PENGEMBANGAN PROTOTIPE APLIKASI GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
NASKAH PUBLIKASI
diajukan oleh Shofiyati Nur Karimah 08.11.2317
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2012
DEVELOPMENT OF A PROTOTYPE THE COMPUTERIZED GRAPHOLOGY APPLICATION USING ARTIFICIAL NEURAL NETWORK BACKPROPAGATION ALGORITHM
PENGEMBANGAN PROTOTIPE APLIKASI GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Shofiyati Nur Karimah Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA
ABSTRACT
Handwritting is one of communication media besides verbal. The handwritting has a lot of information that can identication the personal characteristic, maturity, and the body health due to learning. Graphology is one of knowledge which learn and analyse the handwritting to interpret its character and personality. Character identification of handwritting analysis can be done using software based on artificial intelligence and implement algorithm of Artificial Neural Network Backpropagation (ANN-BP). There are 2 processes to build prototype of application using ANN-BP, they are process of build datasets with backpropagation algorithm and testing process. In this system, there are 4 steps to build the datasets, they are: data collection, segmentation by using cropping, feature extraction and determine the target. In this research, graphology aspect which is used is classification of “i” character. The goal of this research is to build a prototype of computerize graphology application that can be more developed to be ready install and use application in every private connected computer so that can updated the data and controlled by graphologist. Keywords : Graphology, Character, Artificial Neural Network
1.
Pendahuluan Tulisan tangan
merupakan hasil dari pikiran sadar dan bawah sadar
manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Tulisan
tangan
menyimpan
informasi
yang
dapat
mengidentifikasi
sifat,
perkembangan jiwa dan tingkat kesehatan seseorang. Dalam cabang ilmu psikologi, ilmu yang mempelajari karakter kepribadian seseorang dengan cara menganalisa tulisan tangan disebut grafologi. Di Indonesia, tenaga ahli di bidang grafologi masih sangat langka, selain itu sedikitnya publikasi juga menyebabkan ilmu ini kurang populer sehingga tidak banyak
orang
yang
mengenal
dan
memanfaatkannya.
Alasan
lain
yang
menyababkan kurangnya pemanfaatan grafologi adalah karena tingkat keauratan yang masih diragukan. Ketepatan seorang grafologis menganalisis tulisan tangan bergantung pada keahlian sebagaimana pakar psikologi klinikal karena ada beberapa aspek psikologi yang harus dianilisis dalam sebuah tulisan tangan. Konsep perhitungan dan analisis tulisan tangan pada komputer dimulai dengan identifikasi pola tulisan tangan. Identifikasi pola tulisan tangan adalah pengenalan tulisan tangan oleh komputer atau disebut Handwritting Recognition. Dari uraian di atas, penulis mengambil judul untuk penelitian ini “PENGEMBANGAN PROTOTIPE APLIKASI GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK”.
2.
Landasan Teori
2.1 Grafologi 2.1.1
Pengertian 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 1
manusia . Tulisan tangan terbentuk dari rangsangan kecil dari otak sehingga sering sekali para ahli grafologis menyebut tulisan tangan adalah “tulisan otak.” Grafologi merupakan sebuah ilmu yang empirik, karena ilmu ini dibuktikan berdasarkan fenomena dalam satu populasi dan ada kuantifikasi hasil atau ada hasil dari uji statistik yang bisa dipertanggungjawabkan.
1
Dwi Sunar Prasetyo, Bedah Lengkap Grafologi Membaca Kepribadian orang lewat Tulisan Tangan, Diva Press, 2010, hal 11.
