Latar Belakang Pengenalan Kata Menggunakan Self-Organizing Map Sebagai Input Kamus Berbasis Android

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Rusia adalah salah satu negara tujuan wisata. Menurut dari data laporan kunjungan wisatawan yang dikeluarkan oleh United Nations World Tourism Organization UNWTO, kunjungan turis ke negara Rusia adalah urutan ke sembilan di dunia dengan 25 juta wisatawan pada 2012 dan 28 juta wisatawan pada 2013 UNWTO, 2014. Data kunjungan turis mancanegara ke Rusia dari UNWTO tersebut membuktikan bahwa Rusia adalah salah satu negara yang sangat digemari oleh turis untuk dikunjungi. Masalah yang sering dihadapi turis mancanegara ketika berkunjung ke Rusia adalah masalah bahasa. Hal ini dikarenakan, turis mancanegara tidak diwajibkan untuk mengetahui bahasa dari daerah yang ingin dikunjunginya terlebih dahulu. Oleh karena itu, turis tidak diwajibkan untuk mempelajari Bahasa Rusia untuk dapat berkunjung ke Rusia. Turis mancanegara yang berkunjung ke Rusia tentunya sangat sulit untuk mengartikan kata-kata yang dilihatnya di jalanan, gedung atau pemberitahuan tertulis. Kesulitan turis mancanegara dalam membaca tulisan Rusia terletak pada penggunaan huruf. Huruf yang digunakan oleh Bahasa Rusia adalah huruf Cyrillic. Penggunaan huruf Cyrillic hanya terbatas pada Rusia dan beberapa negara tetangganya. Selain keterbatasan penggunaan, huruf Cyrillic bentuknya juga berbeda dengan huruf Latin. Perbedaan bentuk huruf tersebut tentunya menyulitkan turis yang tidak familiar dengan huruf Cyrillic. Kesulitan tersebut berimbas pada kesulitan dalam menerjemahkan kata dari Bahasa Rusia. Penggunaan kamus dapat membantu menerjemahkan Bahasa Rusia. Turis dapat melihat terjemahan dari kata Bahasa Rusia yang dilihatnya dengan cara mencari kata tersebut di kamus. Tetapi kamus manual akan membebani bawaan dari turis. Oleh karena itu, kamus yang berupa aplikasi membuat kamus tidak lagi harus berbentuk buku. Hal ini sangat memudahkan turis mancanegara. Beberapa Universitas Sumatera Utara telepon cerdas seperti android, dapat digunakan untuk menggunakan aplikasi tersebut. Turis yang berkunjung ke Rusia tinggal mengetikkan kata Rusia yang ingin dicari terjemahannya pada aplikasi tersebut. Turis dapat mengetik kata tersebut dengan papan ketik untuk huruf Cyrillic yang disediakan oleh android. Akan tetapi muncul masalah apabila turis tersebut tidak familiar terhadap bahasa Rusia dan huruf Cyrillic. Pengguna yang tidak mengerti bahasa tersebut berikut hurufnya akan kesulitan dalam mengetikkannya kedalam aplikasi kamus tersebut. Solusi alternatif untuk mengatasi masalah ini adalah dengan memperoleh kata yang ingin dialihbahasakan dengan mengambil citranya. Citra yang diambil tersebut kemudian diproses agar dapat diambil kata yang termuat di dalamnya. Ada beberapa cara untuk mengenali kata yang termuat pada sebuah citra. Salah satunya ialah dengan menggunakan metode Jaringan Saraf Tiruan, contohnya dengan metode Propagasi Balik Harjono, 2013. Dengan jaringan saraf tiruan, maka sebuah sistem akan mampu mengenali sebuah gambar atau pola tertentu. Jaringan saraf tiruan tidak hanya mampu mengenali gambar, tetapi semua hal yang memiliki pola tertentu yang unik. Gambar berupa huruf memiliki pola tertentu, sehingga jaringan saraf tiruan akan mampu untuk mengenali gambar tersebut. Hasil dari jaringan saraf tiruan tersebut adalah sebuah pengenalan pola yang diukur berdasarkan akurasi atau ketepatan pengenalan. Penggunaan algoritma dan metode jaringan saraf tiruan yang berbeda, akan memberikan nilai akurasi yang berbeda pula. Rentang dari akurasi pengenalan itu adalah sebesar 0-100. Self-organizing map merupakan salah satu algoritma yang populer digunakan dalam masalah pengenalan pola Yin, 2008. Self-organizing map terdiri dari neuron-neuron yang bertindak sebagai unit-unit yang akan diberikan pelatihan untuk mengenali pola. Pada self organizing map, terdapat dua fase utama, yakni fase Training dan fase Mapping. Fase training adalah fase dimana terjadi pembelajaran bagi sistem untuk mengenali pola. Pengenalan pada self- organizing map terinspirasi dari kemampuan otak manusia dalam menangani informasi yang didapat dari indera manusia. Fase berikutnya adalah fase mapping, yakni fase dimana dilakukan klasifikasi pola. Karakteristik dari self-organizing map adalah dapat memvisualisasikan data dengan dimensi tinggi ke data dengan dimensi rendah 1 atau 2, sehingga lebih memudahkan kita untuk memahami Universitas Sumatera Utara data dengan dimensi tinggi. Algoritma self-organizing map telah banyak digunakan untuk mengenali berbagai pola, seperti pengenalan wajah Nagi, et al. 2007 dan pengenalan suara Kohonen, et al. 1997. Pada skripsi ini akan dibahas bagaimana cara mengenali tulisan Rusia dengan mengambil citranya, kemudian citra tersebut dikenali. Berdasarkan latar belakang tersebut, maka penulis mengajukan penelitian dengan УЮНЮХ “Pengenalan Kata Menggunakan Self-Organizing Map Sebagai Input Kamus Berbasis Android ”.

1.2 Rumusan Masalah