PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA
MENGGUNAKAN JARINGAN SARAF TIRUAN
BACKPROPAGATION
SKRIPSI
SEPTI HAYANTI
091402013
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA
MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
SEPTI HAYANTI
091402013
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
PERSETUJUAN
Judul : PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION
Kategori : SKRIPSI
Nama : SEPTI HAYANTI Nomor Induk Mahasiswa : 091402013
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 02 April 2014 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sajadin Sembiring, S.Si,M.Comp.Sc Dr. Erna Buhiarti Nababan, M.IT NIDN : 01230373002 NIDN : 9901114784
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
Prof. Dr. Opim Salim Sitompul, M.Sc. NIP 196108171987011001
PERNYATAAN
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 02 April 2014
Septi Hayanti 091402013
PENGHARGAAN
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penuli dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
terima kasih penulis sampaikan kepada Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing satu dan Bapak Sajadin Sembiring, S.Si.M.Comp.Sc. selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak M. Fadly Syahputra, B.Sc.M.Sc.IT dan Bapak Dani Gunawan, ST.MT. yang telah bersedia menjadi dosen penguji. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr. Opim Salim Sitompul, M.Sc. dan Drs. Sawaluddin, M.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
Skripsi ini terutama penulis persembahkan untuk kedua orang tua dan keluarga penulis yang telah memberikan dukungan dan motivasi, ayahanda Maryanto dan ibunda Tikem yang selalu sabar dalam mendidik penulis. Untuk abang penulis Nazaruddin, Jarwito dan kakak penulis Suparni, Jarmila, Nurhasana yang selalu memberikan dorongan kepada penulis. Terima kasih penulis ucapkan kepada teman-teman yang selalu memberikan dukungan, Bang Putra, Kak Mega, Kak Mutia, Zulham, Syarah, Yunita, Devi, Yayuk, Yuli, Rian, Rozi, Buyung, Upik, Julianna, Zizi, Bagus, Ari, Nurul, Amira serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT membalas kebaikan kalian.
ABSTRAK
Pengenalan tulisan tangan telah lama diidentifikasikan sebagai permasalahan yang sulit dipecahkan oleh komputer karena karakteristik tulisan tangan setiap orang berbeda-beda. Pada penelitian ini, jaringan saraf tiruan backpropagation digunakan dalam mengenali tulisan tangan aksara Batak Toba melalui beberapa tahap pra proses meliputi binarization, memorization dan thinning, tahap selanjutnya adalah ekstraksi fitur menggunakan kombinasi metode zoning dan diagonal based feature extraction. Kedua metode ini sama-sama membagi data sampel menjadi NxM zona dan menghitung nilai fitur dari setiap zona tersebut. Data sampel dibagi menjadi 6x9 zona, yaitu 54 zona dengan ukuran masing-masing zona adalah 10x10 piksel. Metode zoning menghitung jumlah piksel hitam setiap zona dan melakukan perbandingan terhadap zona yang memiliki jumlah piksel hitam paling banyak. Metode diagonal based feature extraction menghitung nilai rata-rata histogram diagonal setiap zona. Selain itu juga dihitung rata-rata nilai zona setiap baris dan kolom. Berdasarkan ekstraksi fitur tersebut didapatkan 123 nilai fitur, yaitu 54 dari metode zoning dan 69 dari metode diagonal based feature extraction. Nilai fitur tersebut dijadikan masukan untuk proses klasifikasi menggunakan jaringan backpropagation. Pada penelitian ini digunakan 114 data untuk pelatihan dan 76 data untuk pengujian. Dari pengujian yang dilakukan diperoleh tingkat pengenalan menggunakan jaringan saraf tiruan backpropagation dengan kombinasi dua metode fitur ekstraksi adalah 87,19%.
Kata kunci : jaringan saraf tiruan, backpropagation, diagonal based feature extraction, zoning, tulisan tangan, aksara Batak Toba.
HAND-WRITING RECOGNITION IN BATAK TOBA SCRIPT USING BACKPROPAGATION NEURAL NETWORK
ABSTRACT
Hand-writing recognition had been identified as a complicated problem to solve by computation that is because every single person has different characteristic of writing. In this research, backpropagation of neural network been used to recognize in hand-writing of Batak Toba script by certain phases of preprocessing including binarization, memorization and thinning, feature extraction to the next phase using the combination of zoning method and diagonal based feature extraction. Both of these methods worked together to devide sample data into NxM zone and compute a feature value for each zone. Sample data is divided into 6x9 zone which is amount to 54 zones with each zone has 10x10 pixel size. Zoning method computed the amount for black pixel in each zone and collated zones that have the most quantity of black pixel. On the other hand, the diagonal based feature extraction method computed an average value for diagonal histogram in each zone and also computed average value for each rows and colomns. Based on the extraction feature that had been done, we gained 123 feature values, that is 54 for the zoning method and 69 for the diagonal based feature extraction method. Those feature values became input for classification process using backpropagation network. On this research, had 114 training data and 76 testing data that been used. Based on the research that been done, we result recognition level using backpropagation neural network with a combination of two feature extractions is 87.19%.
