PENDAHULUAN. Latar Belakang

PENDAHULUAN Latar Belakang Grafologi adalah ilmu yang mempelajari, mengidentifikasi, menganalisis, dan mengetahui karakter seseorang melalui tulisan tangannya. Orang yang dapat menganalisis tulisan tangan disebut grafologist. Menurut (Mutalib, et al. 2008) analisis tulisan tangan telah banyak digunakan dalam berbagai bidang di antaranya seleksi calon pegawai, kriminalogi, tumbuh kembang anak, seleksi pasangan hidup (life partner), seleksi rekan kerja, dan konseling. Selain itu, diterapkan juga dalam bidang kesehatan dan pendidikan. Grafologist dapat memiliki penilaian yang subjektif. Grafologist yang berbeda dapat menganalisis tulisan tangan yang sama tetapi memberikan hasil yang berbeda (Galbraith 1964 & Guest 1994, diacu dalam Sheikholeslami et al). Selain itu, keakuratan hasil analisis tulisan tangan bergantung pada kemampuan grafologist itu sendiri dalam menganalisis tulisan tangan (Champa & Kumar 2010). Oleh karena itu, untuk mengatasi permasalahan subjektifitas tersebut dan membantu grafologist dalam menganalisis tulisan tangan diperlukan suatu pemanfaatan teknologi komputer yang dapat menerapkan ilmu grafologi. Pada penelitian (Mutalib et al. 2007) dilakukan analisis grafologi berdasarkan parameter huruf t menggunakan jaringan syaraf tiruan propagasi balik. Percobaan dalam penelitian ini dibagi menjadi dua yaitu pengenalan huruf t dan pengenalan karakter seseorang berdasarkan huruf t. Input dalam penelitian ini merupakan citra tulisan tangan dan output yang dihasilkan berupa pengenalan huruf t dan karakter seseorang berdasarkan penulisan huruf t orang tersebut. Penelitian ini menunjukkan bahwa jaringan syaraf tiruan propagasi balik dapat digunakan untuk mengklasifikasikan huruf t dan karakter seseorang berdasarkan huruf t dengan hasil yang cukup baik yaitu sebesar 90.27% dan 60%. Berdasarkan pada penelitian (Mutalib 2007), pengenalan pola menggunakan jaringan syaraf tiruan propagasi balik menunjukkan hasil yang cukup baik. Oleh karena itu, pada penelitian ini akan dilakukan analisis grafologi menggunakan jaringan syaraf tiruan propagasi balik. Huruf a merupakan salah satu huruf yang dapat menggambarkan cara berkomunikasi

seseorang dan huruf t dapat menggambarkan motivasi dan ambisi seseorang. Kedua huruf ini dapat mendeskripsikan karakter seseorang dalam hal berkomunikasi dan motivasi. Cara berkomunikasi seseorang dan motivasinya merupakan hal yang cukup penting dalam berbagai bidang terutama dalam penerimaan calon pegawai. Oleh karena itu, dalam penelitian ini akan dianalisis karakter seseorang berdasarkan huruf a dan t kecil. Tujuan Penelitian Tujuan penelitian ini adalah mengimplementasikan jaringan syaraf tiruan propagasi balik dalam mengenali karakter seseorang melalui tulisan tangannya. Ruang Lingkup Penelitian Ruang lingkup dalam penelitian ini yaitu: 1 Analisis grafologi yang dilakukan hanya berdasarkan pada huruf a dan t kecil. Pada penelitian ini tidak dilakukan pengenalan terhadap huruf a dan t, sehingga citra huruf a dan t yang digunakan harus dipotong (cropping) secara manual. 2 Input yang digunakan yaitu citra tulisan tangan huruf a dan t kecil berukuran 40x40 piksel dan berformat JPG. 3 Output hasil analisis masing-masing dikelompokkan ke dalam tiga kelas karakter sesuai bentuk huruf a dan t kecil. 4 Dalam penelitian ini huruf a dan t yang digunakan masing-masing hanya tiga kelas. Huruf a terdiri atas a balok, a terbuka di atas, dan a tertutup. Huruf t terdiri atas t lurus, t naik, t turun. Manfaat Penelitian Manfaat penelitian ini adalah mendapatkan informasi mengenai karakter seseorang sehingga diharapkan dapat membantu pekerjaan grafologist dalam menganalisis tulisan tangan. TINJAUAN PUSTAKA Grafologi Kata grafologi merupakan gabungan kata yang berasal dari Yunani yaitu grapheirt yang artinya menulis dan ology yang berarti cabang dari ilmu pengetahuan. Jadi grafologi adalah ilmu tulisan tangan berdasarkan pada perkembangan ilmu pengetahuan yang secara tetap diuji dalam penggunaan praktik. Ilmu ini merupakan ilmu yang berkesinambungan,

