Bias merupakan parameter neuron yang dijumlahkan dengan bobot input neuron dan diteruskan ke fungsi transfer neuron untuk meng-generate output
neuron. Biasanya bias bernilai 1. Layar tersembunyi merupakan layar dari jaringan dimana layar ini tidak
menerima input dari luar jaringan dan tidak mengirimkan output ke luar jaringan. Disebut hidden layer karena layar ini hanya menerima input internal input dari
processing lain dan menghasilkan output internal output ke unit processing lain.
2. Pelatihan standar Backpropagation
Pelatihan Backpropagation meliputi 3 fase. Fase pertama ialah fase maju Forward Chaining dimana pola masukan dihitung maju mulai dari layar
masukan hingga layar keluaran dengan menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur backward Chaining. Dalam fase ini
selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari
garis yang berhubungan langsung dengan unit-unit dilayar keluaran. Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi.
3. Algoritma Pelatihan Backpropagation
1. Inisialisasi semua bobot-bobot dengan bilangan acak kecil.
2. Jika kondisi penghentian belum terpenuhi, lakukan langkah berikut :
a. Untuk setiap pasang data pelatihan, lakukan langkah berikut :
Fase I : Propagasi maju PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
i. Tiap unit masukan menerima sinyal dan meneruskannya ke
unit tersembunyi diatasnya. ii.
Hitung semua keluaran di unit tersembunyi z
j
j=1,2,3,...,p
∑
=
+ =
n i
ji i
jo j
v x
v net
z
1
_
j
net z
j j
e net
z f
z
_
1 1
_
−
+ =
=
iii. Hitung semua keluaran jaringan di unit yk k=1,2,...,m
∑
=
+ =
p j
kj j
k k
w z
w net
y
1
_
k
net y
k k
e net
y f
y
_
1 1
_
−
+ =
=
Fase II : Propagasi mundur iv.
Hitung faktor δ unit keluaran berdasarkan kesalahan di
setiap unit keluaran y
k
k=1,2,...,m 1
_
k k
k k
k k
k k
y y
y t
net y
f y
t −
− =
− =
δ δ
k
merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar dibawahnya langkah v
Hitung suku perubahan bobot w
kj
yang akan dipakai nanti untuk merubah bobot w
kj
dengan laju percepatan α.
j k
kj
z w
αδ
= Δ
; k=1, 2, ..., m ; j=0, 1, ..., p v.
Hitung faktor δ unit tersembunyi berdasarkan kesalahan di
setiap unit tersembuyi z
j
j=1,2,...,p PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
∑
=
=
m k
kj k
j
w net
1
_
δ δ
Faktor δ unit tersembunyi :
1 _
_ _
j j
j j
j j
z z
net net
z f
net −
= =
δ δ
δ Hitung suku perubahan bobot v
ji
yang akan dipakai nanti untuk merubah bobot v
ji
Δv
ji
= α δ
j
x
i
; j=1, 2, ..., p ; i=0, 1, ..., n Fase III : Perubahan bobot
vi. Hitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran : w
kj
baru=w
kj
lama+ Δw
kj
k=1, 2, ..., m ; j=0, 1, ..., p Perubahan bobot garis yang menuju ke unit tersembunyi :
v
ji
baru=v
ji
lama+ Δv
ji
j=1, 2, ..., p ; i=0, 1, ..., n Setelah proses pelatihan selesai dilakukan, jaringan dapat dipakai untuk
mengenali pola. Dalam hal ini, hanya propagasi maju saja yang digunakan untuk pengujian testing yang bertujuan untuk menentukan keluaran
jaringan. Selain itu proses pengujian ini juga bertujuan untuk mengetahui keakuratan jaringan syaraf tiruan yang sebelumnya dilatih.
4. Pemilihan Bobot dan Bias
Bobot awal akan mempengaruhi apakah jaringan mencapai titik minimum lokal atau global terhadap nilai error, dan cepat tidaknya proses pelatihan menuju
kekonvergenan. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Apabila nilai bobot awal terlalu besar, maka input ke setiap lapisan tersembunyi atau lapisan output akan jatuh pada daerah dimana turunan
sigmoidnya sangat kecil. Dan jika bobot awal terlalu kecil, maka proses pelatihan akan menjadi lambat. Oleh karena itu dalam standar backpropagation, bobot dan
bias diisi dengan bilangan acak kecil. Prosedur umum untuk menginisialisasi bobot dan bias adalah nilai acak antara -0.5 dan 0.5. Cara lain untuk membuat
inisialisasi bobot dan bias awal ke unit tersembunyi dapat dilakukan dengan menggunakan metode Nguyen-Widrow.
5. Jumlah Unit Tersembunyi
Pada dasarnya tidak ada aturan khusus untuk menetapkan jumlah layar tersembunyi yang akan digunakan. Jaringan dengan sebuah layar tesembunyi
sudah cukup bagi backpropagation untuk mengenali sembarang perkawanan antara masukan dan target dengan tingkat ketelitian yang ditentukan. Tetapi
penambahan jumlah layar tersembunyi dapat membuat pelatihan lebih mudah.
6. Jumlah Pola Pelatihan
Dalam Hal ini juga tidak ada kepastian tentang berapa banyak pola yang akan digunakan agar jaringan dapat dilatih dengan sempurna. Jumlah pola yang
dibutuhkan dipengaruhi oleh banyaknya bobot dalam jaringan serta tingkat akurasi yang diharapkan.
