke  citra  biner Elim inas i D erau Pemfokusan pola Penskalaan Konv. Matrik  po la k e   vektor ko lom  JST B P Klasifikasi Database  Pra p rose s  dengan TPC  Ke s u m b er  Ke  p or t U S B  PC Webc a m   Lo g itech 1  Ob je k Gam b ar  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA  ISSN:  1693-6 930                              Pengenal an  Pola Alphab e t  Tulisan Ta n gan…..(T o le  Sutikno )   137 Peran g kat lu nak diba ngu n  deng an  GUI  Matlab ve rsi  7 dan  teri nteg rasi  lan g sung  deng an   kame ra  web c am . Secara d i agra m , skem a pera n g k at luna k si stem ditunju k kan p ada Gam b a r  3.  Konversi citra  RGB ke cit r a  biner mele wati  2 tahapan , yaitu citra RGB ke citra keabu an   ( gray level )  kemu dian  di binerka n d e ngan t h re sh old  sebe sa r 100. Elimin asi  derau y ang  digun akan a dalah  elimin asi 9 titik be rtetangg a. Pen- cente r -an  (pemfo ku sa n) a dalah  ba gia n   dimana   citra bagia n   tepi (atas,  b a wa h, kiri dan  ka na n) yan g  me m iliki nilai  0 di b uang,  sehi ng ga   citra yan g  di perol eh be na r-b ena r citra  yang mem ili ki informa s i. Penskal aan a d a lah pe rub a h a n   uku r an citra menuju ukura n   yang  d apat  ditempat kan  dalam  su atu   frame  yang  berpi ksel 2 0 x20.  Ha sil akhi r d a ri pra p roses adalah pe ru baha n citra y ang telah di skala k a n  ked a l am vektor ko lom  yang sia p  dip e lajari ol eh JST-BP.  Pada pe mbe l ajara nnya  JST-BP meng guna ka n si st em  Batch M ode  (t rain ) d ilaku ka n  modifika si  m o mentum  da n laju  pem be lajara n te rha dap  algo ritm a sta nda rd  p e latihan  JST - BP  seb eba gai be rikut:     Perub aha n la ju pembel ajaran:       Lainnya 0 (t) 1) Δ (t Δ   Jika 0 (t) 1) Δ (t Δ    Jika        t α t α γ 1 k t α 1 t α kj kj kj kj kj kj kj kj  (1)   Perub aha n b obot:    W kj (t  + 1 )  = W kj (t) +  α k Z j   +  μ [W kj (t) - W kj (t – 1)]  (2)  dan   V ji (t  + 1) = V ji (t)  +   α j X i   +  μ [V ji (t) - V ji (t – 1)]  (3)    Keteran gan :   W kj (t +  1), V ji (t + 1)  :    bobot ba ru b e rikutnya   W kj (t), V ji (t) :    bobot  sekara ng   W kj (t – 1), V ji (t – 1)  :    bobot sebel u m nya  k  :  Learning  rate  incre a si ng (kenai kan laju  pembel ajaran )  γ   :  learni ng rate dea cre s in g (p enuruna n laju  pembelaj ara n )  μ  :  Konstanta  Gradien     Penentua n ju mlah ne uro n  tiap lapisan  ( layer )  dig una kan fun g s i  linea r Spa c e  untu k   membe n tuk j u mlah n e u r o n  yang m eng kru c ut  stab il  dari la pisan i nput ke lapi san outp u t. Fu ngsi   Linea r Spa c e   yaitu:      1 1 2 1 layer floor d d n d floor L i i  (4)   Keteran gan:   ni   =  Bilangan a rray da ri 0 sa mpai den gan  jumlah laye r -1  d1   = Ju mlah ne u r on lapi sa n in put  d2   = Ju mlah ne u r on lapi sa n o u