1

terus berkembang, terkodesifikasi.

dan

bukan

sistem

Sangat memungkinkan untuk memahami dan mengetahui karakter menggunakan pendekatan berbeda terhadap bentuk asli yang spesifik, seperti bidang medis dan psikologi yang dapat memperoleh hasil yang sama walaupun berawal dari posisi yang berbeda satu sama lain. Seperti halnya bidang medis, grafologi juga menggabungkan dan mensintesiskan informasi yang membutuhkan pelatihan dan penilaian dalam aplikasinya. Secara dinamis, grafologi memiliki cakupan yang luas. Ilmu ini juga diterapkan sebagai alat diagnostik tambahan oleh psikolog dan psikiater (Amend & Ruiz 1980). Menurut (Robert 2002) pada abad ke 17 Alerius Prosper dan Camilla Baldo berpendapat bahwa ada hubungan antara tulisan tangan dengan kepribadian. Pada abad ke 19, Abbot Jean Hippolyte Michon dan Abbot Flandrin mengumpulkan contoh-contoh tulisan tangan dan mencocokkan gaya tulisan tangan dengan berbagai macam kepribadian yang akhirnya ilmu ini disebut grafologi. Sekarang ini ilmu grafologi digunakan secara luas dalam berbagai bidang contohnya dalam bisnis, kepolisian, pada bidang penerimaan calon pegawai, bahkan dalam mencari partner. Grafologi sangat efektif untuk mengamati respon alam bawah sadar karena bentuk tulisan tangan merupakan alat ukur yang tidak dapat berbohong. Sama halnya dengan komputer, tulisan tangan merupakan hasil print out dari format berfikir seseorang.

2 Kelompok pembelajaran dan evaluasi terdiri atas huruf Y, y, U, u, W, w, V, v. 3 Kelompok penghargaan dan ekspresi terdiri atas huruf M, m, N, n, H, h. 4 Kelompok pemahaman terdiri atas huruf L, l, E, e, I, i, J, j. 5 Kelompok kreativitas terapan terdiri atas F, f, R,r, S, s. 6 Kelompok status terdiri atas huruf T, t, K, k, B, b. 7 Kelompok memercayai dan otoritas dalam diri terdiri atas huruf C, c, X, x. 8 Kelompok kepuasan diri yaitu huruf Z, z. Huruf a merupakan salah satu huruf kelompok komunikasi. Huruf a merupakan huruf pertama dalam hampir semua alfabet fonetik. Dalam tulisan tangan, huruf a melambangkan ekspresi ego seseorang dalam kehidupan sehari-hari dan derajat sensitivitas atau kenyamanan terhadap citra diri. Huruf a adalah kepala kelompok komunikasi karena berasal dari ego yang dibentuk oleh citra diri. Berdasarkan huruf a ini dapat dilihat cara bertindak, bereaksi, dan berinteraksi seseorang. Menurut (Baggett 1993) bentuk huruf a terbagi dalam beberapa bentuk dan setiap bentuk menggambarkan karakter yang berbeda-beda. Bentuk dan deskripsi karakter tersebut dapat dilihat pada Tabel 1. Tabel 1 Bentuk dan deskripsi karakter huruf a Gambar

Nama

Deskripsi

a balok

Huruf a kecil seperti ini mengindikasikan individu yang cenderung tertarik pada kegiatan yang berhubungan dengan seni, musik, budaya, dan sastra. Huruf a terbuka di atas menunjukkan individu yang fasih berbicara dalam mengemukakan ide atau pendapat, cenderung dermawan, jujur dan tulus.

