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
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
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
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
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.
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%.
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%.
3.1.1 Akuisisi Citra 20 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
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
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