tput    Dari  fung si  Li near Spa c e  diperoleh nila i  untuk  arsite ktur  JST - BP yaitu untuk 1   hidde n   layer :                  400 – 213 – 26, untuk 2  hidde n layer  : 400 – 275 –  151 – 26 d a n  untuk 3  h i dde n  layer  : 400 – 307 – 213 – 1 20 – 26. Untu k penelitia n in i variabel pel atihan JST - B P  di set    seba gai  beri k ut:  Maksimal e p oh   =   2000   Perform an go al  =   1 x 10-5   Minimum G r a d ien   =   1 x 10-20   Konstanta Gradien   =    0,9  Learning Rat e   =    0,01   Learning  Rat e  Incre a si ng   =   1,05   Learning  Rat e  De cre a si ng   =   0,7  Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 1693-6 930   TELKOM NIKA   Vol. 3, No. 2, Agustus 2 005 :  65 - 71   138 Pola yang dii nputkan seba nyak 78 p o la  yang te rdi r i d a ri jeni s pola  A–Z, yaitu 1  samp ai  deng an 26, 2 7  samp ai den gan 52 da n 53 samp ai den gan 78. citra  dilewatka n  melalui praproses  yang kemu di an diu bah  ke   dalam ve ktor  kolom. Ba ri s  paling  ba wah  pada  vekto r   kolom  ditamb ah   26 bit  be risi  target  da ri  pol a yang  b e rke s e s uai an,  se hingg a  total u k uran   vekto r  adala h   4 26. Pola- pola yan g  te lah diu bah  ke vektor kol o m disi mpa n  ke d a lam d a taba se. Setelah terku m p u l  seb anya k  78, pola dilatihkan ke JST - B P  dengan me mbagi vekto r  sebag ai inpu t pelatihan (d ari   bari s  ke   1 sa mpai deng an   400  semu a kolom )  dan   target   (b ari s  4 01 sam pai de ngan   42 6 se mua   kolom ) .    Untu k anali s a, data yang aka n  diambil  adala h  outpu t simulasi  ket i ga JST - BP terha dap   pola p e latiha n, jumlah  epo h dan  pe rform ance  ma ksi m um yang  di perol eh. Pen entuan  kla s ifi k a s i  kela s terb aik terhada p ke tiga arsite ktu r  JST-BP di guna ka n perhitunga n  Me an Square Erro r  (MSE) da ri total output tiap arsite ktur, ya ng diru mu ska n :    Q k k k a t Q MSE 1 2 ) ( 1  (5)   Keteran gan :   Q    = Ju mlah pol a yang dihitu ng   t k     =  vek t or target  a k    = vekto r  kelu aran ja rin gan   Untu k pelev elan ting kat  penge nala n  tiap alpha bet masin g  – masin g  arsite ktu r ,  digun akan pe rhitung an  Sta ndard Estim a te of Error  ya ng diru mu ska n :     2     SEE 2 n Y T  (6)     Se =   Standa rd Estim a te of Error  T   =  N ila i ya ng  dih a r ap ka n  N  = Ju mlah ele m en data       3.  HASIL D A N  PEMBA HAS AN   Untu k 1 lapi san tersemb u n yi, pelatihan  berh enti pad a epoh  ke 97 7, performan ce yang   dica pai 9,92 7 3e-0 06, se pe rti ditunjukka n pada G a mb ar 4.     0 100 200 300 400 500 600 700 800 900 1000 0 0. 001 0. 002 0. 003 0. 004 0. 005 0. 006 0. 007 0. 008 0. 009 0. 0 1 P e r f or m anc e  9. 9273e-006 epoc h Pe r f o r m a n c e   Gambar 4.  