Metode Jaringan Saraf Tiruan Backpropagation untuk Pengenalan Huruf Cetak pada Citra Digital

Nama : Puguh Ramadhan
Npm : 50407665
Kelas : 4 IA 03

RANGKUMAN

Penggunaan algoritma Back Propagation yang merupakan salah satu cabang dari jaringan saraf tiruan untuk melakukan Pengenalan Huruf Cetak pada Citra Digital sudah cukup tepat karena Metode ini menggunakan prinsip kerja otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada.

Algoritma Backpropagation adalah salah satu pengembangan dari arsitektur Single Layer Neural Network. Arsitektur ini terdiri dari input layer, hidden layer dan output layer, dan setiap layer terdiri dari satu atau lebih aritificial neuron. Melakukan pengenalan huruf cetak dengan menggunakan metode jaringan saraf tiruan tidak lepas dari pengolahan citra itu sendiri, disini terdapat beberapa teknik-teknik manipulasi gambar seperti Greyscale, Thresholding, Filter Noise Eliminator dan Segmentasi.
Rangkaian proses untuk Pengenalan Huruf Cetak pada Citra Digital yang dilakukan oleh sistem ini dapat digambarkan dengan blok diagram dan memiliki dua buah menu utama yaitu menu recognition dan menu training. Proses ini akan dijalankan apabila user memilih menu recognition ¬– open, pada proses ini gambar yang berupa huruf cetak akan dibaca dan kemudian setiap karakter pada gambar tersebut akan dicari posisi dan ukurannya (proses segmentasi). Dalam proses segmentasi ini adalah posisi, lebar dan tinggi untuk masing-masing huruf.

Modul yang akan membuat sebuah obyek neural network yang terdiri dari 5 buah object layer (empat hidden layer dan satu output layer) dan sebuah input layer yang hanya berupa array dinamis dengan ukuran 576 sebagai masukan bagi object layer yang pertama. Evaluasi dari sistem ini berdasarkan bobot yang dihasilkan melalui pelatihan lima jenis huruf cetak yang berbeda. Ada 2 macam kesalahan disini, yaitu: huruf yang saling berpotongan akan dianggap sebagai satu huruf dan huruf yang tersambung dengan sangat tipis akan dianggap sebagai dua huruf.
Oleh sebab itu perhitungan persentase pengenalan huruf akan dibagi menjadi dua bagian, yaitu, pengenalan berdasarkan hasil segmentasi yang valid saja dan berdasarkan semua karakater yang digunakan termasuk hasil segementasi yang tidak valid.

Dari pengujian dapat disimpulkan proses pemotongan karakter yang salah pada saat pengolahan citra, menyebabkan total persentase pengenalan menjadi turun yaitu 67,53% untuk jenis huruf sama dengan yang dilatihkan, dan 46,65% untuk jenis huruf yang berbeda dengan yang dilatihkan, pengenalan untuk setiap jenis huruf cetak yang dilatihkan adalah sama (±80%) dan yang tidak dilatihkan bergantung pada jenis karakter tersebut, apabila model karakter tersebut mirip dengan salah satu model karakter yang dilatihkan maka rata-rata hasil pengenalan karakter tersebut akan tinggi. Dalam melakukan proses pengenalan huruf cetak tidak hanya dapat dilakukan dengan menggunakan jaringan saraf tiruan namun dapat pula dengan beberapa metode lain yang mungkin dapat melakukan nya dengan lebih baik.