APLIKASI GRAFOLOGI MENGGUNAKAN ALGORITMA
JARINGAN SARAF TIRUAN BACKPROPAGATION
Arwin Halim, Humuntal Rumapea, Deny Saputra G, Sutan Chairul Hasbi L
1
Program Studi Teknik Informatika, STMIK Mikroskil Medan Jl. Thamrin No. 112, 124, 140 Medan, Sumatera Utara
arwin@mikroskil.ac.id, hrumapea16@yahoo.com, manik.ginting@yahoo.com, hasby_sutan@yahoo.com
Abstrak
Grafologi merupakan salah satu cabang ilmu psikologi yang mempelajari tentang karakter / sifat seorang manusia melalui pola tulisan tangannya. Dalam menganalisa tulisan tangan, seorang grafolog (ahli grafologi) membutuhkan waktu yang relatif lama. Sehingga pekerjaan ini dapat diefisienkan dengan membangun suatu aplikasi grafologi menggunakan kecerdasan buatan (Artificial Intelligence). Backpropagation merupakan algoritma Jaringan Saraf Tiruan (JST) yang digunakan untuk pengenalan pola pada citra digital. Algoritma
backpropagation akan menentukan nilai bobot - bobot pada proses pelatihan kemudian disimpan ke dalam
database. Nilai bobot tersebut akan digunakan pada proses pengujian. Sebelum informasi citra diproses oleh algortima maka terlebih dahulu dilakukan proses noise filtering, binerisasi, cropping, dan resizing sehingga akan dihasilkan citra pola untuk masing - masing huruf. Setiap citra huruf akan dilakukan ekstraksi pola (feature extraction) yang menghasilkan 100 bit data dan akan dilatih dengan menggunakan algortima
backpropagation. JST bakcpropagation dilatih dengan menggunakan 170 citra huruf dari 7 abjad yaitu a, g, i, j, o, t, dan y dengan kategori huruf yang berbeda dan diuji dengan 255 citra huruf yang terdiri atas 170 huruf data latih / data set dan 85 huruf di luar data set, 5 kata dan 2 kalimat dengan panjang tulisan dan jenis tulisan yang berbeda.
Kata kunci : Grafologi, Jaringan Saraf Tiruan, Backpropagation
1. Pendahuluan
Teknik identifikasi biometrik didasarkan pada karakteristik alami manusia, yaitu karakteristik fisiologis dan karakteristik perilaku seperti wajah, sidik jari, suara, telapak tangan, iris mata, retina mata, DNA, dan tulisan tangan. Pola tulisan tangan yang ditulis oleh setiap orang memiliki keunikan tersendiri. Saat seseorang menulis dengan gerakan tangan, orang tersebut didorong oleh alam bawah sadarnya, sehingga sangat sulit bagi seseorang untuk menulis sama persis dengan tulisan yang dibuat oleh orang lain. Ilmu yang mempelajari karakter seseorang dengan cara menganalisa tulisan tangannya disebut grafologi.
Menurut penelitian Nugroho [1], keakuratan dari hasil analisa grafologi terhadap karakteristik seseorang mencapai 80% - 90%. Untuk menganalisa tulisan tangan seseorang dibutuhkan seorang ahli grafologi (grafolog). Dalam pekerjaannya, seorang grafolog membutuhkan waktu yang relatif lama untuk menganalisa tulisan tangan seseorang. Hal ini dikarenakan grafolog harus menganalisis tulisan seseorang dengan teliti berdasarkan ukuran huruf, kategori setiap huruf dengan kombinasi huruf yang berbeda-beda pada setiap huruf, kata dan kalimat. Kesalahan pada analisis huruf yang diakibatkan oleh human-error
dari grafolog dapat berakibat pada kesalahan hasil
analisis grafologi mengenai karakteristik sifat seseorang. Oleh karena itu, diperlukan sebuah aplikasi yang mampu menganalisa pola tulisan berdasarkan ukuran huruf dan kategori huruf yang dapat digunakan untuk mendeteksi karakteristik sifat seseorang berdasarkan tulisan tangan tersebut. Huruf pada tulisan tangan yang dianalisis dapat berupa satu huruf (karakter), satu kata atau sebuah kalimat.