Tulisan tangan yang dianalisis dalam grafologi antara lain tingkat kemiringan, besar kecil tulisan, naik turun tulisan, klasifikasi per-huruf dan penulisan huruf kapital. Namun ada beberapa hal yang tidak dapat dianalisis melalui grafologi seperti gender, usia, karakter fisik, masa depan, suku, ras dan agama. 2.1.2
Teknik grafologi
2.1.2.1 Analisa huruf “i” Bentuk batang huruf kecil “i” merefleksikan betapa jelas dan tidaknya personal kita dalam mengintrepretasikan situasi-situasi ketika kita terlibat secara pribadi dan sejauh mana kita menelaahnya. Penempatan titik di “i” mendeskripsikan tentang fokus perhatian si penulis. Huruf “i” dengan titik berada di sebelah kanan menunjukkan perhatian yang fokus ke masa depan. Huruf “i” dengan titik berada di sebelah kiri menunjukkan fokus perhatian pada masa lalu, sedangkan jika titik huruf “i” berada di tepat di atas batang, menunjukkan fokus penulis pada kondisi yang sekarang sedang dijalani. Huruf “i” dengan titik yang seringkali hilang atau “i” tanpa titik, bisa berarti banyak hal. Dalam tulisan medium atau besar, huruf “i” tanpa titik melambangkan seseorang yang melihat “gambaran besar” dan membiarkan orang lain mengisi detailnya. Dalam tulisan yang kecil atau mungil melambangkan orang yang memiliki kecerdasan yang tinggi, begitu asyik dengan detail-detail kecil dari tugas mereka 2
dan pikiran yang fokus serta analitis tidak memperhatikan hal lain termasuk titik “i”. 2.2 MatLab MatLab singkatan dari
Matrix Laboratory. MatLab merupakan bahasa
pemrogaman yang dikembangkan oleh The Mathwork, Inc. Bahasa pemograman ini banyak digunakan untuk perhitungan numerik keteknikan, komputasi simbolik, visualisasi grafis, analisis data matematis, statistika, simulasi pemodelan, dan desain graphical user interface (GUI). Pada awalnya, program ini merupakan interface untuk koleksi rutin numerik dari proyek LINPACK dan EISPACK, namun sekarang merupakan produk komersial dari perusahaan Mathworks, Inc. 2.3 Pengenalan Pola Pengenalan pola (pattern recognition) merupakan salah satu cabang ilmu komputer yang dapat diartikan sebagai pengumpulan data mentah untuk dapat diklasifikasikan dengan maksud tujuan tertentu.（Hafiz，2010）
2
Vimala Rodgers, Kenali Kepribadian melaluiTulisan Tangan, Kaifa, hal 154
Pengenalan yang berhubungan dengan tulisan tangan dapat dikategorikan ke dalam pembagian yaitu secara online dan offline. Pengenalan secara offline dilakukan dengan memfokuskan informasi pencitraan dari kertas yang sudah ditulisi terlebih dahulu, kemudian proses digitalisasi dengan menggunakan scanner atau kamera. Pengenalan secara online dilakukan dengan memfokuskan pengelolaan informasi pada saat dilakukannya proses penulisan secara langsung. Proses ini membutuhkan alat khusus seperti digitizer, kemudian tulisan tangan tersebut direkam sebagai proses yang tergantung dari waktu (timedependent process).
Handwritting Online
Offline
digitizer
Pengenalan
scanner atau kamera
Identifikasi
Verifikasi
Gambar 2. 1 Pembagian proses pengenalan tulisan
Setiap informasi (sinyal) baik disajikan di kawasan spasial, waktu atau frekuensi, mempunyai pola dengan ciri-ciri tertentu untuk membedakan suatu pola dengan pola lainnya. 2.4 Jaringan Syaraf Tiruan (JST) Jaringan syaraf tiruan didefinisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf manusia. Jaringan syaratf tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human cognition) yang didasarkan atas asumsi sebagai berikut: 1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron. 2. Isyarat mengalir
di
antara
sel saraf/neuron melalui suatu sambungan
penghubung 3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan/mengalikan isyarat yang dikirim melaluinya
4. Setiap sel saraf akan menerapkan fungsi aktivasi terhadap isyarat hasil penjumlahan berbobot yang masuk kepadanya untuk menetukan isyarat keluarannya. Jaringan syaraf tiruan dikenal juga sebagai model free-estimator karena dibandingkan dengan cara perhitungan konvensional, Jaringan syaraf tiruan tidak memerlukan suatu model matematis dari permasalahan yang dihadapi. Jaringan syaraf tiruan dikenal juga sebagai black box technology (kotak hitam) atau opaque (tidak transparan), karena Jaringan syaraf tiruan tidak dapat menerangkan bagaimana suatu hasil didapatkan. Hal inilah yang membuat jaringan syaraf tiruan mampu digunakan untuk menyelesaikan persoalan yang tidak terstruktur dan sulit didefinisikan. Dan penerapannya yang telah meluas dipakai sebagai alat bantu memecahkan masalah pada berbagai bidang dan disiplin ilmu. Karakteristik jaringan syaraf tiruan ditentukan oleh: 1. Pola hubungan antar neuron (disebut dengan arsitektur jaringan) 2. Metode penentuan bobot-bobot sambungan (disebut dengan pelatihan atau proses belajar jaringan) 3. Fungsi aktivasi 2.4
Metode Propogasi Balik (Backpropogation) Arsitektur dari backpropogation adalah jaringan multilayer yang memiliki satu atau lebih layar tersembunyi. Backpropagation menggunakan error output untuk mengubah
nilai
bobot-bobotnya
dalam
arah
mundur
(backward).