G r afik pel atiha n  jaring an de ngan 1 la pisa n terse m bu nyi    Untu k 2 lapi san tersemb u n yi, pelatihan  berh enti pad a epoh  ke 86 7, performan ce yang   dica pai 7,05 9 8e-0 06, se pe rti ditunjukka n pada G a mb ar 5.     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA  ISSN:  1693-6 930                              Pengenal an  Pola Alphab e t  Tulisan Ta n gan…..(T o le  Sutikno )   139 0 100 200 30 0 40 0 50 0 60 0 70 0 80 0 90 0 0 0. 0 0 2 0. 0 0 4 0. 0 0 6 0. 0 0 8 0. 0 1 0. 0 1 2 P e r f orm anc e  7 . 05 98e - 0 06 e poc h P e r f or m anc e   Gambar 5.  G r afik pel atiha n  jaring an de ngan 2 la pisa n terse m bu nyi    Untu k 3 lapi san tersemb u n yi, pelatihan  berh enti pad a epoh  ke 50 1, performan ce yang   dica pai 6,53 4 8e-0 06, se pe rti ditunjukka n pada G a mb ar 6.     0 100 200 30 0 40 0 50 0 60 0 0 1 2 3 4 5 6 7 8 9 x 1 0 -3 P e rf orm a nc e 6. 5 348 e-0 0 6 epo c h Per f o r m anc e   Gambar 6.  G r afik pel atiha n  jaring an de ngan 3 la pisa n terse m bu nyi    Dari ketig a  arsite ktu r   unt uk  m e n c apai   perfo rm ance  yang dii n g i nka n  (1x1 0 -5 ) dala m   menge nali 26   alph abet ka pital,  hanya  memerl ukan  kurang  da ri  1 000 ite r a s i. P e rhitun gan  M S E  dari  1 lapi sa n  tersemb unyi adala h  1,5 5 94 x 10 -6 , 2  l apisan te rse m bunyi a dala h   9,94 278  x 10 - 7 dan 3 lapi sa n tersembu n y i adalah 1,9 8841 x 10 -6 . Dari p e rhitun gan MSE ini  terlihat bah wa  arsite ktu r  de n gan m engg u nakan 2 l api san tersem bu nyi mempu n yai tingkat aku r asi  pen gen al an   pola lebih baik dari pada 1 dan 3  lapi san tersembunyi. Perhitungan SEE tiap jaringan  diperli hatkan  oleh Gam b a r  7, 8 dan 9.    S t an d a r  Es t i mas i  Er r o r 0 0, 2 0, 4 0, 6 0, 8 1 1, 2 1, 4 1, 6 AB C D E F G H I J KL M N OP QR S T U V W X Y Z Po l a E rro r            Gambar 7.  SEE 1 lapis an  ters embunyi    Evaluation Warning : The document was created with Spire.PDF for Python.
                                   ISSN: 1693-6 930   TELKOM NIKA   Vol. 3, No. 2, Agustus 2 005 :  65 - 71   140 S t an d a r  Es t i mas i   Er r o r 0 0, 2 0, 4 0, 6 0, 8 1 1, 2 1, 4 1, 6 AB C D E F G H I J KL M N OP Q R S T UV W X YZ Po l a E rro r   Gambar 8.  SEE 2 lapis an  ters embunyi    S t a nda r E s t i m a s i  E rror 0 0, 2 0, 4 0, 6 0, 8 1 1, 2 1, 4 1, 6 AB C D E F G H I J KL M N OP QR S T UV W X YZ Po l a E rro r   Gambar 9.  SEE 3 lapis an  ters embunyi    Pelevelan tin g kat  pen gen alan tia p  al p habet  untu k  arsite ktur JST-BP da pat  dibu at  seb agai b e ri kut:    Tabel 1.  