Proses pengenalan pola huruf pada tulisan tangan dapat dianalisis dengan menggunakan kecerdasan buatan. Hasil tulisan tangan pada kertas di-scan terlebih dahulu untuk diolah menjadi suatu citra digital. Setiap citra huruf dilakukan proses ekstraksi pola (feature extraction) dan hasil ekstraksi pola akan dilatih dan dapat dikenali dengan menggunakan jaringan saraf tiruan. Salah satu algoritma dalam JST yang dapat digunakan untuk pengenalan pola adalah
orang berdasarkan tulisan tangan dapat dilakukan melalui kalimat yang dituliskan.
2. Kajian Pustaka
2.1 Citra
Citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat optik berupa foto, analog berupa sinyal video seperti gambar pada monitor televisi dan digital yang dapat langsung disimpan pada suatu pita magnetik [2].
2.2 Grafologi
Secara etimologis, kata grafologi berasal dari bahasa yunani, yaitu “grapho” yang berarti menulis, dan “logos” yang berarti sebuah cabang studi ilmiah. Sehingga grafologi dapat diartikan sebagai suatu cabang ilmu yang mempelajari dan menganalisis tulisan tangan yang secara khusus berkaitan dengan psikologis manusia [3]. Tulisan tangan yang dapat dianalisis dalam grafologi antara lain ukuran (besar dan kecil) tulisan dan kategori huruf [1,4,5].
a. Ukuran Huruf
Ukuran merupakan cerminan dari konsentrasi dan keterbukaan seseorang. Berikut adalah penganalisaan berdasarkan ukuran huruf : 1. Ukuran Huruf Besar. Ukuran huruf besar
menunjukkan seseorang memerlukan pengakuan dari orang lain. Orang ini senang untuk diperhatikan dan dipuji. 2. Ukuran Huruf Kecil. Jika seseorang
menulis dengan ukuran huruf kecil, berarti orang itu memiliki konsentrasi yang baik dalam rentang waktu yang panjang terhadap suatu hal. Individu dengan ukuran huruf kecil biasanya menempatkan diri dibawah kontrol yang ketat dan mampu menyelesaikan pekerjaannya dengan baik.
3. Ukuran Huruf Normal. Apabila tulisan seseorang berukuran normal maka kepribadiannya dianggap stabil.
b. Kategori Huruf
1. Huruf “i”
- Huruf “i” dengan titik berada disebelah kanan. Menunjukkan perhatian yang fokus ke masa depan.
- Huruf “i” dengan titik berada di sebelah kiri. Menunjukkan fokus perhatian pada masa lalu dan membutuhkan waktu dalam berproses dan berpikir.
- Huruf “i” dengan titik berada tepat di atas batang. Menunjukkan fokus penulis pada kondisi yang sekarang sedang dijalani dan memiliki pribadi yang stabil dan sabar. 2. Huruf “a”
- Huruf “a” terbuka di atas. Seorang yang fasih dalam berbicara, bahkan kadang kala berbicara tanpa terlebih dahulu berpikir apa yang akan dibicarakan, dermawan, jujur dan tulus.
- Huruf “a” tertutup rapat. Mengindikasikan seseorang yang tertutup dalam hal yang berhubungan dengan perasaan. Individu ini akan jujur dan terus terang jika ditanya mengenai pendapatnya.
- Huruf “a” balok. Mengindikasikan
individu yang termasuk kedalam golongan yang menyukai bidang seni, musik, budaya dan sastra.
3. Huruf “t”
- t-bar naik ke atas. Menunjukkan individu yang optimis, dinamis, dan termotivasi. Selain itu menggambarkan pribadi yang bersemangat, percaya diri, dan antusias. - t-barHorizontal. Menunjukkan individu
yang tenang, dapat mengendalikan diri dalam berfikir dan bertindak.
- t-barMenurun. Menunjukkan individu yang suka bergantung pada orang lain, mudah putus asa dan pasrah, serta kurang termotivasi
4. Huruf “o”
- Huruf “o” tertutup. Mengindikasikan
seseorang yang terkadang suka memotong Pembicaraan.