Untuk
mendapatkan error ini, tahap perambatan maju (forward propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi yang dapat dideferensiasikan, seperti sigmoid, tansig atau purelin.
3.
Analisis Analisis sistem adalah penguraian dari suatu sistem secara utuh dengan membaginya
menjadi
beberapa
bagian
komponen
dengan
maksud
untuk
mengidentifikasi dan mengevaluasi permasalahan, ketangguhan, hambatan dan kebutuhan yang diharapkan sehingga dapat di usulkan untuk perbaikan sistem. 3.1 Analisis kebutuhan sistem Analisis
kebutuhan
sistem
merupakan
langkah
utuk
mengidentifikasi
kebutuhan-kebutuhan baik alat maupun bahan yang akan digunakan untuk membantu dan mendukung proses pembuatan suatu sistem. Analisis ini juga
berguna untuk pengembangan sistem baru yang diusulkan untuk menyelesaikan masalah di sistem lama yang direalisasikan. 3.1.1
Analisis kebutuhan fungsional Pembangunan prototipe aplikasi grafologi terkomputerisasi berdasarkan
klasifikasi huruf “i” ini diharapkan dapat memenuhi beberapa kebutuhan fungsional, antara lain: a. Memotong citra tulisan pada huruf “i” b. Menentukan klasifikasi huruf “i” dengan titik dan tanpa titik c. Menyimpan matrik ciri dari huruf “i” d. Melihat citra hasil ekstraksi ciri 3.2 Perancangan Sistem Perancangan sistem secara umum dilakukan dengan maksud untuk memberikan gambaran umum tentang sistem yang baru atau sistem yang akan diusulkan. Rancangan ini mengidentifikasi komponen – komponen sistem informasi yang dirancang. Melalui perancangan sistem ini juga akan sangat membantu pada saat proses pengembangan terutama penulisan program, dari segi waktu akan menjadi lebih efisien. Selain itu dari perancangan sistem prototipe aplikasi ini diharapkan dapat membantu untuk kepentingan pengembangan kedepannya. 3.2.1
Perancangan flowchart Perancangan flowchart ini bertujuan untuk memberi gambaran bagaimana
aliran proses dari prototipe aplikasi grafologi terkomputerisasi berdasarkan klasifikasi huruf “i” ini berjalan. Mulai dari awal ketika tombol browse diklik diklik hingga tampil deskripsi karakter dari klasifikasi huruf “i”. Flowchart prototipe aplikasi yang akan dikembangkan dapat dilihat pada Gambar 3.1.
Mulai
Input huruf i
Akuisisi Data Cropping, preprocessing Ekstraksi Ciri Y latih?
Gunakan bobot akhir (database)
N Tentukan Target JST / Cari bobot
Target diketahui
Simpan bobot akhir (database) Identifikasi
Selesai Gambar 3.1 Alur Aplikasi Program
Penjelasan dari alur pada Gambar 3.3 adalah sebagai berikut : 1.
Inputan yang dimasukkan merupakan tulisan tangan sukarelawan dengan menuliskan kata “amikom” dari digitizer dan hasil tulisan disimpan dalam bentuk *.png atau *.jpg.
2.
