Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory Untuk Pengenalan Pola Wajah

68

ABSTRAK

Jaringan syaraf tiruan adalah sistem pemroses informasi yang memiliki
karakteristik mirip dengan jaringan syaraf biologi. Jaringan syaraf tiruan dibentuk
sebagai generalisasi model matematika dari jaringan syaraf biologi. Prinsip
jaringan syaraf tiruan ini meniru cara kerja sistem syaraf otak manusia.
Pengenalan pola merupakan salah satu fungsi dari pemanfaatan jaringan saraf
tiruan, dimana suatu obyek dikenali polanya sehingga nantinya dapat membantu
proses pengenalan dari suatu obyek yang polanya mengalami kerusakan. Metode
Bidirectional Associative Memory merupakan arsitektur neural Network yang
dapat mengenali pola baik dengan data yang tidak lengkap atau dengan Noise.
Proses kerja pada penelitian ini dimulai dengan memproses citra foto terlebih
dahulu yang diambil dengan kamera kemudian diproses untuk memperoleh piksel
dari foto dengan nilai 1 dan -1. Tahap selanjutnya nilai piksel dari foto tersebut
dijadikan inputan bagi jaringan syaraf tiruan. Akhir dari proses ini akan
menghasilkan matriks weight yang akan dijadikan sebagai tolak ukur untuk
pengujian pengenalan pola wajah. Penelitian ini memiliki tiga pengujian, pertama
pengujian terhadap data pengujian pola wajah yang telah dilatih diperoleh tingkat
pengenalan sebesar 100%, kedua pengujian terhadap data pengujian pola wajah

yang baru diambil dengan kamera yang memiliki tingkat pengenalan sebesar 70%,
ketiga pengujian pola wajah yang telah diberi noise yang memiliki tingkat
pengenalan mencapai 80%. Kesimpulan yang diperoleh dari penelitian ini adalah
metode Bidirectional Associative Memory sangat tahan terhadap noise.
Katakunci: Jaringan Syaraf Tiruan, Bidirectional Associative Memory, Pola
Wajah.

Universitas Sumatera Utara

69

IMPLEMENTATION OF NEURAL NETWORK BIDIRECTIONAL
ASSOCITIVE MEMORY METHOD FOR FACIAL PATTERN
RECOGNITION

ABSTRACT

Artificial neural networks are information processing systems that have
characteristics similar to biological neural networks. Neural network was formed
as a generalization of mathematical models of biological neural networks.

Principles of artificial neural networks mimic the way the human brain nerve
system working. Pattern recognition is one of the functions of utilization of
artificial neural networks, where an object known pattern until the program could
help the identification of the pattern of an object that had errors. Methods of
Bidirectional Associative Memory Neural Network architecture that is able to
recognize a good pattern with incomplete data or with Noise. Working on this
research process begins by processing images first image taken by the camera are
then processed to obtain images with pixels of value 1 and -1. The next phase of
the pixel values of the image is used as input for the neural network. End of this
process will produce a weight matrix that will be used as a benchmark for testing
the facial pattern recognition. This study has three tests, the first test against test
data that has been trained facial pattern obtained recognition rate of 100%, the
second test against test data patterns are new faces taken with a camera that has a
recognition rate of 70%, a third test that has been given a face pattern noise which
has a recognition rate reached 80%. Conclusion of this research is the
Bidirectional Associative Memory is very resistant to noise.

Keyword: Neural Network, Bidirectional Associative Memory, Pattern
Recognition

Universitas Sumatera Utara