- Huruf “o” tidak tertutup penuh / terbuka. Mengindikasikan seseorang yang suka berkata bohong
5. Huruf “j”
- Huruf “j” dengan loop. Mencerminkan
pribadi yang punya keinginan, pasti terwujud dan apabila meraih keingin- annya memerlukan waktu yang lama, maka akan menjadi beban pikirannya (Kekuatan motivasi untuk meraih "sukses").
- Huruf “j” tanpa titik. Menunjukkan penulis adalah seorang yang pelupa.
6. Huruf “g”
- Huruf “g” dengan loop. Mencerminkan
pribadi yang punya keinginan, pasti terwujud dan apabila meraih keingin- annya memerlukan waktu yang lama, maka akan menjadi beban pikirannya (Kekuatan motivasi untuk meraih "sukses").
- Huruf “g” garis lurus. Menunjukkan
individu yang mandiri dan percaya diri.
7. Huruf “y”
- Huruf “y” dengan loop. Mencerminkan
annya memerlukan waktu yang lama, maka akan menjadi beban pikirannya (Kekuatan motivasi untuk meraih "sukses").
- Huruf “y” garis lurus. Menunjukkan
penulis yang berkepribadian mandiri dan materialism.
2.3 Jaringan Saraf Tiruan
Jaringan Saraf Tiruan (JST) merupakan suatu sistem pemrosesan informasi yang memiliki karakteristik - karakteristik menyerupai jaringan saraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan saraf biologi, dengan asumsi bahwa [6] :
1. Pengolahan informasi terdiri dari elemen - elemen sederhana yang disebut neuron / simpul.
2. Setiap simpul tersebut berfungsi untuk menerima atau mengirim sinyal dari atau ke simpul - simpul lainnya melalui hubungan koneksi.
3. Tiap hubungan koneksi mempunyai nilai bobot sendiri. Nilai bobot ini menyediakan informasi yang akan digunakan oleh jaringan untuk memecahkan masalah.
4. Tiap simpul mempergunakan fungsi aktivasi terhadap input yang diterimanya untuk menentukan sinyal keluaran.
2.4 Algoritma Backpropagation
Backpropagation merupakan suatu teknik pembelajaran atau pelatihan yang paling banyak digunakan dalam menangani masalah pengenalan pola - pola kompleks. Ketika jaringan diberikan pola masukan sebagai pola pelatihan, maka pola tersebut menuju unit - unit lapisan tersembunyi untuk selanjutnya diteruskan pada unit - unit di lapisan keluaran. Kemudian unit - unit lapisan keluaran akan memberikan respon sebagai keluaran JST. Saat hasil keluaran tidak sesuai dengan yang diharapkan, maka keluaran akan disebarkan mundur (backward) pada lapisan tersembunyi kemudian dari lapisan tersembunyi menuju lapisan masukan [6].
Kemapuan komputasi dari backpropagation sebagai pola universal dikembangkan menjadi 3 kelompok lapisan perceptron:
1. Lapisan input, yang terdiri dari 1 hingga n unit input.
2. Lapisan tersembunyi (minimal 1 buah), yang terdiri dari 1 hingga p unit tersembunyi. 3. Lapisan output, yang terdiri dari 1 hingga n
unit output.
Gambar 1 menunjukkan contoh arsitektur backpropagation dengan 3 unit masukan X1, Xi, Xn, 3 unit layer tersembunyi Z1, Zj, Zp dan 2 unit keluaran Y1, Yk, Ym
Gambar 1. Arsitektur Backpropagation
Algoritma Pelatihan Backpropagation meliputi 3 fase, antara lain:
1. Tahap umpan maju (feedforward)
Pola masukan dihitung maju mulai dari layar masukan hingga layar keluaran menggunakan fungsi aktivasi yang ditentukan.
2. Tahap umpan mundur (backpropagation) Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unit - unit di layar keluaran 3. Tahap pengupdatean bobot dan bias.
Pada fase ini dilakukan modifikasi bobot untuk menurunkan kesalahan yang terjadi. Ketiga fase tersebut diulang - ulang terus hingga kondisi penghentian dipenuhi.