Akuisisi citra dilakukan dengan mengunggah citra tulisan tangan dari sukarelawan yang menuliskan kata “stmik amikom yogyakarta” dan tulisan bebas lainnya melalui digitizer ke sistem perangkat lunak yang dibangun sehingga menghasilkan citra digital yang siap diolah.
3.
Setelah citra tulisan tangan dapat diakuisisi ke dalam sistem, citra mengalami pre-processingatau prapengolahan. Hal ini dilakukan untuk membersihkan inputan dari noise sehingga tulisan tangan dapat dengan jelas dibaca pada saat ekstrasi ciri. Langkah-langkah tersebut adalah : a. Cropping (pemotongan) adalah roses pemotongan citra digunakan untuk membuang pixel yang tidak diperlukan. Proses cropping dilakukan secara otomatis dengan membuat fungsi tersendiri untuk memotong citra sehingga ukuran citra yang dihasilkan sesuai dengan pixel paling tepi dari tulisan. b. Pada tahap ini citra diubah menjadi citra grayscale kemudian diubah lagi menjadi citra biner sebagai data masukan untuk proses ekstraksi ciri.
4.
Untuk mencari pola masukan, matriks yang digunakan tidak boleh terlalu besar. Maka dari itu dilakukakan ekstraksi ciri dengan cara menjumlahkan elemen pixel-pixel yang ada pada gambar dan kemudian dibagi dengan jumlah elemennya.
5.
Selanjutnya adalah proses pengecekan tulisan yang diamati dengan cara membandingkan ciri-ciri tulisan yang berupa matriks ke dalamdatabase yang tersedia. Proses ini inilah yang disebut dengan recognition(pengenalan). Untuk dapat mengenali pola tulisan, maka dilakukan proses training atau pelatihan dengan menggunakan algoritma Jaringan Syaraf Tiruan Backpropagation. Jika tidak ditemukan data yang cocok pada dataset, sistem akan mengulang perhitungan sehingga ditemukan hasil yang mendekati ciri-ciri yang ada pada dataset.
6.
Setelah citra berhasil dikenali, sistem akan memunculkan hasil berupa infomasi mengenai karakter kepribadian si penulis yang memasukkan inputan tulisan tangan sebelumnya berdasarkan klasifikasi huruf “i”.
3.2.2
Use case diagram Diagram use case menggambarkan apa yang dilakukan atau apa saja
aktifitas yang dilakukan oleh sistem dari sudut pandang pengamatan luar. Berikut Gambar 3.3 berikut menunjukkan diagram use casedari prototipe aplikasi grafologi terkomputerisasi yang akan dibangun.
Gambar 3. 2 use case diagram Pada diagram dapat dilihat bahwa pengguna dapat melakukan berbagai aktifitas pada sistem. Untuk membangun jaringan yang dimulai dari membangun dataset, pengguna mulai dari browse tulisan yang telah dikumpulkan kemudian menekan tombol-tombol yang berkaitan dengan prapengolahan, ekstraksi ciri, penyimpanan matrik dan penggabungan dataset, setelah itu pengguna dapat melakukan proses identifiksi atau uji data baru dengan dataset yang sudah ditentukan karakter kepribadiannya sehingga data yang baru dimasukkan dapat ditentukan karakter kepribadiannya pula. 3.2.3
Activity diagram Diagram activity berfokus kepada aktifitas – aktifitas yang terjadi yang terkait
dalam
suatu proses tunggal.
Jadi dengan kata lain diagram ini menunjukkan
bagaimana aktifitas–aktifitas tersebut bergantung satu sama lain.Gambar 3.4 berikut menunjukkan diagram activity dari prototipe aplikasi grafologi terkomputerisasi yang akan dibangun.
Gambar 3. 3 Activity Diagram Ketika pengguna sudah memasukkan citra tulisan tangan dan memotong pada bagian huruf “i” maka selanjutnya dari sisi aplikasi melakukan proses-proses pengolahan citra dan pengenalan pola seperti yang sudah dijelaskan di Bab II. Setelah proses pelatihan selesai dan datanet dapat dipakai untuk mengidentifikasi kemiripan, aplikasi akan menampilkan hasil identifikasinya. 3.2.4
Perancangan class diagram Diagram class memberikan gambaran secara luas dari suatu sistem dengan
menunjukkan kelas-kelasnya dan hubungan mereka. Diagram ini menggambarkan hubungan apa yang terjadi bukan apa yang terjadi jika mereka berhubungan. Gambar 3.5 berikut menunjukkan class diagram dari prototipe aplikasi grafologi terkomputerisasi yang akan dibangun.
