68
ABSTRAK
Jaringan syaraf tiruan adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Jaringan syaraf tiruan dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi. Prinsip jaringan syaraf tiruan ini meniru cara kerja sistem syaraf otak manusia. Pengenalan pola merupakan salah satu fungsi dari pemanfaatan jaringan saraf tiruan, dimana suatu obyek dikenali polanya sehingga nantinya dapat membantu proses pengenalan dari suatu obyek yang polanya mengalami kerusakan. Metode Bidirectional Associative Memory merupakan arsitektur neural Network yang dapat mengenali pola baik dengan data yang tidak lengkap atau dengan Noise. Proses kerja pada penelitian ini dimulai dengan memproses citra foto terlebih dahulu yang diambil dengan kamera kemudian diproses untuk memperoleh piksel dari foto dengan nilai 1 dan -1. Tahap selanjutnya nilai piksel dari foto tersebut dijadikan inputan bagi jaringan syaraf tiruan. Akhir dari proses ini akan menghasilkan matriks weight yang akan dijadikan sebagai tolak ukur untuk pengujian pengenalan pola wajah. Penelitian ini memiliki tiga pengujian, pertama pengujian terhadap data pengujian pola wajah yang telah dilatih diperoleh tingkat pengenalan sebesar 100%, kedua pengujian terhadap data pengujian pola wajah yang baru diambil dengan kamera yang memiliki tingkat pengenalan sebesar 70%, ketiga pengujian pola wajah yang telah diberi noise yang memiliki tingkat pengenalan mencapai 80%. Kesimpulan yang diperoleh dari penelitian ini adalah metode Bidirectional Associative Memory sangat tahan terhadap noise.
Katakunci: Jaringan Syaraf Tiruan, Bidirectional Associative Memory, Pola Wajah.
69
IMPLEMENTATION OF NEURAL NETWORK BIDIRECTIONAL ASSOCITIVE MEMORY METHOD FOR FACIAL PATTERN
RECOGNITION
ABSTRACT
Artificial neural networks are information processing systems that have characteristics similar to biological neural networks. Neural network was formed as a generalization of mathematical models of biological neural networks. Principles of artificial neural networks mimic the way the human brain nerve system working. Pattern recognition is one of the functions of utilization of artificial neural networks, where an object known pattern until the program could help the identification of the pattern of an object that had errors. Methods of Bidirectional Associative Memory Neural Network architecture that is able to recognize a good pattern with incomplete data or with Noise. Working on this research process begins by processing images first image taken by the camera are then processed to obtain images with pixels of value 1 and -1. The next phase of the pixel values of the image is used as input for the neural network. End of this process will produce a weight matrix that will be used as a benchmark for testing the facial pattern recognition. This study has three tests, the first test against test data that has been trained facial pattern obtained recognition rate of 100%, the second test against test data patterns are new faces taken with a camera that has a recognition rate of 70%, a third test that has been given a face pattern noise which has a recognition rate reached 80%. Conclusion of this research is the Bidirectional Associative Memory is very resistant to noise.
