SIMULASI PENGENALAN KARAKTER MENGGUNAKAN NEURAL NETWORK PADA MATLAB

Main Article Content

Adi Sadli

Abstract

Saat ini hampr semua aspek kehidupan telah tersentuh dengan komputerisasi. Salah satunya adalah bagaimana suatu sistem komputer bisa mengenali atau membaca karakter tertentu dari suatu citra digital. Misalnya saja bagaimana komputer bisa mengenali wajah seseorang atau menentukan tulisan tangan seseorang, mendiagnosa suatu penyakit dan lain-lain. Pengenalan pola (pattern recognition) merupakan salah satu cabang ilmu komputer yang dapat diartikan sebagai pengumpulan data-data mentah untuk dapat diklasifikasikan dengan maksud dan tujuan tertentu. Pengenalan pola ini bersifat conceptually driven processing yang berarti bahwa proses dimulai dari pembentukan konsep pada objek yang dijumpai (informasi dari memori).
Beberapa metode yang bisa digunakan untuk pengenalan pola adalah Jaringan Saraf Tiruan (JST), Metode Statistik, Metode Terstruktur dan lain sebagainya. Dengan JST, menganalogikan cara berfikir pada otak manusia. Jadi, informasi di proses sebagaimana otak manusia memproses sebuah informasi yang di dapat. Misalnya cara pengenalan wajah pada manusia. Sedangkan metode statistik berdasarkan hasil analisa yang sudah terkumpul. Misalnya pengenalan dan analisa penyakit pada manusia. Backpropagation Neural Network (BNN) mungkin adalah metode jaringan saraf tiruan yang paling banyak digunakan untuk pengenalan pola tertentu seperti tulisan tangan. Adapun Wavelet pada awalnya, transformasi wavelet digunakan untuk menganalisis sinyal bergerak (non-stationary signals). Sinyal bergerak ini dianalisis dalam transformasi wavelet dengan menggunakan teknik multi-resolution analysis. Secara umum teknik multi-resolution analysis adalah teknik yang digunakan untuk menganalisis frekuensi dengan cara frekuensi yang berbeda dianalisis menggunakan resolusi yang berbeda.
Penggunaan MATLAB Neural NetworkToolbox dalam sistem ini adalah merupakan teknik yang dipakai untuk memperoleh kesesuaian data antara data gambar masukan(input) dan data keluarannya (output) setelah melakukan beberapa pengujian (Train)

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1]. Gonzales, Rafael C and Woods. 1992. Digital Image Processing. Addison-Wesley Publishing Company.
[2]. Munir, Rinaldi. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Penerbit Informatika. 2004
[3]. Suryarini (repository. gunadarma.ac. id : 8000 / Image Processing_Suryarini_Widodo(6) 253_258_780.pdf)
[4]. Murti, Aniarti, DR.2004. Segmentasi Citra, http://www.cs.ui.ac.id/WebKuliah/citra/2004/segmentasi.ppt. 20 April 2011
[5]. Haykin. S. 2009. Nueral Networks and Learning Machines. United State of America: Pearson.
[6]. Puspitaningrum, Diyah. 2006. Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi.
[7]. Siang, JJ. 2004. Aplikasi Jaringan Syaraf Tiruan dan Pemrograman Menggunakan MATLAB. Yogyakarta: Andi.
[8]. Sugiyono, Statistik Untuk Penelitian, Bandung, Jawa barat: Alfabeta, 2011
[9]. Mathwork, http://www.mathworks.com/help/ deeplearning/ref/train.html; jsessionid=ed607c9948d33138261f503d581d