2.4.2.4 Stabilitas BAM
Kosko 1988 mendefinisikan stabilitas BAM dengan mengidentifikasikan fungsi Lyapunov atau fungsi energy E untuk setiap state
�
�
, �
�
. Menurut Zurada 1992, prosedur yang dikatakan Kosko berdasarkan atas pendekatan dari analisis kestabilan
sistim dinamik yang dikembangkan oleh A.M.Lyapunov. Yang unik dari pendekatan Lyapunov ini adalah hanya persamaan differensialnya yang perlu diketahui bukan
nilai hasilnya. Fungsi Lyapunov E memetakan variabel-variabel sistem ke suatu bilangan real
dan menurun sejalan dengan waktu. Pada BAM, E memetakan product matriks – matriks ke dalam bilangan real yang dirumuskan sebagai berikut :
EA,B = - A �
�
1.14 Model BAM menggunakan interlayer feedback, dengan melewatkan data melalui
W didapatkan satu arah dan melalui transposnya �
�
didapatkan diarah yang lainnya. Jika pasangan patternA,B dilewatkan dalam BAM, maka akan dilakukan beberapa
iterasi yang dapat digambarkan sebagai berikut:
A → W → B
B → W → A
A → W → B
B → W → A
. . . . . . . . . . . . . . . . . . . .
�
�
→ W → �
�
�
�
→ W → �
�
Setelah beberapa kali iterasi, A,B akan terkonvergensi secara tetap menjadi �
�
, �
�
dengan nilai energi minimum. Hal inilah menjadi keunggulan BAM, yaitu bersifat stabil sehingga dapat mengenali proses yang tidak sempurna[16, 17].
Universitas Sumatera Utara
2.5 Penelitian yang berkaitan
1. Identifikasi pola sidik jari dengan jaringan syaraf tiruan bidirectional associative
memory fringer print pattern identification by bidirectional associative memory artificial
neural network oleh anifuddin azis dan tanzil kurniawan, program Studi Ilmu Komputer FMIPA Universitas Gadjah Mada.
Dalam penelitian ini, akan dibuktikan kemampuan JST BAM tersebut dengan merancang sebuah sistem untuk mengidentifikasi pola sidik jari. Dari hasil uji coba program
menunjukkan bahwa JST BAM dapat mengidentifikasi pola sidik jari dengan tepat setelah diberi noise secara acak antara 0 - 30. Di atas 30 beberapa output yang
dihasilkan tidak dapat dikenai atau dikenali namun sebagai pola palsu, sehingga JST BAM
tidak dapat mengenali pola secara tepat. Hal ini mirip dengan identifikasi pola telapak tangan yang saya akan angkat menjadi
judul tugas akhir karena menggunakan pola inputan yang merupakan sistem biometrika juga.
2. Pengidentifikasian sidik telapak kaki bayi menggunakan jaringan syaraf tiruan
metode Probalistik Neural Network PNN dari salah satu skripsi di Universitas Pembangunan
Nasional Veteran. Dalam Skripsi ini dijelaskan bahwasanya sistem aplikasi yang mempunyai
kemampuan mengenali pola sidik telapak kaki bayi untuk mengetahui identitas bayi yang baru lahir dengan menggunakan metode Probalistik Neural Network .
Penelitian ini mirip dengan Judul Tugas Akhir yang akan saya angkat dimana pemrosesannnya citra ada kesamaan tetapi metode pengenalannya yang berbeda.
3. Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory untuk
Kategori