(Desire of culture)

Grafologi Huruf a dan Huruf t Menurut (Rodgers 1993) grafologi disebut juga analisis tulisan tangan merupakan ilmu yang mengorelasikan pola-pola tulisan tangan dengan kepribadian seseorang. Analisis grafologi tidak hanya dilihat dari parameterparameter seperti baseline, slant, margin, dan parameter lainnya tetapi analisis grafologi juga dilakukan terhadap huruf-huruf alfabet spesifik yang dikelompokkan menjadi kelompok alfabet. Setiap huruf adalah pernyataan tersendiri dari sikap yang membentuk citra diri. Kelompok alfabet tersebut dibagi menjadi delapan kelompok. Kedelapan kelompok tersebut adalah:

a terbuka di atas (Talkative)

1 Kelompok komunikasi yang terdiri atas huruf A, a, O, o, D, d, G, g, Q, q, P, p.

2

a tertutup rapat tanpa loop (Frankness)

a dengan loop dikiri dan dikanan (Lying)

a dengan stringer hook (Need a challenge)

a dengan loop di sisi kiri dalam (Self deceit)

Huruf a kecil yang tertutup rapat mengindikasikan individu yang cenderung tertutup. Individu ini akan jujur dan terus terang jika ditanya mengenai pendapatnya, berbeda dengan huruf a terbuka di atas yang jujur dalam mengemukakan pendapat secara sukarela tanpa diminta. Individu yang cenderung suka berbohong secara patologis. Orang yang sulit dipercaya. Individu ini cenderung sangat suka tantangan, dan cenderung akan bosan jika merasa terkontrol dalam suatu hubungan. Individu yang cenderung menipu dirinya sendiri tentang sesuatu yang terjadi pada dirinya. Orang yang suka lari dalam menghadapi masalah.

Menurut (Rodgers 1993) huruf t dapat menggambarkan sikap seseorang terhadap suatu profesi, terhadap citra diri yang ditampilkan, dan merupakan huruf penghargaan pada nilai diri dan harga diri. Huruf t juga menggambarkan antusiasme, keteguhan hati, dan motivasi. Menurut (Amend & Ruiz 1980) huruf t dapat merefleksikan kekuatan kemauan dan dorongan pribadi yang diekspresikan dalam hidupnya. Berdasarkan huruf t juga dapat dilihat ambisi seseorang. Bar dari huruf t

dapat merefleksikan sikap perilaku seseorang pada suatu waktu terhadap pemikiran karir dan juga harapan. Terdapat sekitar 50 jenis gaya penulisan huruf t kecil, tetapi yang akan digunakan dalam penelitian ini hanya 3 jenis. Bentuk dan deskripsi karakter huruf t tersebut dapat dilihat pada Tabel 2. Tabel 2 Bentuk dan deskripsi karakter huruf t t-bars

Deskripsi

Ambisi

Horizontal

t-bar yang horizontal menunjukkan individu yang tenang dan dapat mengendalikan diri dalam berfikir dan bertindak.

Balanced, Terkontrol

UpTurned

t-bar yang naik menunjukkan individu yang optimis, dinamis, dan termotivasi. Selain itu, menggambarkan pribadi yang bersemangat, percaya diri, dan antusias.

Dinamis, Optimis, Termotivasi

DownTurned

t-bar yang menurun menunjukkan individu yang suka bergantung pada orang lain, mudah putus asa dan pasrah.

Pesimis, Kurang termotivasi.

Citra Digital Menurut (Gonzales & Wood 2002) image atau citra dapat didefinisikan sebagai fungsi dua dimensi f(x,y), dimana x dan y adalah koordinat spasial. Nilai f pada setiap titik (x,y) menunjukkan tingkat intensitas keabuan (gray level) citra pada titik tersebut. Ketika x ,y dan nilai f semuanya adalah finite dan kuantitas diskret maka citra itu disebut citra digital. Citra digital dapat berupa citra dalam skala keabuan (grayscale) atau berwarna. Citra digital direpresentasikan dalam bentuk matriks berukuran m x n dimana m menunjukkan baris dan n menunjukkan

3

kolom, contoh matriks citra digital dapat dilihat pada Gambar 1. f(x,y) =

𝒇(𝟏, 𝟏) ⋯ ⋮ ⋱ 𝒇(𝒎, 𝟏) ⋯

𝒇(𝟏, 𝒏) ⋮ 𝒇(𝒎, 𝒏)