3. Metode Penelitian
Tahapan pengembangan aplikasi grafologi dengan algoritma backpropagation adalah: 1. Pengumpulan data
Data yang dikumpulkan dalam penelitian berupa data tulisan tangan dalam bentuk sampel huruf, kata dan kalimat. Setiap data akan digitalisasi untuk dijadikan sebagai data training dan data testing.
2. Analisis
Pada tahapan ini dilakukan kajian terhadap semua teori dan penelitian lain yang mendukung untuk pengembangan aplikasi grafologi yang dilakukan. Tahapan ini mencakup analisis proses pengenalan grafologi dengan algoritma backpropagation. 3. Desain dan implementasi
Pada tahapan ini dilakukan pengembangan sistem berdasarkan hasil analisis yang telah dilakukan sebelumnya.
4. Pengujian dan hasil
Pada tahapan ini dilakukan pengujian terhadap aplikasi yang telah dikembangkan untuk mengetahui keakuratan aplikasi grafologi dengan algoritma backpropagation.
Metode noise filtering yang digunakan dalam aplikasi ini yaitu metode pixel neighborhood. Pixel neighborhood merupakan istilah dalam image processing yang artinya pixel tetangga. 2. Proses Binerisasi
Hasil dari proses noise filtering menyebabkan citra menjadi kabur, sehingga dilakukan proses binerisasi agar informasi pixel pada citra menjadi jelas kembali. Untuk menjalankan proses binerisasi dilakukan proses grayscale terlebih dahulu
3. Proses Croping (segmentasi karakter) Proses croping dilakukan untuk memisahkan setiap pola huruf yang ada di dalam citra menjadi citra huruf yang baru. Untuk menentukan posisi dari huruf yang akan di crooping, maka akan dilakukan 2 tahapan yaitu penelusuran secara vertikal dan penelusuran secara horizontal.
4. Proses resizing
Masing - masing citra huruf yang baru akan melalui proses resizing. Proses resizing dilakukan dengan mengubah ukuran setiap citra huruf menjadi ukuran 10 x 10 pixel. 5. Proses ekstraksi pola
Proses ekstraksi pola bertujuan untuk mengubah nilai dari setiap pixel menjadi 0 atau 1. Ekstraksi pola untuk masing - masing citra huruf menghasilkan 100 bit data dan akan dipakai pada proses pelatihan dan proses pengujian.
6. Algoritma backpropagation
Aloritma backpropagation mempunyai dua tahapan yaitu proses pelatihan dan proses pengujian. Sebelum melakukan proses pengujian harus dilakukan proses pelatihan terlebih dahulu. Pada proses pelatihan, semua data pola yang telah disimpan kedalam data set akan dilatih secara bersamaan. Pada proses pengujian, semua pola yang telah disimpan di dalam database akan diambil kembali dan dihitung dengan nilai input dari data yang diuji.
4. Hasil dan Pengujian
Perangkat lunak dirancang menggunakan Microsoft Visual Basic 2008 dan SQL Server 2008 R2 digunakan sebagai basis data (database) serta DotNetBar, sebagai tools tambahan untuk mendesain antarmuka aplikasi.
4.1 Hasil
Tampilan form pelatihan aplikasi grafologi dapat dilihat pada Gambar 2. Pada penelitian ini, aplikasi telah melakukan proses pelatihan untuk 170 huruf dari 17 kategori, dimana setiap kategori terdiri dari 10 huruf. Setiap huruf yang dilatih
digunakan untuk mendapatkan hasil analisis grafologi seperti yang telah dijelaskan pada Bagian 2.2.
Gambar 2. Tampilan Proses Pelatihan Aplikasi Grafologi dengan Algoritma Backpropagation
Tampilan form pengujian aplikasi grafologi dapat dilihat pada Gambar 3.
Gambar 3. Tampilan Proses Pengujian Aplikasi Grafologi dengan Algoritma
Backpropagation
4.2 Pengujian
4.2.1 Pengujian Per-Huruf
Tabel 1 menunjukkan hasil pengujian per huruf citra tulisan tangan terhadap 255 citra huruf yang terdiri dari 170 data set dan 85 huruf (diluar data set) dari 17 kategori dengan masing – masing kategori sebanyak 5 huruf.
