Pengenalan Angka Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan

Indra, Dolly (2018) Pengenalan Angka Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan. ILKOM Jurnal Ilmiah, 10 (2). pp. 201-206. ISSN 25487779

	Text (FILE JURNAL) Jurnal_Pengenalan Angka Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan.pdf Download (468kB)
	Text (PEER REVIEW) Peer Reviewer_Pengenalan Angka Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan.pdf Download (1MB)
	Text (SIMILARITY) Similarity_Pengenalan Angka Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan.pdf Download (1MB)

Abstract

Perkembangan teknologi saat ini memacu penerapan pengenalan pola dalam berbagai bidang, seperti pengenalan pola tanda tangan, sidik jari, wajah, dan tulisan tangan. Tulisan tangan manusia memiliki perbedaan antara satu dengan yang lainnya dan sering terjadi tulisan tangan susah terbaca atau susah dikenali dan hal ini dapat menghambat aktivitas sehari-hari, misalnya aktivitas transaksi yang memerlukan tulisan tangan. Bahkan salah satu ciri biometrik pada setiap orang adalah tulisan tangan. Salah satu metode yang dapat digunakan untuk mengenali pola tulisan tangan dalam bidang ilmu komputer adalah jaringan syaraf tiruan (JST) dengan algoritma pembelajaran adalah backpropagation. Jaringan syaraf tiruan mampu mengenali sesuatu dengan berbasis masa lalu. Artinya data masa lalu akan dipelajari sehingga mampu memberi keputusan terhadap data baru. Untuk mengenali pola tulisan tangan menggunakan jaringan syaraf tiruan, maka ciri-ciri dari objek tulisan tangan diekstrak menggunakan moment invariant. Hasil pelatihan menggunakan jaringan syaraf tiruan menunjukkan bahwa nilai koefisien korelasi didapatkan pada jumlah neuron hidden layer sebesar 30. Nilai koefisien korelasi tertinggi sebesar 0,61382. Hasil pengujian pada data uji didapatkan tingkat akurasi sebesar 11,67% dari total data uji. Kata kunci: pola tulisan tangan, jaringan syaraf tiruan, angka, moment invariant Current technological developments spur the application of pattern recognition in various fields, such as the introduction of signature patterns, fingerprints, faces, and handwriting. Human handwriting has differences between one another and often handwriting is difficult to read or difficult to recognize and this can hamper daily activities, such as transaction activities that require handwriting. Even one of the biometric features of everyone is handwriting. One method that can be used to recognize handwriting patterns in the field of computer science is artificial neural networks (ANN) with the learning algorithm is backpropagation. Artificial neural networks are able to recognize something based on the past. This means that past data will be studied so as to be able to make decisions on new data. To recognize handwriting patterns using artificial neural networks, the characteristics of handwritten objects are extracted using an invariant moment. The results of training using artificial neural networks indicate that the correlation coefficient value is obtained on the number of hidden layer neurons by 30. The highest correlation coefficient value is 0.61382. The test results on the test data obtained an accuracy rate of 11.67% of the total test data. Keywords: handwriting pattern, artificial neural networks, numbers, moment invariant

Item Type:	Article
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	FAKULTAS ILMU KOMPUTER > TEKNIK INFORMATIKA
Depositing User:	Unnamed user with email admin@umi.ac.id
Date Deposited:	12 Apr 2021 05:00
Last Modified:	12 Apr 2021 05:00
URI:	http://repository.umi.ac.id/id/eprint/259

Actions (login required)

View Item