PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)
AINUN JARIAH 120 920 1721
DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T
ABSTRAK Jaringan syaraf tiruan Radial Basis Function (RBF) dikenal sebagai salah satu bentuk dari jaringan syaraf Multilayer Feedforward yang handal dalam memecahkan masalah aproksimasi dan klasifikasi pola. Dalam penelitian ini, JST RBF digunakan untuk melakukan klasifikasi pola tanda tangan. Metode momen invarian digunakan untuk mengekstrak setiap citra tanda tangan menjadi suatu vektor ciri yang terdiri atas 7 nilai momen yang selanjutnya digunakan sebagai vektor input dalam jaringan RBF. Citra tanda tangan yang digunakan dalam penelitian ini sebanyak 150 citra tanda tangan yang berasal dari 10 responden berbeda. Rasio antara data training dan testing adalah 5:1. Hasil pengujian menunjukkan bahwa sistem yang dibangun mampu mengenal sekitar 80% tanda tangan yang diujikan dengan waktu training selama 0,156 detik. Kata kunci:Jaringan syaraf tiruan, RBF, momen invarian, tanda tangan.
BAB 1
LATAR BELAKANG Ekstraksi Fitur (Feature Extraction) Momen Invarian
TOPIK PENELITIAN
Pengenalan Pola (Pattern Recognition)
Pengenalan Pola Tanda tangan (Signature Recognition)
Izin penarikan uang di bank
Berbasis Jaringan Syaraf Tiruan (JST)
Radial Basis Function (RBF)
HASIL PENGENALAN POLA TANDA TANGAN
RUMUSAN MASALAH
1. Bagaimana proses pengenalan pola tanda tangan menggunakan jaringan syaraf RBFNN?
2. Bagaimana tingkat akurasi pengenalan pola tanda tangan
menggunakan jaringan syaraf RBFNN?
BATASAN MASALAH
1. Ekstraksi fitur menggunakan metode momen invarian 2. Citra tanda tangan diperoleh melalui hasil scanning format file *.TIF berskala abu-abu (grayscale) 8-bit berdimensi (500 x 400) piksel. 3. Sampel tanda tangan diambil langsung dari mahasiswa/mahasiswi dalam lingkungan ITS Surabaya.
TUJUAN DAN MANFAAT Tujuan 1. Untuk mengetahui proses pengenalan pola tanda tangan menggunakan jaringan syaraf RBFNN. 2. Untuk mengetahui tingkat akurasi pengenalan pola tanda tangan menggunakan jaringan syaraf RBFNN.
Manfaat Manfaat yang diharapkan dalam penelitian ini, yaitu sebagai bahan referensi tentang pengenalan pola tanda tangan berbasis jaringan syaraf tiruan khususnya RBF, sehingga dapat memperluas pemakaian JST RBF dalam pengenalan pola berupa tanda tangan.
KAJIAN PUSTAKA
Djunaidy
Abbas
PENGERTIAN PENGENALAN TANDA TANGAN
• Tanda tangan adalah hasil proses menulis seseorang yang bersifat khusus sebagai substansi simbolik. Tanda tangan merupakan bentuk yang paling banyak digunakan untuk identifikasi seseorang
• Tanda tangan seseorang sering berubah-ubah setiap waktu. Perubahan ini menyangkut posisi, ukuran maupun faktor tekanan tanda tangan. Pada kenyataannya, perubahanperubahan tersebut dipengaruhi oleh waktu, umur, kebiasaan dan keadaan mental tertentu
KAJIAN PUSTAKA
Putra Darma
• Pengenalan pola adalah disiplin ilmu yang bertujuan untuk mengklasifikasikan obyek menjadi beberapa kategori atau kelas. Pola adalah entitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya (features).
KAJIAN PUSTAKA
PENELITIAN-PENELITIAN YANG RELEVAN
• Model Hidden Markov Justino(2001)
Bansal (2009)
Slamet Boediono (2009)
• Menggunakan metode pencocokan daerah kritis (Critical Region)
• Metode momen invarian untuk ektraksi fitur untuk dijadikan input dalam jaringan syaraf tiruan Kohonen SOM untuk pengenalan wajah.
MOMEN INVARIAN
Informasi yang diambil dari momen yaitu : 1. order nol (m00) 2. order 1 atau central momen (m01 dan m10) 3. order ≥ 2 atau momen invarian
LANJUTAN………….
Untuk fungsi kontinu 2D, momen order (p +q )
∞ ∞ p q m pq = ∫−∞ ∫−∞ x y f ( x, y ) dxdy Untuk p,q = 0,1,2,…
secara diskrit ditulis :
m pq =
∑∑ x
x p y q f ( x, y )
y
Momen order nol
m 00 = ∑ ∑ f ( x, y ) x
y
LANJUTAN………….
Momen order 1 menyatakan center of gravity ( x , y ) dari suatu obyek dengan melibatkan momen order 0, dinyatakan: ∑∑ x. f ( x, y) x=
x
y
∑∑ f ( x, y) x
=
∑∑ y. f (x, y)
m10 m00
y=
y
x
y
∑∑ f (x, y) x
=
m01 m00
y
Momen yang dihitung dengan mempertimbangkan center of gravity hasilnya disebut momen pusat µ pq = ∑∑ (x − x ) p ( y − y )q f (x, y ) x
y
Normalisasi momen pusat dinyatakan η pq =
µ pq
µ 00
γ
dimana
γ=
p+q 2
+1
Dari hasil normalisasi diperoleh 7 parameter invarian momen (Gonzales).
JARINGAN SYARAF TIRUAN
Suatu sistem pemproses informasi yang memiliki karekteristik kinerja tertentu yang mirip dengan jaringan biologi. 1. Pola hubungan antar neuron disebut arsitektur jaringan. 2. Metode untuk menentukan bobot penghubung disebut metode training/learning. 3. Fungsi aktivasi, digunakan untuk menentukan keluaran suatu neuron.
JARINGAN SYARAF FUNGSI RADIAL BASIS
Merupakan bagian dari jaringan umpan balik lapis banyak (Multilayered Feedforward Neural Network) terdiri : • input layer • hidden layer • output layer x1
ϕ1
y2
x2
x j1
∑
y1
ϕ2
M
M ϕ j2
Input layer
Hidden layer
∑
M ∑
y j3
Output layer
Bentuk umum dari RBFNN y = f ( x) =
n
∑wϕ i
i
(r )
i =1
wi = Bobot pada neuron ke - i
ϕ i ( r ) = fungsi basis radial pada neuron ke - i y = output ϕ (r ) = exp −
x − ci
σi2
2
Fungsi Gaussian