Gambar 1 Representasi citra digital Setiap elemen matriks menunjukkan nilai piksel. Suatu citra digital berformat grayscale 8 bit memiliki 256 intensitas warna pada setiap pikselnya. Nilai piksel tersebut berkisar antara 0 sampai 255, 0 menunjukkan intensitas paling gelap dan 255 menunjukkan intensitas yang paling terang. Citra tulisan tangan yang direpresentasikan sebagai matriks m x n, dikonversi menjadi vektor kolom yang disebut vektor citra. Transpose dari vektor citra tersebut adalah f(x,y)T = [f(1,1) f(2,1)…f(1,n) f(2,n)…f(m,n)] Jaringan Syaraf Tiruan Propagasi Balik Menurut (Fauset 1994) jaringan syaraf tiruan adalah suatu sistem pemrosesan informasi yang memiliki karakteristik tertentu seperti jaringan syaraf biologis. Jaringan syaraf tiruan telah dikembangkan sebagai generalisasi model matematika dari syaraf biologis manusia. Jaringan syaraf tiruan propagasi balik merupakan algoritme pembelajaran yang terawasi (supervised learning) dan biasanya digunakan oleh jaringan multilayer untuk mengubah bobot yang terhubung dengan semua neuron pada hidden layer. Jaringan syaraf tiruan propagasi balik dikembangkan oleh Rumelhart, Hinton, dan Williams pada tahun 1986an. Propagasi balik merupakan metode pembelajaran yang efektif untuk jaringan multilayer. Prinsip dasar algoritme propagasi balik terdiri atas tiga fase, yaitu: 1 Fase feed forward Fase ini merupakan fase untuk penghitungan nilai aktivasi. Setiap neuron pada hidden layer dan output layer menghitung masing-masing nilai aktivasinya sesuai dengan fungsi aktivasi yang digunakan. 2 Fase kalkulasi dan backpropagation error (propagasi balik galat) Setiap output neuron menghitung informasi galat antara nilai output yang dihasilkan dan nilai target. Informasi galat ini dikirimkan ke layer di bawahnya. 3 Fase penyesuaian bobot

Setiap output neuron dan hidden neuron mengubah bias dan bobot-bobotnya sesuai dengan nilai galat. Secara umum propagasi balik membutuhkan waktu pembelajaran yang lama, tetapi setelah pembelajaran selesai maka aplikasinya akan memberikan output yang cepat. Jaringan syaraf tiruan propagasi balik memiliki karakteristik di antaranya: 1 Jaringan multilayer Arsitektur yang digunakan adalah jaringan multilayer, yaitu satu input layer, satu output layer, dan satu atau lebih hidden layer. Setiap neuron pada suatu layer dalam jaringan propagasi balik mendapat sinyal input dari semua neuron pada layer sebelumnya beserta satu sinyal bias. 2 Fungsi aktivasi Fungsi aktivasi untuk backpropagation harus memiliki beberapa karakteristik penting, yaitu harus kontinu, differentiable (berbeda), dan tidak turun. Fungsi aktivasi yang umum digunakan pada jaringan syaraf tiruan (JST) propagasi balik adalah: a. Fungsi Sigmoid biner outputnya memiliki rentang (0,1) 1 𝑦=𝑓 𝑥 = 1 + 𝑒 −𝜎𝑥 dengan f’ =  f(x) [1 - f(x)] b. Fungsi Sigmoid bipolar memiliki rentang (-1,1) 𝑦=𝑓 𝑥 = dengan f’(x) =

𝜎 2

outputnya

1 − 𝑒 −𝑥 1 + 𝑒 −𝑥

[1 + f(x)][1 – f(x)]

Model jaringan syaraf tiruan (JST) propagasi balik dengan satu hidden layer dapat dilihat pada Gambar 2.

Gambar 2 Model JST propagasi balik Sumber: (Fauset 1994)