Gambar 3. 4 Class Diagram 3.2.5
Sequence diagram Diagram sequence diatur berdasarkan waktu. Obyek–obyek yang berkaitan
dengan proses berjalannya operasi diurutkan dari kiri ke kanan berdasarkan waktu terjadinya
dalam
pesan
yang
terurut.
Gambar
3.6
berikut
menunjukkan
sequencediagram dari prototipe aplikasi grafologi terkomputerisasi yang akan dibangun.
Gambar 3.5 Sequence diagram Pada diagram terlihat ketika pengguna menekan tombol browse, ekstraksi, simpan, gabung, latih, dan simpan net pada interface TrainingDataset kemudian setelah proses pelatihan selesai, pengguna dapat langsung mencoba interface Pengujian untuk menguji data baru dan untuk selanjutnya ditampilkan karakter kepribadian dari tulisan yang diujikan. 4.
Hasil Penelitian dan Pembahasan Sistem yang dikembangkan merupakan prototipe aplikasi analisis tulisan tangan untuk menentukan karakter kepribadian seseorang (E-Graphoanalysis) yang dikembangkan memiliki dua interface. Perangkat lunak ini memiliki fungsi sebagai berikut: 1.
Menerima masukkan citra tulisan tangan yang mengandung huruf “i”. Kemudian secara manual pada sistem citra dipotong pada bagian huruf “i”.
2.
Melakukan ekstraksi ciri dari huruf yang telah diseleksi. Hasil dari ekstraksi ini adalah bilangan 0 dan 1.
3.
Melakukan pembangunan data latih tulisan atau dataset dan data uji atau data training yang digunakan pada proses analisis pencocokan.
4.
Menentukan karakter kepribadian dari tulisan tangan (pengujian pengetahuan) dengan mencocokkan data uji yang akan dianalisis dengan dataset yang sudah dilatih dan sudah diditentukan karakternya.
4.1 Implementasi dan Pembahasan Antarmuka Rancangan antarmuka prototipe aplikasi E-Graphoanalysis dapat dilihat di bab 3 Gambar 3.7 dan 3.8. Hasil implementasi antarmuka perangkat lunak dapat dilihat pada gambar di bawah ini.
Gambar 4. 1 Implementasi antarmuka TrainingDataset
Gambar 4. 2 Implementasi antarmuka pengujian 4.2 Hasil Uji Coba Sistem Uji coba dilakukan menggunakan 10 sampel citra dengan perbedaan nilai target eror (mse) dan laju pemahaman (α).
Tabel 4. 1 Tabel hasil uji coba dengan nilai mse=0,01, α=0.1-0.5 α
mse
0.1 0.2 0.3 0.4 0.5
0.01 0.01 0.01 0.01 0.01
Waktu Training (detik) 21 26 42 5 25
Konvergen true
Persetase
false
true
false
3 2 3 4 3
70% 80% 70% 60% 70%
30% 20% 30% 40% 30% 15%
7 8 7 6 7 Rata-rata
Tabel 4. 2 Tabel hasil uji coba dengan nilai mse=0,001-0.005, α=0.1 α
mse
0.1 0.1 0.1 0.1 0.1
5.
0.001 0.002 0.003 0.004 0.005
Waktu Training (detik) 42 42 42 42 42
Konvergen true 8 6 6 7 5 Rata-rata
Presetase
false
true
false
2 4 4 3 5
80% 60% 60% 70% 50%
20% 40% 40% 30% 50% 18%
Kesimpulan
Berdasarkan
pembahasan
dan
penguraian
dari
bab-bab
sebelumnya
tentang
Pengembangan Prototipe Aplikasi Grafologi Terkomputerisasi Menggunakan Algoritma Jaringan Syaraf Tiruan Propogasi Balik, maka dapat ditarik beberapa kesimpulan sebagai berikut: 1.
