SIMULATOR NOMER PLAT MOBIL DARI KEYBOARI) DENGAN JST BACKPROPAGATION Melani S.r,I. Satyoadil2 JurusanTeknik Elektro, FakultasTeknik,UniversitasKatolik Widya Mandala JalanKalijudan37 Surabaya, 60114,Indonesia Telpon/ Fax : 62-31-3891264 | 62-31-3891267 .
[email protected] wan
[email protected] d
Abstrak Tujuan penelitian ini setiap masulan notner plat mobil dari keyboard dilanversi menjadi bilangan biner yang dinmpillan pada monitor berupa karalaer nomer plat mobil dan setiap masulcan alcan dilatihlcan oleh jst netoda baclqrogation dan hasil pelatihan akan ditampilkan pada monitor berupa lrarakter nomer plat mobil. Model jaringan yang digunalan adalah jaringan baclEropagation dengan masukan 7x 7 x 5 dan keluaran 26 macam nomer plat mobil. Output dari layer I adalah 10 dan output dari layer 2 adalah 26. Hasil bobot acak pelatihan tersebut disimpan dan akan digunakan sebagai bobot pada pengenalan dari masulan baik nomer plat ntobil yang sesuaipada pelatihan maupun tidak Hasil penelitian ini untuk pelatihan menghasilkan mse : 0,025 + 0,027, goal = 0,001, gradient lebih kecil dari I0-t2,iumlah iterasi (epoch) bervariasi antara 76 +96 dan sse(sum square error) antara 0,475207 +2309,8i,. Penelitian simulasi pengenalan ini menghasilkan sse (sum square error ) bervariasi antara 2,745 + 3,6. Kata Kunci : Baclqropagation, ArsiteWurJaringan, Sum Square Error
1.
Pendahuluan
Pengenalan nomer plat mobil untuk membantu petugas pencatat nomer plat mobil bekeda lebih cepat dan akurat. Pelatihan nomer plat mobil untuk menghasilkan suatu bobot, bobot tersebut dapat digunakan untuk menghasilkan output dari input nomer plat mobil. Input berupa karakter dari huruf A + Z dan angka dari 0 + 9, yang dimasukkan melalui keyboard. Nomer plat mobil pada penelitian ini terdiri dari 3 huruf dan 4 angka, yang susunannyasbb : I huruf, 4 angka dan 2 huruf. JST adalah metoda komputasi yang berusaha meniru cara kerja sistem syaraf otak manusia. Pengklasifikasi karakter yang digunakan untuk masukan nomer plat mobil memerlukan suatu matrik. Masukan yang disediakan untuk ini adalahsuatumatrik 35 baris dan 36 kolom.
2.
Teori ModelArsitekturJaringansbb: llput
Layul
g!;f in'
LaYer3
Layu2
/-\
/-\/-\
", iii'
/-\
-, ig-r
Gambar I ArsiteHur Jaringan
Proceedings,Komputer dan Sistem Intelijen (KOMMIT 2002) Auditorium Universitas Gunadarma, Jakarta, 2l -22 Agustus 2002
Setiap karakter yang disimpan di harddiskberupabiner mempunyai matrik 7 x 5- Inpur iO * f S Inputjaringanberupamanik 7 x 35,outputberupamatrik 26 x 35. Input layer I perancangan : gS*t din outputlayer 1 : 10 xl. Input layer2 = 10xl danoutput layer 2: 20 xl. Input layer 3 = 20xl danoutputlayer3: I xl. 3.
Ilasil Simulasi NomerPlatMobil sbb : Menu MasukanPelatihandan Pengenalan
Masukanno plat mobil untuk pelatihan26macamdanmasukanno plat mobil untuk pengenalan5x26 macam.