Level peng enala n  alpha bet ka pital  Leve l   1 Lap isa n  T e rsembu n y i   2 Lap isa n  T e rsembu n y i   3 Lap isa n  T e rsembu n y i   SBS  A, C, N, P ,  Q,  S,  T ,  U, Y   A,  D, E, N,  T,  W  E, N,  T, W, Y   SB  D  P, U, Y  A, C, D, E, U   B  E  C Q  P, Q  S W  J,  S     J  B, L, O,  X   B, F,  I   B, I,  J, L,   SJ  I, K,  M,  Z   K, O,  R, X ,  Z   G, K,  O,  R, Z   SJS  F, G ,  H, J ,  R, V   G, H, L,  M, V   F, S,  H, V,  X   Ke te ra ng an :  SBS  : Sangat Baik  Sekal i   SB  : Sangat Baik   B :  Baik  S :  Standar   J :  Jelek   SJ  : Sangat Jel e k   SJS  : Sangat Jel e k Sekal i       4. KESIMPULAN  Dari h a sil d a n  pembah asan  dapat ditari k ke simpul an sebag ai beri k u t :  1.  Susun an p r a p ro se s (TP C ) dari  konve r si  citra  RGB  ke  citra bi ner, e liminasi  dera u  den gan  9   titik bertetan gga, pemfo kusa n citra da n pen skalaa n ,  mampu me ning katkan  ki nerja  si stem   peng enala n  p o la alph abet  kapital h a sil t u lisa n  tanga n .   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA  ISSN:  1693-6 930                              Pengenal an  Pola Alphab e t  Tulisan Ta n gan…..(T o le  Sutikno )   141 2.  Ditinjau  da ri  pe rhitun ga n MSE, a r site ktur  yang  terbaik dih a sil k an ole h  2 lapisan   terse m bu nyi.  3.  Dilihat dari nilai SEE tiap h u ruf untuk  mas i n g–mas ing ars i tek t ur, alpha bet paling s u lit untuk   dike nali adal a h  H, V, dan K, sedan gkan  y ang paling  mudah di ke n a li adalah  N, T, dan A.  4.  Keberha silan  pe rang kat  lu nak sang at terga n tung  ko ndisi  piranti p endu ku ng  se perti  kam e ra   video dan int ensita s  cahay a.      DAF TA R PU STAK A   [1]  Fadlil, 2004,  “ Pengaruh  Kompleksitas Ekstr aks i Ciri Pada Sistem Pengenalan   Tulisan Tan g an Dinamis ”  J u rnal Ilmiah Telk omnik a , Vol.2, No.1.  [2]  Fausett, L., 1994, “ Fu nda mentals O f   Neur al Ne tw orks  :  Arc h itectur e, algor ithms, And  Applica t ions ”  Prac tis e  Hall, New Jers ey .   [3]  Jain, A. K.,  1995,  Funda mentals  of  Digital Imag e Proc essin g ,  Pra c tice  Hall, Ne w  Jer s ey .   [4]  Mudjiraha rdjo , P., 2001, “ Penerap a n JST-BP un tuk Pengenal a n Kode Po s Tulisan   Tangan ”  Tesis S-2, Unive r sitas G adja h  Mada, Yogya k arta.   [5]  Plamond on,  R. an d Sri h a r i, S. N., 200 0, “ On -line  an d Off-line  Ha ndwriting  Re cognition  : A Comp re hensive  Sur vey ” IEEE Trans a c t ions   on Patte rn  Analys is and Machine  Intelligenc e , Vol. 22, No.1.  [6]  Rap h , G., 1 997,  “ Ru n-O n  Recog n ition in a n   On-line  Ha n d writing  Re cognitio n   System ”  Re port   Unive r sity of Karlsruh e, Germa n y.  [7]  Sigit, R., 2001, “ Aplikasi  Jaringan  Syara f  Tiruan  Untuk M e n g enali An gk a ” In stitut  Tekn ologi Su rabaya, Sura baya.  [8]  Tappe rt, C. C., Suen, C. Y.  and  Wakaha ra, T., 19 90,  “ The  Sta t e o f  the  Art in  On-Lin e   Hand writing  Reco gnitio n ” IEEE Trans .  Pattern A nalys is  ad Mac h ine Intelligenc e , Vol.  12, No.8.             Evaluation Warning : The document was created with Spire.PDF for Python.