Keywords: Neural network, Backpropagation, diagonal based feature extraction, zoning, hand-writing, Batak Toba Script.
DAFTAR ISI Halaman PERSETUJUAN iii PERNYATAAN iv PENGHARGAAN v ABSTRAK vi ABSTRAC vii
DAFTAR ISI viii
DAFTAR TABEL x
DAFTAR GAMBAR xii
BAB 1 PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 2 1.5 Manfaat Penelitian 3 1.6 Metodologi Penelitian 3 1.7 Sistematika Penulisan 4
BAB 2 LANDASAN TEORI 5
2.1 Aksara Batak 5
2.1.1 Ina Ni Surat 5
2.2 Citra 5
2.3 Pengolahan Citra (Image Processing) 7
2.3.1 Binarization 8
2.3.3 Normalization 8
2.3.4 Thinning 8
2.4 Ekstraksi Fitur 9
2.4.1 Zoning 10
2.4.2 Diagonal Based Feature Extraction 10 2.5 Jaringan Saraf Tiruan 11 2.5.1 Komponen Jaringan Saraf Tiruan 12 2.6 Algoritma backpropogation 12
2.6.1 Fungsi Aktivasi 16
2.6.1.1 Fungsi Sigmoid Biner 16 2.6.2 Inisialisasi Bobot dan Bias 17
ix
3.1.1 Akuisisi Citra 20 3.1.2 Prapengolahan Citra 21 3.1.2.1 Pembentukan Matriks Biner (Binarization) 22 3.1.2.2 Normalization 23 3.1.2.3 Pengurusan Objek Citra (Thinning) 23 3.2 Tahap Ekstraksi Fitur 24 3.2.1 Metode Ekstraksi Zoning 25 3.2.2 Metode Ekstraksi Diagonal Based Feature Extraction 27 3.2.3 Penggabungan nilai fitur 29 3.3 Tahap Setelah Ekstraksi Fitur 29 3.3.1 Perancangan Jaringan Backpropogation 29 3.3.2 Proses Pelatihan 32 3.3.3 Proses Pengujian 32 BAB 4 IMPLEMENTASI DAN PENGUJIAN 33
4.1 Implementasi 33
4.2 Spesifikasi Perangkat Keras dan Perangkat Lunak yang Digunakan 33 4.3 Tampilan Implementasi Program 34 4.3.1 Hasil Pelatihan Jaringan Saraf Tiruan 35 4.3.2 Hasil Pengujian Jaringan Saraf Tiruan 42
BAB 5 KESIMPULAN DAN SARAN 46
5.1 Kesimpulan 46
5.2 Saran 46
DAFTAR PUSTAKA 47 LAMPIRAN A : DATA SAMPEL 49
LAMPIRAN PROGRAM 57
DAFTAR TABEL
Halaman
Tabel 2.1 Huruf-huruf ina ni surat dan variannya 6 Tabel 2.2 Ekstraksi fitur pada representasi citra yang berbeda 9
Tabel 2.3 Penelitian Terdahulu 19
Tabel 3.1 Nilai keluaran dan target keluaran jaringan 30 Tabel 4.1 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation 36 Tabel 4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation 42
DAFTAR GAMBAR
Halaman Gambar 2.1 Huruf-huruf Ina ni surat (Font tradisional) 6 Gambar 2.4 Pembagian zona pada citra biner 10 Gambar 2.5 Karakter ukuran 60x90 piksel 11 Gambar 2.6 Pembagian zona ekstraksi fitur 11 Gambar 2.7 Diagonal histogram setiap zona 11 Gambar 2.8 Jaringan propagasi balik dengan satu buah lapisan tersembunyi 13 Gambar 2.9 Fungsi Sigmoid Biner Dengan Rentang (0,1) 17 Gambar 3.1 skema dasar pengenalan tulisan tangan aksara Batak Toba 20
Gambar 3.2 tinta warna hitam 21
Gambar 3.3 Tahapan Prapengolahan Citra 22 Gambar 3.4 Flowchat pembentukan matriks biner 22 Gambar 3.5 Citra hasil normalisasi 23 Gambar 3.6 Citra hasil thinning 23 Gambar 3.7 Matrik penyimpanan nilai fitur 24 Gambar 3.8 Pembagian zona menjadi 6 kolom dan 9 baris 24 Gambar 3.9 Diagram ekstraksi fitur 25 Gambar 3.10 Flowchart ekstraksi fitur zoning 26 Gambar 3.11 Histogram diagonal zona 27 Gambar 3.12 Flowchart ekstraksi diagonal based feature extraction 28 Gambar 3.13 Matrik penyimpanan nilai fitur 29 Gambar 3.14 Arsitektur jaringan saraf tiruan 31 Gambar 4.1. Input citra pengujian 34 Gambar 4.2. Proses pencocokan gambar 34 Gambar 4.3. Hasil pencocokan ukuran gambar 35 Gambar 4.4. Output pengujian gambar 35
