Latar Belakang Penerapan Recurrent Nural Network Dalam Identifikasi Tulisan Tangan Huruf Jepang Jenis Katakana

BAB I PENDAHULUAN

1.1. Latar Belakang

Bahasa Jepang termasuk salah satu bahasa penting dan digunakan secara internasional. Bahasa Jepang menduduki urutan ke-4 setelah bahasa Inggris, Mandarin, dan Spanyol dari 10 bahasa yang sering digunakan. Berdasarkan data daftar bahasa yang digunakan menurut jumlah penutur asli, bahasa Jepang berada pada urutan ke-9 setelah bahasa Mandarin, Hindi, Spanyol, Inggris, Bengali, Arab, Rusia, dan Portugis Handoyono Susanto, 2010. Manusia memiliki berbagai cara dalam mempelajari bahasa-bahasa asing. Misalnya dengan mempelajarinya dengan otodidak, berbicara aktif, dan kursus. Bahasa asing juga dapat dipelajari secara digital melalui media komputer. Oleh karena itu, mesin komputer perlu mengerti dan menguasai karakter huruf dalam bahasa asing agar dapat membantu mempermudah manusia dalam mempelajari bahasa asing tersebut. Teknik pengenalan pola memiliki banyak perkembangan dan semakin sering dipakai dalam memecahkan suatu permasalahan. Teknik pengenalan pola digunakan untuk pengenalan tulisan tangan, gambar, dan sebagainya. Suatu aplikasi pengenalan pola bertujuan untuk melakukan proses pengenalan terhadap objek misalnya tulisan tangan ke dalam satu kelas tertentu, berdasarkan pola yg dimilikinya Ldya, et al. 2010. Universitas Sumatera Utara Jaringan saraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran Andrijasa, et al. 2010. Recurrent Neural Network RNN adalah neural network dengan fasilitas umpan balik menuju neuron itu sendiri maupun neuron yang lain, sehingga aliran informasi dari masukan mempunyai arah jamak Aribowo, 2010 . Recurrent Neural Network adalah jaringan yang mempunyai minimal satu feedback loop. RNN memiliki kemampuan penggambaran yang sangat bagus dan dapat mengatasi kelemahan feedfoward Soelaiman Rifa’i, 2010 Sudah banyak penelitian teknologi informasi yang bergerak di bidang pengenalan tulisan seperti yang dilakukan oleh Handoyono dan Susanto pada tahun 2010 yang berjudul Penerapan Jaringan Syaraf Tiruan Metode Propagasi Balik dalam Pengenalan Tulisan Tangan Huruf Jepang Jenis Hiragana dan Katakana dan penelitian yang dilakukan oleh J.Pradeep, et.al yang berjudul Diagonal Feature Extraction Based Handwritten Character System Using Neural Network. Selain itu penelitian terdahulu yang menerapkan metode Recurrent Neural Network yang dilakukan oleh Soelaiman dan Rifa’i yang berjudul Identifikasi Nonlinier dengan Menggunakan Metode Recurrent Neural Network dan Algoritma Dead-Zone Kalman Filter. Meskipun penelitian dalam pengenalan kata sudah banyak dilakukan, tetapi masih diperlukan lagi pengembangan dalam penelitian di bidang pengenalan kata khususnya pada tulisan Katakana. Katakana dengan segala kompleksitasnya ternyata memiliki aturan yang ketat dalam penulisannya Salman, 2010. Aturan itu disebut sebagai stroke order atau urutan goresan. Karena dengan teknik penulisan tersebut, disamping bermanfaat untuk keindahan tulisan, juga sangat berguna sebagai metode dalam menghafal huruf Katakana, yang tentu saja menghemat memori di otak kita. Jaringan syaraf tiruan memiliki kemampuan dalam mengenali huruf berdasarkan tulisan tangan. Maka dalam penelitian Universitas Sumatera Utara ini, penulis memanfaatkan jaringan syaraf tiruan recurrent neural network untuk mengenali huruf berdasarkan tulisan tangan huruf Katakana.

1.2 Rumusan Masalah