Tabel 1. Hasil Pengujian Per-Huruf
Huruf Dataset Diluar
Test (data-train)
Test (data diluar)
A 30 15 100% 73%
G 20 10 95% 70%
I 30 15 93% 80%
J 20 10 80% 70%
O 20 10 95% 80%
T 30 15 90% 73%
Y 20 10 90% 70%
Rata-rata 92% 74%
4.2.2 Pengujian Per-Kata
Tabel 2 menunjukkan hasil pengujian per kata berdasarkan hasil citra tulisan tangan terhadap 5 sample kata yang berbeda.
Tabel 2. Hasil Pengujian Per-Kata
No Kata Huruf yang
diamati Overall
1
60 % 67 %
2
75 % 85 %
3 67 % 85 %
4 75 % 83 %
5 67% 85%
Rata-rata 68,8% 81%
Dari data pengujian per-kata secara keseluruhan data (5 data uji) dapat disimpulkan bahwa nilai keakuratan aplikasi grafologi menggunakan algoritma jaringan saraf tiruan backpropagation berdasarkan huruf yang diamati mencapai 68.8 % dan secara keseluruhan mencapai 81 %.
4.2.3 Pengujian Per-Kalimat
Data pengujian per-kalimat berupa dua sampel tulisan dengan jenis dan panjang kalimat yang berbeda dapat dilihat pada Gambar 4.
Gambar 4. Dua Data Sampel Pengujian Per-Kalimat
Tabel 3 menunjukkan hasil pengujian per kalimat berdasarkan hasil citra tulisan tangan terhadap dua sample pada Gambar 4.
Tabel 3. Hasil Pengujian Per-Kalimat No Kalimat Huruf yang
diamati Overall 1 Saya membuat
laporan 62.5% 83%
2 Analisa tulisan
tangan 73% 85%
Rata-rata 67.75% 84%
Dari data pengujian per-kalimat secara keseluruhan data (2 data uji) dapat disimpulkan bahwa nilai keakuratan aplikasi grafologi menggunakan algoritma jaringan saraf tiruan
backpropagation berdasarkan huruf yang diamati mencapai 67.75 % dan secara keseluruhan mencapai 84 %.
5. Kesimpulan
Beberapa kesimpulan yang dapat ditarik dari hasil pengujian yang telah dilakukan antara lain: 1. Aplikasi grafologi menggunakan JST
Backpropagation mampu mengenali pola ukuran huruf dan kategori huruf ’i’,’a’,’t’,’o’,’j’,’g’,’y’ serta pola hurufnya, yang dapat digunakan untuk mendeteksi karakteristik seseorang.
2. Adanya tingkat kemiripan pola antara huruf yang satu dengan yang lain seperti: i titik di tengah dengan i titik di kiri dan kanan, a terbuka dengan a tertutup, o terbuka dengan u, t-bar mendatar dengan t¬-bar naik dan turun, serta huruf l dengan i, menyebabkan aplikasi grafolog sulit untuk membedakan pola hurufnya.
3. Hasil pengujian aplikasi grafolog dengan algoritma JST Backpropagation yang dibangun, mampu mendeteksi huruf untuk analisis grafologi dengan rata-rata keakuratan sebesar 74% huruf, 68% per-kata dan 67% per-kalimat untuk huruf yang berada didalam dan diluar dataset pelatihan. Daftar Pustaka
[1] Nugroho, Kartiko., 2012, 1 Jam Belajar Grafologi, Semarang, Effhar Offset.
[2] Munir, R., 2004, Pengolahan Citra Digital, Informatika, Bandung.
[3] Achsinfina., 2008, Menguak Rahasia Tulisan Tangan, Jakarta, Puspa Populer. [4] Shofiyati Nur Karimah., 2012,
Pengembangan Prototipe Aplikasi Grafologi Terkomputerisasi Menggunakan Algoritma Jaringan Saraf Tiruan Propagasi, Yogyakarta, Teknik Informatika/S1, STMIK AMIKOM.
[5] Amanda Karatika Hubeis, 2012, Analisis Grafologi Berdasarkan Huruf a Dan t Menggunakan Algoritme K-Nearst Neighbor, Bogor, Matematika Dan Ilmu Pengetahuan Alam/S1, Institut Pertanian Bogor.