E-Graphoanalysis adalah prototipe aplikasi grafologi terkomputerisasi yang dapat menentukan karakter berdasarkan huruf “i” dengan persentase kesalahan rata-rata 15% atau persentase keberhasilan sebesar 85% dengan nilai target eror 0.01 dan laju pembelajaran antara 0.1-0.5.
2.
Persentase keberhasilan prototipe aplikasi dengan laju pemahaman 0.1 dan nilai target error antara 0.01-0.05 rata-rata adalah 82% dengan persentase kesalahan sebesar 18%%
3.
Dari hasil pengujian, memberikan indikasi bahwa JST-BP memungkinan untuk mengembangkannya aplikasi grafologi terkomputerisasi dengan menambah aspek atau target analisis grafologi oleh grafologis atau dapat pula dikembangkan dengan teknik perbandingan kemiripan yang lain.
DAFTAR PUSTAKA
AlwiAslanPengenalan Pola Huruf-Huruf Lontara Bugis-Makasar dengan Menggunakan Jaringan Syaraf Tiruan Metode Backpropogation．Yogyakarta，Tesis Program Studi Ilmu Komputer Universitas Gadjah Mada，2010． CHARACTER RECOGNITION.Handwritten character Recognition: Training a Simple NN for classification using MATLAB．ZadnikŽiga, PotočnikPrimož ChoyriyanieUlvaAplikasi Pengklasifikasian Karakter Tulisan Tangan Menggunakan Ekstraksi Ciri Chain Code dan Pola Segmen．Jakarta，Skripsi Program Studi Teknologi Informatika Universitas Gunadarma，2010． HafizRizwarAPPLICATION FOR HANDWRITTEN RECOGNITION BASED ON SEGMENT PATTERN AND CHAIN CODE CLASSIFICATION．Jakarta， Publikasi Fakultas Teknik Industri Universitas Gunadarma，2010． HermawanAriefJaringan Syaraf Tiruan, Teori dan Aplikasi ．Yogyakarta，Andi Offset， 2006． HidayatImronPengenalan Tulisan Tangan untuk Menentukan Karakter Psikologis Seseorang dengan Algoritma Jaringan Saraf Tiruan Propogasi Balik ． Bandung，Skripsi Program Studi Ilmu Komputer Universitas Pendidikan Indonesia，2011． Identifikasi Tanda-Tangan menggunakan Jaringan Syaraf Tiruan Perambatan-Balik (Backpropagation)．HidayatnoAchmad, IsnantoR.Rizal, BuanaDianKurnia Widya2008，Jurnal Teknologi volume 1 Nomor 2，pp.100-106． MunirRenaldiPengolahan Citra Digital dengan Pendekatan Algoritmik ．Bandung， Informatika，2004． PaulusErick, NatalianiYessicaGUI Matlab．Yogyakarta，Penerbit Andi，2007． PrasetyoDwiSunarGrafologi．Yogyakarta ，Diva Press，2011． SiangJongJekJaringan Syaraf Tiruan & Pemrogramannya Menggunakan MATLAB． Yogyakarta，Andi Offset，2009．
SugihartoArisPemrograman GUI dengan MATLAB．s.l.，Penerbit Andi，2006． SumarnoLinggoKajian Teknik Pengenalan Kata Tulisan-Tangan Menggunakan Kombinasi Jaringan Syaraf Tiruan Perambatan-Balik．Yogyakarta，Disertasi Ilmu Teknik Elektro Universitas Gadjah Mada，2010． SuyantoArtificial Intelegence: Searching, Reasonging, Planning dan Learning．Bandung ，Informatika，2007． UtariWirdaAyuPengenalan Pola dengan Menggunakan Metode Backpropagation menggunakan MATLAB．Jakarta，Universitas Gunadarma． WakhidahNurPengenalan Karakter Pada Plat Nomor Mobil Menggunakan Thinning dan Blocking．s.l.，Tesis Program Studi Ilmu Komputer Universitas Gadjah Mada ，2010． WardoyoSiswoIdentifikasi Tandatangan menggunakan Jaringan Syaraf Tiruan ． Yogyakarta，Tesis Program Studi Teknik Elektro Universitas Gadjah Mada， 2008．