Hasil Simulasi PelatihanNomer Plat Mobil antara lain sbb :
Hasil Simulasi PengenalanPertamaNomer Plat Mobil antara lain sbb :
Simulator Nomer Plat Mobil Dari Keyboard Dengan JST Backpropagation
Hasil SimulasiPengenalan KeduaNomerPlat Mobil antaralain sbb:
Hasil Simulasi PengenalanKetiga Nomer Plat Mobil antaralain sbb :
Hasil Simulasi PengenalanKeempatNomer Plat Mobil antara lain sbb :
Proceedines, Komputer dan Siffi
Plat Mobil antara lain sbb : Hasil Simulasi Pengenalan Kelima Nomer
4.
I{asil Penelitian
0'001 dand + - 0p257243 A,02727219^g:"1: Hasil pelatihanini menghasilkan'MSE padatabd I t"p"tti epochbervariasi ant:araZZ +- gE'danSSEbervariasiantara 0,4752A71 -llOltt) pada talxl+ seperti 3,6 2,745 SSE bervariasi antara
;#;-;;tftGil"r""-r"i bawah.
-""grt*i*u" Tabel 1 Hasil Simulasi Masukan Pertama.
L0201TS LO4OTSD L0503WI LOSO6FP L1041DE L1O69BY Ll1O5TH Ll1 1ONG Ll11lE M Ll11INA Ll11lNG LI111S A LI114NG Ll316RP
L r3 3 sFW LI4O2LH Ll50IGD L1631BG L17O8TD L1738EA Ll829DV L2OlOSS L21O4KT L27OZML L3OOSTA L3OO9TS
83 8l 84 96
80 92 8l 98 81 98 79 72
82 87 79 89 78 79 78 80 89 84 87 76 86 88
0-0272727 0582645 0.0269841 1886.r 0-027381 0.937s 0-0266667 2078.71 0.026984r 1771.54 0-0257243 2278.56 0.0268908 1584.55 0.0271429 23,02 0,0268908 1456.01 0.0270677 2t.42ll 0-0271.429 25,36 0.0270577 28.55t2 0.0271429 23.16 0.0266667 1948.07 0.0268908 1 9 3 3 . 3 1 0.0268908 206s.26 0.026984r 1969.22 4.Q271429 12.33 0.0269841 t774.46 0.0270677 r1.3629 0.0263736 2226.98
0.02727270.47s207 0-025974 t664.7s 0.025974
2309.81
0.0270677 t9.8227 0.02727270.731405
SimulatorNomer-Plat Mobil Dari KeyboardDenganJSTBackpropagation
Tabel 2 Hasil Simulasi Pengenalan Pertama.
L0201TS LO4OTSD L0503WI LOSO6FP Ll04IDE LIO69BY LI IOSTH LI l IONG LIlIIE M Ll1IlNA LIIlIN G Ll11lS A LlI14NG
3.3075 3.2850
3-s775
LI3I6RP L1335FW LI4O2LH LI50IGD L1631BG L17O8ID LI738EA Ll829DV L2OIOSS
3.5775
L2r04t(I
3.1050 2.97
3.33 3.1275 3.4425 3.465
3.6
L27OZML L3OOSTA L3OO9TS
3-7t25
3.s1
3.24 3.105 3-2625
3.33 3.195
3.2625 3.0825 2.88 3.2625 3-33
3.082s 2.9925 3.105
Tabel 3 Hasil Simulasi Pengenalan Kedua.
L195OTS L0407Tl LO5O3IS L8676FP L1041 P T L1O69KD L11O5 Y M L1567NG
L234sEM L3456NA L2468NG L1357S A L8765NG
3.42 3.4875 3.195 3.0375 3.555
3.0825 3.465 3.24 2.88 2.9475 2,79 3.33 2.9475
LI3I6KT LI335GD LI4O2LR LI5SOGD L I 6 3 lE P LITOSHR L1738TG LI829FP L1915SS L2104PW L27O2DE L1945TA L1948TS
3.24 3.06 3.24 3-0375 3.24
3.r275 3.2625
2.925 3.375 3.1725
2.902s 3.2625
3.19s0
Tabel 4 Hasil Simulasi PengenalanKetiga.
