- Prosessor Intel Pentium Core2Duo 3.0 GHz.
- RAM DDR2 2 GB.
- HDD 500 GB.
- Monitor 4” dengan resolusi la ar
4 piksel.
b. Perangkat lunak
1. Sistem Operasi Windows 7
2. Microsoft Visual Basic 2010.
3.2.2 Bahan Penelitian
Bahan yang digunakan pada penelitian ini adalah databinerisasi dari karakter huruf dan angka pada citra digital yang digunakan, jumlah node input, jumlah node hidden,
jumlah node output beserta bobot – bobot pada tiap koneksi node pada jaringan
backpropagation. Berikut rincian dari bahan – bahan penelitian yang akan digunakan.
3.2.2.1 Bahan Penelitian Karakter Huruf
Bahan penelitian yang akan digunakan pada penelitian ini adalah huruf karakter huruf kapital. Berdasarkan batasan masalah yang telah penulis jabarkan, ukuran jendela
untuk tiap karakter adalah 10 x 10 piksel. Arah pembacaan nilai dilakukan dari sumbu Y menuju sumbu X, dengan kata lain pembacaan nilai piksel dilakukan kebawah dan
dilanjutkan ke samping. Bagian dari karakter akan diberi nilai 0, dan selain dari bagian karakter atau background akan bernilai 1.
3.2.2.2 Parameter Jaringan Backpropagation
Pada jaringan backpropagation terdapat beberapa parameter yang harus ditentukan untuk membentuk jaringan backpropagation itu sendiri, berikut parameter
– parameter yang akan digunakan pada penelitian ini.
1. Jumlah Node Input.
Sesuai dengan batasan masalah yang telah penulis uraikan mengenai ukuran piksel pada tiap karakter yaitu 10 x 10, maka jumlah node input pada jaringan
harus dapat menampung tiap nilai dari tiap piksel karakter, sehingga jumlah node
input yang digunakan adalah 100 Node.
2. Jumlah Node Output.
Karakter huruf terdiri dari karakter huruf besar dengan jumlah 26 karakter. Untuk
Universitas Sumatera Utara
itu harus disusun pola output biner yang dapat mengakomodasi jumlah karakter,
sehingga digunakan jumlah node output sebanyak 5 node, dimana 2 5 adalah
32 sehingga dengan menggunakan 5 node akan memberikan kemungkinan 32 nilai keluaran berbeda yang mana sudah lebih dari cukup untuk mengakomodasi
26 karakter yang digunakan pada penelitian ini. 3.
Jumlah Node Hidden. Jumlah node hidden dapat dikalkulasikan sebagai berikut.
NH = = 23 100 + 5 = 72 Hiden Node.
3.2.2.3 Target Output Backpropagation
Pada proses pelatihan harus ditentukan target output dari tiap karakter yang dipelajari. Berikut table target output pada tiap karakter.
Tabel 3.1 Target Output Data Pelatihan No.
Karakter Target
Output 1.
A 0 0 0 0 0
2. B
0 0 0 0 1 3.
C 0 0 0 1 0
4. D
0 0 0 1 1 5.
E 0 0 1 0 0
6. F
0 0 1 0 1 7.
G 0 0 1 1 0
8. H
0 0 1 1 1 9.
I 0 1 0 0 0
10. J
0 1 0 0 1 11.
K 0 1 0 1 0
12. L
0 1 0 1 1 13.
M 0 1 1 0 0
14. N
0 1 1 0 1 15.
O 0 1 1 1 0
16. P
0 1 1 1 1 17.
Q 1 0 0 0 0
18. R
1 0 0 0 1 19.
S 1 0 0 1 0
20. T
1 0 0 1 1 21.
U 1 0 1 0 0
22. V
1 0 1 0 1 23.
W 1 0 1 1 0
24. X
1 0 1 1 1
Universitas Sumatera Utara
25. Y
1 1 0 0 0 26.
Z 1 1 0 0 1
3.3 Kerangka kerja Penelitian Frame Works
