β = konstanta learning rate errorh = nilai error pada elemen h
input = nilai input dari lapisan hidden menuju output. input2 = nilai input dari lapisan hidden menuju output selanjutnya.
Dalam menjalankan algoritma Backpropagation, proses feedforward menjalankan langkah 1 sampai 6 dan proses backpropagation terjadi selama langkah 7 sampai 10
untuk mengecek error yang dihasilkan Khusbu Mehta, 2013.
2.5. Penelitian Terdahulu
Penelitian tentang pengenalan huruf maupun tulisan dalam OCR Optical Character Recognition atau pengenalan karakter optik telah banyak dilakukan dengan berbagai
metode. Pada umumnya, pengenalan huruf diimplementasikan untuk scanning teks, automasi, robotik dan lain-lain.
Penelitian yang dilakukan oleh Wen, 2014 menggunakan metode Feature Comparisons Technique untuk diimplementasikan dalam menghitung jarak dari tiap
contour yang terdapat pada setiap biji catur cina dan menghitung jarak tengah dari citra biji catur cina. Pada penilitian ini, metode yang dilakukan adalah dengan
membandingkan fitur-fitur yang terdapat pada citra catur. Hasil dari penelitian ini adalah 100 tingkat akurasi dengan persentase noise dibawah 20 dan sudut
inklanasi 40 derajat. Penelitian yang dilakukan oleh Jia et al, 2011 menggunakan metode Radial
Harmonic Fourier Moments untuk diimplementasikan dalam mengenali karakter- karakter cina yang terdapat pada permukaan atas catur cina. Pada penelitian ini,
metode yang digunakan menunjukkan hasil keakuratan pada data training 99.14 dan data testing 100. Akantetapi, disebabkan oleh discrimination power pada metode
yang digunakan menghasilkan tingkat keakuratan yang tidak selalu sama dari dimensi fitur yang berbeda-beda. Sampel data training yang digunakan adalah 10 derajat rotasi
sehingga menghasilkan 36 sampel data untuk setiap biji catur. Penelitian yang dilakukan oleh Khusbu Mehta, 2013 menggunakan
metode Backpropagation untuk diimplementasikan dalam mengenali karakter-
Universitas Sumatera Utara
karakter alphabet dengan menggunakan jaringan saraf tiruan. Pada peneltian ini, ukuran vektor input pada input layer adalah 26x26 dengan tujuan error sebesar 0,01.
Jaringan saraf tiruan Backpropagation yang telah mengalami proses training selama 1000 epochs. Setelah proses training selesai, jaringan saraf tiruan dapat mengenali
semua karakter secara benar pada penelitian ini. Penelitian yang dilakukan oleh Agung et al, 2009 menggunakan metode
Modified Direction Feature Extraction dan Learning Vector Quantization untuk diimplementasikan dalam mengenali huruf bali. Pada penelitian ini, hasil analisis pada
variasi ukuran normalisasi, jumlah transisi MDF dan pembagian gambar menjadi beberapa bagian menunjukkan tingkat akurasi 88.89 pada data training dan 81.49
pada data testing. Rangkuman dari penelitian-penelitian terdahulu dapat dilihat pada tabel 2.3.
Tabel 2.3 Tabel Peneltian Terdahulu
No. Peneliti Tahun
Metode Keterangan
1 Wen
2004 Feature Comparison
Techniques
- Pengenalan citra biji catur cina
dengan menggunakan Feature Comparisons Technique
- Metode penelitian ini bersifat
robust terhadap 40 derajat perubahan pada citra catur.
- Metode penelitian ini dapat
menahan noise 20 dari pepper dan salt noise. Tingkat akurasi
100 dengan nilai noise dibawah 20.
- Sample biji catur yang digunakan
hanya terdapat 1 buah jenis set biji catur
2 Jia et al
2011 Radial Harmonic
Fourier Moments
- Pengenalan catur cina pada
RHFMRadial Harmonic Fourier Moments bekerja pada translasi,
rotasi, skala dan invariant intensity
- Tingkat keakuratan pada training
data adalah 99.14 dan testing data adalah 100.
- Jumlah rotasi pada setiap data
training dan testing adalah setiap 10 derajat sehingga menghasilkan
36 sampel.
- Disebabkan discrimination power
Universitas Sumatera Utara
pada setiap dimensi pada fitur- fitur yang berbeda-beda
menghasilkan hasil persentasi yang tidak sama
- Sampel biji catur yang
dicantumkan hanya terdapat 2 buah jenis set biji catur
3 Khusbu
Mehta 2013
Backpropagation
- Pengenalan huruf alfabet
- Fungsi: untuk mengenali huruf
alfabet secara digital -
Selama noise diproses dengan noise medium di dalam data
input, dan menggunakan algoritma Backpropagation,masih
memberikan hasil yang benar
4 Agung et al
2009 Modified Direction
Feature Extraction dan Learning Vector
Quantization
- Pengenalan huruf bali
- Fungsi : untuk mengenali huruf
bali secara digital -
Pengujian dan analisa hasil kerja sistem meliputi: ukuran
normalisasi citra, jumlah transisi pada MDF dan pembagian
gambar menjadi beberapa bagian
- Hasil analisis berdasarkan variasi
ukuran normalisasi, jumlah transisi MDF dan pembagian
gambar menjadi beberapa bagian menunjukkan tingkat keakuratan
88.89 pada data training dan 81.49 pada data testing sebagai
tingkat keakuratan tertinggi
Perbedaan penelitian yang dilakukan dengan penelitian terdahulu adalah penelitian ini berfokus pada tingkat keakuratan berdasarkan pola karakter dari metode yang
digunakan. Berikut adalah metode beserta alasan penggunaan metode yang akan diterapkan pada penelitian ini.
- Menggunakan fitur ekstraksi arah pada pola, sehingga penelitian ini juga dapat
mengklasifikasi tulisan karakter mandarin maupun karakter mandarin yang dicetak dengan berbagai jenis font pada ukuran biji catur yang sama.
- Menerapkan beberapa operasi citra dan morfologi sehingga dapat menanggani
kasus biji catur yang memiliki kualitas warna cat yang rendah pada cincin biji catur maupun biji catur.
Universitas Sumatera Utara
- Menggunakan dataset training yang bersifat real world dan pengujian
terhadap dataset font digital yang dikumpulkan oleh peneliti dari berbagai set sampel catur yang memiliki jenis font yang berbeda.
- Menerapkan salah satu metode jaringan saraf tiruan sebagai metode
pengklasifikasian yang memiliki tingkat keakuratan yang lebih tinggi.
Universitas Sumatera Utara
BAB 1 PENDAHULUAN
1.1. Latar Belakang