4

Input layer pada Gambar 2 ditunjukkan dengan unit-unit Xi sedangkan hidden layer dan output layer masing-masing ditunjukkan dengan unit-unit Zj dan Yi. Neuron-neuron pada layer yang sama tidak saling berhubungan, tetapi pada layer berbeda saling berhubungan. Input layer berfungsi untuk meneruskan sinyal dan tidak melakukan komputasi, sedangkan hidden layer dan output layer melakukan proses komputasi. Selama fase feedforward, setiap unit input Xi menerima sinyal input dan meneruskan sinyal ke setiap unit hidden layer Zi,…,Zp. Setiap unit hidden lalu menghitung aktivasinya dan mengirimkan sinyal ke setiap unit output. Setiap unit output Yi menghitung aktivasinya untuk membentuk respon ke jaringan untuk memberi pola input. Sebelum proses pelatihan dilakukan, inisialisasi bobot awal merupakan hal yang penting karena nilai bobot awal sangat mempengaruhi kinerja jaringan. Inisialisasi bobot awal dapat dilakukan menggunakan metode Nguyen-Widrow. Metode NguyenWidrow dilakukan dengan menentukan faktor pengali terlebih dahulu yang didefinisikan sebagai berikut: 𝛽 = 0.7(𝑝)1/𝑛 , dengan: n = jumlah unit input p = jumlah unit tersembunyi (hidden)

METODE PENELITIAN Pada penelitian ini dilakukan tiga kali percobaan. Percobaan pertama adalah mencari parameter-parameter JST propagasi balik yang optimal. Percobaan kedua adalah pengenalan karakter berdasarkan huruf a dan percobaan ketiga dilakukan pengenalan karakter berdasarkan huruf t. Data Penelitian Data awal didapat dari 57 responden yang masing-masing menuliskan suatu kalimat yang telah ditentukan pada kertas berukuran 10,5 x 7 cm. Kalimat yang dituliskan oleh responden dapat dilihat pada Lampiran 2. Setelah itu, data tulisan tangan diubah menjadi citra digital menggunakan scanner dan disimpan sebagai satu file citra, sehingga diperoleh data citra tulisan tangan sebanyak 57 data. Data tersebut dibagi menjadi 27 data untuk huruf a dan 30 data untuk huruf t. Data citra tulisan tangan selengkapnya dapat dilihat pada Lampiran 2. Huruf a terdiri atas tiga kelas yaitu kelas 1 terdiri atas 7 data, kelas 2 dan kelas 3 terdiri atas 10 data. Dari masing-masing data setiap kelas akan diambil huruf a sebanyak lima citra. Lima citra huruf a dari setiap kelas akan dibagi menjadi 3 citra untuk data latih dan 2 citra untuk data uji, sehingga diperoleh total data latih sebanyak 81 citra dan data uji sebanyak 54 citra.

dengan:

Huruf t terdiri atas tiga kelas, masingmasing kelas terdiri atas 10 data. Dari masingmasing data setiap kelas akan diambil huruf t sebanyak lima citra. Lima citra huruf t dari setiap kelas akan dibagi menjadi 3 citra untuk data latih dan 2 citra untuk data uji, sehingga diperoleh total data latih sebanyak 90 citra dan data uji sebanyak 60 citra.

Vik(old) = nilai acak antara -0.5 sampai 0.5

Praproses Data

i = 1,2,…,m

Setiap citra khususnya pada huruf a dan t kecil dilakukan proses cropping (pemotongan) berukuran 40 x 40 piksel. Ukuran citra yang terlalu besar akan memperlambat kinerja sistem. Oleh karena itu, diperlukan proses resizing untuk mereduksi ukuran citra input. Citra input akan diubah menjadi citra grayscale dan diseragamkan ukurannya menjadi 24 x 12 piksel.

Kemudian diinisialisasi bobot-bobot dari input layer ke hidden layer, didefinisikan sebagai berikut: 𝛽𝑉𝑖𝑘 (𝑜𝑙𝑑 )

𝑉𝑖𝑘(𝑛𝑒𝑤)= ∥𝑉𝑘 (𝑜𝑙𝑑 )∥ ,

k = 1,2,…,p Bobot bias (Vok) diinisialisasi antara nilai – 𝛽 sampai 𝛽. Selama proses pelatihan, output yang dihasilkan dibandingkan dengan target. Jika output belum mencapai target maka pelatihan akan terus dilakukan dengan memperbaiki bobot dengan cara mempropagasi balik nilai koreksi galat output ke layer sebelumnya. Jika nilai output sama dengan target maka pelatihan akan berhenti. Algoritme BPNN secara lengkap dapat dilihat pada Lampiran 1.

Citra karakter tulisan tangan akan direpresentasikan menjadi vektor kolom berdimensi 1 x 81 untuk huruf a dan 1 x 90 untuk huruf t. Dengan demikian, seluruh data latih akan direpresentasikan berupa matriks

5