"Nrf:PlatMo*ffi LT234FP LI359AS LL357ML L5678GD L2468RT L1248AS L2468IS L1369TE L96310W L2lOOKG L22OONG LiIOOCM LI234HG
ffiIatE${Fnffi 3.1725 L l3 1 6 A D 3 . 1 0 5 0 L133sHG 3.3525 LT4O2AT 2.97 L 1 5 0 1 F T 2.9025 LI63lTK 3.0825 L17O8TI 3.015 L1738AL
3.082s Ll829AU 2.97 L2OlOAD 3 . 1 9 5 LzIO4EK 2.835 L27OLIF 3.42 L3OO8DE 3 . 1 0 5 L3OO9KD
3.2t75 3.0825
3.285 3.51
3.42 3.42 3.24 2.88
3.0825 3.1725 3.15 2.79
2.925
Kornplrterdan Sist€mIntelijen (KOMMIT 2002) Proceedings, AuditoriumUniversitasGunadanna'Jakarta'Zt - ??4g,o!f?9OZ
Tabsl S Hasil SimulasiPengennlan Keenpat"
Ll234WI LI359AM tl357SD
3.195 3.015 3.285
L5678TP L2468lM
3.1275 2,925
L1248TY
3.262s
L2468BY L1369DE L9631ML L2lOOFP LZ}OOTK
LltrOOTI LI234TE
2.88
2.925 3.105 3.195 3.0375 3.5 3.t725
3.33
Ll316FP L133sDV L14O2FA LI50lTG
3-2r7s
L1234KT
3.2625
Ll359KD L1357LM L56?8EA L2468ED L1248RE L2468FT L1369PW L9631HW
3.0375
3.105 3.4875
3.3s25 2-9475 2.745
292s 2.9925 3.015 2-97
Tabel6 Hasil SimulasiPengenalanKelima. !J
L1234WM L1359DV L1357BG L5678RE L2468SD LI248DE L2468MA L1369MM L9631ST L2IOOSE L220ODR Lt 155S D L1234SP
5.
3.06 L13I6MP 3.06 L1335FT 3 . 1 9 5 L14O2MA 2.9025 Ll501MT 2.8575 Lt234Mr 2.925 L13s9SS 2.8r2s LI357TA 2.97 L5678TS 3 . 1 9 5 L2468YC 3 . 1 5 LI248LH 2.79 L2468MH 3.3525 L1369TH 3 . 1 9 5 L963lKH
3.262s 3.24 3.15 3.4425 3.195 3.1725 3.375
3.r72s 3.037s 3.10s 2.79
3.105 3,0375
Kesimpulan
Keluail Jumlah baris tiap huruf 35 x 1. Masukan mempunyai jumlah elemen antara 24572 +96 antara jumlah (epoch) iterasi mempunyai 26ba11i-?4j kolo*. Hasil petatihan menghasilkan dapil dan SSE bervariasi antara 0A75207 + 2309,81. Jumlah iterasi untuk kata yang sarna anFr menghasilkan nilai yang berbeda-beda. Hasil pengenalan ini menghasilkan SSE bervariasi 2,745+ 3,6
6.
tll t2)
Daftar Pustaka Edward W. Kamen,Bonnie S. Heck, " FundamentalsOf Stgnaitsand SystemUsing Matl-ab" , PrenticeHall International,Inc.,New Jersey'1997' ", Freeman,JamesA., " SimulatingNeural Networkswith Mathematica Addison Weslcf Paris, 1993. PublishingCompanY,
Xmer Plat Mobil Dari Keyboard Dengan JST Backpropagation
B-99
and Self Organizing f,4e Rifier, ThomasMartinetz, Klaus Schnelten," Neural Computation Paris, 1992 -,AddisonWesleY, G (Jser's Guide ", The MathWorks, Demuttr,Mark beale, " Neural Network Toolbox fu b-1994 g.'fo Haykin., " NeuralNeWork ", Ma:cmillanCollegePublishingCompany[nc.,1994'
