ABSTRACT Neocognitron is an artificial neural network that capable of 2-D visual pattern recognition. This final project is to evaluate the development of software that able to recognize handwritten alphanumeric character which works with the neocognitron method. The artificial neural network that the software simulates has been trained to recognize 35 handwritten alphanumeric characters. The software is compiled using Microsoft Visual C++ 6.0 compiler. From the software test using 350 test data, it’s concluded that the software made in this final project is able to recognize 96.29% of the test data given to it. Also the software can’t discriminates 2 parallel line features that separated for less than 3 pixels away.
ii
ABSTRAK Neocognitron adalah sebuah jaringan saraf tiruan yang memiliki kemampuan untuk mengenali pola visual 2-D. Dalam tugas akhir ini dibahas tentang pembuatan sebuah perangkat lunak yang mampu mengenali karakter tulisan tangan dengan menggunakan metode neocognitron. Jaringan saraf tiruan yang disimulasikan oleh perangkat lunak tersebut dilatih untuk mengenali 35 buah karakter tulisan tangan. Perangkat lunak direalisasikan menggunakan bahasa pemograman Microsoft Visual C++ 6.0. Dari hasil pengamatan pengujian perangkat lunak dengan menggunakan 350 buah data pengujian dapat disimpulkan dalam tugas akhir ini bahwa perangkat lunak yang direalisasikan dapat mengenali 96,29% pola yang diberikan. Juga perangkat lunak yang direalisasikan tidak mampu memisahkan 2 buah feature garis sejajar yang berjarak kurang dari 3 pixel.
i
v
DAFTAR ISI LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK
i
ABSTRACT
ii
KATA PENGANTAR
iii
DAFTAR ISI
v
DAFTAR TABEL
vii
DAFTAR GAMBAR
viii
BAB I : PENDAHULUAN
1
I.1.
Latar Belakang Masalah
1
I.2.
Identifikasi Masalah
2
I.3.
Tujuan
2 I.4.
Pembatasan Masalah
2
I.5.
Sistematika Pembahasan
2
BAB II : DASAR TEORI
4
II.1.
Jaringan Saraf Tiruan
4
II.2.
Neocognitron
5
II.2.1. Struktur Jaringan
6
II.2.2. Pelatihan Jaringan
8
II.2.3. Deskripsi Matematika Jaringan
9
BAB III : PERANCANGAN
14
III.1.
Program Pelatihan
14
III.2.
Program Pengenalan
17
III.2.1. Bagian Program Pattern Verifier
17
BAB IV : DATA PENGAMATAN DAN ANALISA
27
IV.1. Pengamatan Masukan Dua Garis Sejajar
27
IV.2. Pengamatan Masukan Terotasi
28
IV.3. Pengamatan Hasil Pengenalan Perangkat Lunak
28
IV.4. Analisa
37
vi
BAB V : KESIMPULAN DAN SARAN
38
V.1.
Kesimpulan
38
V.2.
Saran
38
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL Tabel IV.1 Hasil pengamatan pola masukan ‘F’ terotasi
28
Tabel IV.2 Hasil pengamatan untuk karakter ‘0’ dan ‘1’
30
Tabel IV.3 Hasil pengamatan untuk karakter ‘2’ dan ‘3’
31
Tabel IV.4 Hasil pengamatan untuk karakter ‘4’ dan ‘5’
31
Tabel IV.5 Hasil pengamatan untuk karakter ‘6’ dan ‘7’
31
Tabel IV.6 Hasil pengamatan untuk karakter ‘8’ dan ‘9’
32
Tabel IV.7 Hasil pengamatan untuk karakter ‘A’ dan ‘B’
32
Tabel IV.8 Hasil pengamatan untuk karakter ‘C’ dan ‘D’
32
Tabel IV.9 Hasil pengamatan untuk karakter ‘E’ dan ‘F’
33
Tabel IV.10 Hasil pengamatan untuk karakter ‘G’ dan ‘H’
33
Tabel IV.11 Hasil pengamatan untuk karakter ‘I’ dan ‘J’
33
Tabel IV.12 Hasil pengamatan untuk karakter ‘K’ dan ‘L’
34
Tabel IV.13 Hasil pengamatan untuk karakter ‘M’ dan ‘N’
34
Tabel IV.14 Hasil pengamatan untuk karakter ‘P’ dan ‘Q’
34
Tabel IV.15 Hasil pengamatan untuk karakter ‘R’ dan ‘S’
35
Tabel IV.16 Hasil pengamatan untuk karakter ‘T’ dan ‘U’
35
Tabel IV.17 Hasil pengamatan untuk karakter ‘V’ dan ‘W’
35
Tabel IV.18 Hasil pengamatan untuk karakter ‘X’ dan ‘Y’
36
Tabel IV.19 Hasil pengamatan untuk karakter ‘Z’
36
Tabel IV.20 Rangkuman hasil pengujian
36
vii
DAFTAR GAMBAR Gambar II.1
Struktur jaringan bertingkat neocognitron
6
Gambar II.2
Sambungan antar sel pada jaringan
7
Gambar II.3
Hubungan satu dimensi antar sel pada bidang sel yang berbeda. Hanya satu bidang sel yang digambarkan pada setiap lapisan.
10
Gambar II.4
Gambar posisi sebuah sel pada bidangnya
11
Gambar II.5
Gambar contoh daerah masukan
11
Gambar III.1 Diagram alir program pelatihan
14
Gambar III.2 Diagram alir menghitung nilai sel V pada lapisan ke L
15
Gambar III.3 Diagram alir menghitung nilai sel C pada lapisan ke L
16
Gambar III.4 Diagram alir menghitung nilai sel S pada lapisan ke L
16
Gambar III.5 Pola pelatihan lapisan pertama dan ke-dua
18
Gambar III.6 Pola pelatihan lapisan ke-tiga dan ke-empat
18
Gambar III.7 Diagram alir pola pengenalan
19
Gambar III.8 Diagram alir pattern verifier
20
Gambar III.9 Ilustrasi proses validasi sel C 21 Gambar III.10 Ilustrasi penerapan array 2 dimensi pola ideal
22
Gambar III.11 Array pola ideal karakter ‘0’ sampai ‘E’
23
Gambar III.12 Array pola ideal karakter ‘F’ sampai ‘U’
24
Gambar III.13 Array pola ideal karakter ‘V’ sampai ‘Z’
25
Gambar III.14 Diagram proses perkalian pattern verifier
25
Gambar III.15 Diagram alir perbesaran pola masukan
26
Gambar IV.1 Pola latihan untuk bidang US2 yang ke-limabelas
27
Gambar IV.2 Pola input dan nilai sel-sel hasil pengamatan
27
Gambar IV.3 Tampilan perangkat lunak pengenalan
29
Gambar IV.4 Tampilan perangkat lunak ketika mengenali
39
Gambar IV.5 Tampilan perangkat lunak setelah mengenali
30
viii