7. Jumlah iterasi
Jumah iterasi digunakan sebagai kondisi penghentian dari pelatihan backpropagation. Jumlah iterasi ditentukan oleh user sendiri, karena tidak ada
aturan untuk menentukan jumlah iterasi. Dalam pelatihan backpropagation, iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah
maksimum iterasi yang ditetapkan, atau kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
C. Pengenalan Pola
Pola adalah suatu entitas yang dapat didefinisikan mungkin secara samar dan dapat diberi suatu identifikasi atau nama. Contoh: gelombang suara, sidik
jari, raut wajah, penutup lahan dll. Pengenalan pola bertujuan menentukan kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki pola tersebut.
D. Preprocessing Pra Pengolahan Citra
Secara harafiah, citra image adalah sebuah gambar pada bidang dwimatra dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan
fungsi menerus continue dari intensitas cahaya pada bidang dwimatra. Munir, 2004
Preprocessing merupakan proses awal yang dilakukan untuk memperbaiki kualitas citra edge enhancement dengan menggunakan teknik-teknik pengolahan
citra. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau mesin komputer. Terdapat macam-macam
operasi pengolahan citra, diantaranya : a.
Pengubahan ukuran gambar resize Pengubahan ukuran gambar berarti mengubah citra dari ukuran semula ke
ukuran yang diinginkan. b.
Pemotongan gambar cropping Cropping atau pemotongan gambar merupakan salah satu operasi dari
pengolahan citra dimana operasi ini bertujuan untuk mengubah gambar menjadi ukuran yang spesifik.
c. Konversi citra warna menjadi citra biner binerisasi
Citra biner merupakan citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Pixel-pixel objek bernilai 1 dan pixel-pixel
latar belakang bernilai 0. Pada waktu menampilkan gambar, 0 adalah putih, dan 1 adalah hitam. Citra biner banyak diaplikasikan di berbagai
operasi pemrosesan pengenalan objek, salah satunya untuk pengenalan objek tanda tangan.
BAB III ANALISIS DAN PERANCANGAN
A. Analisa Sistem
Sistem yang dibuat adalah sistem untuk pengenalan pola tanda tangan, bertujuan untuk membantu user dalam mengenali tanda tangan seseorang dengan
menggunakan algoritma pembelajaran Jaringan Syaraf Tiruan. Dalam sistem ini akan digunakan algoritma pembelajaran backpropagation
standar, dimana dalam pembelajaran ini akan dicari penyelesaian yang paling optimal untuk pengenalan sebuah pola tanda tangan.
Dalam pengenalan tanda tangan ini, pola masukan tanda tangan akan dibandingkan dengan target yang ingin dicapai. Pola tanda tangan akan dibagi
menjadi dua yaitu data pelatihan dan data pengujian. Data pelatihan akan digunakan untuk proses pelatihan dan data pengujian akan digunakan untuk
proses pengujian. Hasil proses pelatihan akan digunakan untuk proses pengujian, dimana hasilnya berupa output tanda tangan hasil pengujian dan informasi apakah
tanda tangan tersebut dapat dikenali atau tidak. Jika tanda tangan dikenali, maka sistem akan memberi informasi tentang identitas pemilik tanda tangan tersebut.
14 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Alur Kerja dari Jaringan Syaraf tiruan untuk pengenalan tanda tangan
Gambar 3.1. Flowchart Alur Kerja Jaringan syaraf tiruan
- Input
Merupakan masukan berupa tanda tangan dengan format .jpg, dan sudah diubah menjadi citra digital.
- Image Processing
Proses ini merupakan proses pengolahan citra, dimana citra yang diolah adalah gambar tanda tangan yang sudah di scan sebelumnya. Citra awal
yang diambil oleh user merupakan citra RGB 3 dimensi. Binerisasi citra dilakukan untuk mengubah citra menjadi citra grayscale
yang bernilai 0 dan 1. Pemotongan gambar Cropping, yaitu memotong gambar sedemikian
rupa sehingga citra tepat berada di tepi batas. Pemotongan dilakukan dengan menghilangkan informasi citra yang bernilai 1.
Pengubahan ukuran gambar Resize dilakukan agar citra lebih mudah untuk diolah dalam proses neural network. Ukuran citra diubah menjadi
citra dengan ukuran 50 x 50. -
Neural Network Proses ini digunakan pada saat pelatihan dan pengujian. Jaringan syaraf
yang digunakan adalah jaringan syaraf backpropagation dengan sebuah input yang terdiri dari 2500 neuron, sebuah layar hidden dengan 5 unit,
dan 5 buah target. Bobot awal yang digunakan merupakan bilangan random bukan 0.
- Output
Setelah melalui 3 proses diatas, maka program akan mengeluarkan output, yang berupa keterangan apakah tanda tangannya dikenali atau tidak. Jika
dikenali, maka program akan menampilkan tanda tangannya beserta biodata dari pemilik tanda tangan tersebut. Jika tidak, program akan
menampilkan tanda tangan dan pesan bahwa tanda tangan tidak dikenali.
B. Analisa Kebutuhan Hardware dan Software 1.
Analisa kebutuhan hardware
Kebutuhan hardware merupakan kebutuhan akan perangkat keras komputer untuk mendukung sistem yang akan dibuat. Yang dibutuhkan
untuk membangun sistem ini antara lain : 1.
Main board : Asus P4S533X
2. Procesor
: Intel P4 1.8 GHz PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
