Gambar 2.5 Karakter Ukuran 60x90 Piksel Pradeep Et. Al, 2011
Gambar 2.6 Pembagian Zona Ekstraksi Fitur Pradeep Et. Al, 2011
Gambar 2.7 Diagonal Histogram Setiap Zona Pradeep Et. Al, 2011
2.5. Jaringan Saraf Tiruan
Jaringan Saraf Tiruan adalah jaringan komputasional yang mensimulasikan jaringan sel saraf neuron dari pusat sistem saraf makhluk hidup manusia atau hewan
Graupe, 2007. Jaringan saraf tiruan pertama kali didesain oleh Warren Mc-Culloh dan Walter Pitts pada tahun 1943. Mc Cullah-Pitts menemukan bahwa dengan
Universitas Sumatera Utara
mengkombinasikan banyak neuron sederhana sehingga menjadi sebuah sistem saraf merupakan peningkatan tenaga komputasional.
Jaringan saraf tiruan disusun dengan asumsi yang sama seperti jaringan saraf biologi Puspitaningrum, 2006:
1. Pengolahan informasi terjadi pada elemen-elemen pemrosesan neuron.
2. Sinyal antara dua buah neuron diteruskan melalui link-link koneksi.
3. Setiap link koneksi memiliki bobot terasosiasi.
4. Setiap neuron menerapkan sebuah fungsi aktivasi terhadap input jaringan jumlah
sinyal input berbobot. Tujuannya adalah untuk menentukan sinyal output.
2.5.1. Komponen jaringan saraf tiruan Jaringan saraf tiruan terdiri dari banyak neuron yang menyusun jaringan tersebut.
Neuron-neuron tersebut dikelompokkan ke dalam beberapa lapisan layer dan lapisan-lapisan tersebut memiliki hubungan satu sama lain.
Lapisan-lapisan penyusun jaringan saraf tiruan dapat dibagi menjadi 3, yaitu: 1.
Lapisan input Pada lapisan ini neuron-neuron akan menerima input yang selanjutnya diproses
untuk dikirimkan ke lapisan selanjutnya. 2.
Lapisan tersembunyi Lapisan ini berada di antara lapisan input dan lapisan output. Pada lapisan ini
bobot yang diterima dari lapisan input diproses untuk selanjutnya diproses untuk dikirimkan ke lapisan selanjutnya. Output dari lapisan ini tidak secara langsung
dapat diamati. 3.
Lapisan output Lapisan ini merupakan lapisan akhir dimana nilai output dihasilkan. Pada lapisan
ini ditetapkan nilai output aktual untuk dibandingkan dengan nilai output target untuk mengetahui apakah jaringan sudah sesuai dengan hasil yang diinginkan.
2.6. Algoritma Backpropagation
