Jaringan Syaraf Tiruan Penerapan Recurrent Nural Network Dalam Identifikasi Tulisan Tangan Huruf Jepang Jenis Katakana

Zn = 19 3. Hitung rata-rata zona setiap baris, disebut Bi, dimana 1 ≤ i ≤ 9. Bi = 6 Baris 1 = Z1+Z2+Z3+Z4+Z5+Z6 6 Baris 2 = Z7+Z8+Z9+Z10+Z11+Z12 6 Baris 3 = Z13+Z14+Z15+Z16+Z17+Z18 6 Baris 4 = Z19+Z20+Z21+Z22+Z23+Z24 6 Baris 5 = Z25+Z26+Z27+Z28+Z29+Z30 6 Baris 6 = Z31+Z32+Z33+Z34+Z35+Z36 6 Baris 7 = Z37+Z38+Z39+Z40+Z41+Z42 6 Baris 8 = Z43+Z44+Z45+Z46+Z47+Z48 6 Baris 9 = Z49+Z50+Z51+Z52+Z53+Z56 6 4. Hitung rata-rata zona setiap kolom, disebut Kj, dimana 1 ≤ j ≤ 6 Kj = 9 Kolom 1 = Z1+Z7+Z13+Z19+Z25+Z31+Z37+Z43+Z49 9 Kolom 2 = Z2+Z8+Z14+Z20+Z26+Z32+Z38+Z44+Z50 9 Kolom 3 = Z3+Z9+Z15+Z21+Z27+Z33+Z39+Z45+Z51 9 Kolom 4 = Z4+Z10+Z16+Z22+Z28+Z34+Z40+Z46+Z52 9 Kolom 5 = Z5+Z11+Z17+Z23+Z29+Z35+Z41+Z47+Z53 9 Kolom 6 = Z6+Z12+Z18+Z24+Z30+Z36+Z42+Z48+Z54 9

2.5 Jaringan Syaraf Tiruan

Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia. Elemen kunci dari Universitas Sumatera Utara paradigma ini adalah struktur dari sistem pengolahan informasi yang terdiri dari sejumlah besar elemen pemrosesan yang saling berhubungan neuron, bekerja serentak untuk menyelesaikan masalah tertentu. Cara kerja jaringan saraf tiruan adalah seperti cara kerja manusia, yaitu belajar pola atau klasifikasi data, melalui proses pembelajaran Sutojo et al. 2010. 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. Pembagian arsitektur jaringan saraf tiruan bisa dilihat dari kerangka kerja dan skema antar interkoneksi. Kerangka kerja jaringan saraf tiruan bisa dilihat dari jumlah lapisan layer dan jumlah node pada setiap lapisan Puspitaningrum, 2006. Lapisan – lapisan penyusun jaringan saraf tiruan dapat dibagi menjadi tiga : 1. Lapisan input Node-node di dalam lapisan input disebut unit-unit input. Unit-unit input menerima input dari dunia luar. Input yang dimasukkan merupakan penggambaran dari suatu masalah. 2. Lapisan tersembunyi Node-node di dalam lapisan tersembunyi disebut unit-unit tersembunyi. Output dari lapisan ini tidak secara langsung dapat diamati. 3. Lapisan output Node-node pada lapisan output disebut unit-unit output. Keluaran atau output dari lapisan ini merupakan output jaringan saraf tiruan terhadap suatu permasalahan. Universitas Sumatera Utara Mengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan dijelaskan yaitu menerima input atau masukan baik dari data yang dimasukkan atau dari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksi atau hubungan yang mempunyai sebuah bobot weight. Setiap sel syaraf mempunyai sebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambang kemudian akan mendapatkan suatu aktivasi dari sel syaraf post synaptic potential, PSP, dari sel syaraf. Signal aktivasi kemudian menjadi fungsi aktivasi fungsi transfer untuk menghasilkan output dari sel syaraf. Jika tahapan fungsi aktivasi digunakan output sel syaraf = 0 jika input 0 dan 1 jika input = 0 maka tindakan sel syaraf sama dengan sel syaraf biologi yang dijelaskan diatas pengurangan nilai ambang dari jumlah bobot dan membandingkan dengan 0 adalah sama dengan membandingkan jumlah bobot dengan nilai ambang. Biasany tahapan fungsi jarang digunakan dalam jaringan syaraf tiruan.

2.6 Recurrent Neural Network