Pengenalan Pola Karakter Dan Penerjemahan Aksara Katakana Menggunakan Implementasi Algoritma Associative Memory Tipe Hetero-Associative
PENGENALAN POLA KARAKTER DAN PENERJEMAHAN AKSARA
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
SEPTIAN DWI CAHYA PANJAITAN
091401029
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
PENGENALAN POLA KARAKTER DAN PENERJEMAHAN AKSARA
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer
SEPTIAN DWI CAHYA PANJAITAN
091401029
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
i
PERSETUJUAN
Judul
: PENGENALAN POLA KARAKTER DAN
PENERJEMAHAN AKSARA KATAKANA
MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETEROASSOCIATIVE
Kategori
: SKRIPSI
Nama
: SEPTIAN DWI CAHYA PANJAITAN
Nomor Induk Mahasiswa
: 091401029
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing II
Pembimbing I
Amer Sharif, S.Si, M.Kom
Dr. Poltak Sihombing, M.Kom
NIP. 19620217 199103 1 001
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 19620217 199103 1 001
Universitas Sumatera Utara
ii
PERNYATAAN
PENGENALAN POLA KARAKTER DAN PENERJEMAHAN AKSARA
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Januari 2017
SEPTIAN DWI CAHYA PANJAITAN
091401029
Universitas Sumatera Utara
iii
UCAPAN TERIMA KASIH
Segala puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Esa atas hikmat
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai syarat
untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer,
Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Dalam penyusunan dan penulisan skripsi ini, penulis banyak mendapat
bantuan, dukungan, dan bimbingan dari berbagai pihak. Pada kesempatan ini penulis
ingin mengucapkan rasa terima kasih dan penghargaan kepada:
1.
Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera
Utara.
2.
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc sebagai Dekan Fakultas Ilmu
Komputer dan Teknologi Informasi.
3.
Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu
Komputer dan Dosen Pembimbing I yang telah memberikan bimbingan dan
dukungan kepada penulis dalam menyelesaikan skripsi ini.
4.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi Ilmu
Komputer dan Dosen Pembanding II yang telah memberikan kritik dan saran
dalam penyempurnaan skripsi ini.
5.
Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II, yang telah
meluangkan waktu, tenaga, dan pikiran dalam membimbing, mengarahkan,
memotivasi, menasehati, serta memberi semangat kepada penulis supaya dapat
menyelesaikan skripsi ini.
6.
Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah
memberikan kritik dan saran terhadap skripsi penulis.
7.
Seluruh staf pengajar dan pegawai Fakultas Ilmu Komputer dan Teknologi
Informasi USU, terkhususnya di Program Studi S-1 Ilmu Komputer.
8.
Ayah penulis Hulman Charles Panjaitan, Ibu penulis Hotriama Marpaung, Abang
penulis Oca Panjaitan, S.E dan Adik penulis Bryan Panjaitan, Alone Panjaitan
yang selalu memberikan dukungan dan bantuannya kepada penulis.
Universitas Sumatera Utara
iv
9.
Teman-teman kuliah penulis khususnya Jakup Ginting, S.Kom, Samuel Tarigan,
S.Kom, Jhonri Sibarani, S.Kom yang membantu memberikan inspirasi dan
semangat kepada penulis selama menyelesaikan skripsi ini.
10. Orang-orang yang banyak membantu dalam pengerjaan ini, semangat dan
dukungan yang tak terhingga, Tulang Marojahan Sigiro, Kak Nita Tampubolon
dan GSP Paulus Silaban.
11. Teman-teman Komunitas Logic : Angga Malau, Johannes Hutabarat, Octavianus
Sianturi, Septian Maihadi Lubis, Gunalan Anggirasa, Rivai Purba, Hengky Gulo,
Johanes Saragih, Kurniawan Hutagaol, Lorent Barus, Yansen Simatupang,
Andika Hutauruk, Mahesa Lingga dan yang lainnya yang selalu memberikan
semangat dan inspirasi kepada penulis selama menyelesaikan skripsi ini.
12. Semua pihak yang terlibat langsung ataupun tidak langsung yang penulis tidak
dapat tuliskan satu per satu.
Penulis menyadari bahwa skripsi ini masih memiliki banyak kekurangan, baik dari
segi teknik, tata penyajian ataupun dari segi tata bahasa. Oleh karena itu penulis
bersedia menerima kritik dan saran dari pembaca dalam upaya perbaikan skripsi ini.
Semoga skripsi ini dapat bermanfaat bagi penulis dan pembaca, khususnya rekanrekan mahasiswa lainnya yang mengikuti perkuliahan di Universitas Sumatera Utara.
Medan, Januari 2017
Penulis
Septian Dwi Cahya Panjaitan
ABSTRAK
Universitas Sumatera Utara
v
Mempelajari aksara Katakana Jepang tergolong susah, terutama aksara yang dipakai
bukan aksara Latin yang biasa kita gunakan. Bentuk aksaranya yang unik
membutuhkan perhatian khusus dan waktu yang lebih banyak dalam mempelajari
penulisannya. Jaringan syaraf tiruan dan pengenalan pola karakter dapat membantu
meringankan pembelajarannya. Pada penelitian ini, algoritma jaringan syaraf tiruan
yang digunakan adalah algoritma Associative Memory tipe Hetero-Associative.
Terdapat dua proses pada penelitian ini yaitu proses pelatihan dan pengujian. Proses
pelatihan dimulai dari tulisan tangan aksara Katakana diubah ke dalam citra digital
yang kemudian diproses untuk memperoleh nilai citra binernya. Nilai setiap piksel
dari citra tersebut diasosiasikan dan dijadikan input bagi jaringan syaraf tiruan. Akhir
dari proses ini menghasilkan nilai matriks bobot yang akan dijadikan sebagai dasar
untuk pengujian pola karakter aksara Katakana. Pada proses pengujian aksara yang
diuji akan diproses dengan nilai yang didapat pada proses pelatihan. Hasil dari
penelitian menunjukkan bahwa metode associative memory tipe hetero-associative
dapat mengenal pola karakter sebesar 74.7826 % terhadap pola yang telah dilatih dan
63.0435 % terhadap sampel pola testing (belum dilatih).
Kata kunci: Jaringan Syaraf Tiruan, Associative Memory tipe Hetero-associative,
Pengenalan Pola, Aksara Katakana.
Universitas Sumatera Utara
vi
CHARACTER PATTERN RECOGNITION AND TRANSLATION AKSARA
KATAKANA USING IMPLEMENTATION OF ALGORITHM ASSOCIATIVE
MEMORY HETERO-ASSOCIATIVE TYPE
ABSTRACT
Studying Japanese Katakana characters relatively difficult, especially the characters
are used different from the Latin alphabet that we usually use. The unique shape of
character requires special attention and a lot more time in studying writing. Neural
networks and pattern recognition can help ease learning character. In this research,
artificial neural network algorithm used is Associative Memory Hetero-Associative
type. There are two processes in this research that is process of training and testing.
The training process begins from Katakana characters handwriting is converted into
digital image then processed to obtain the value of the binary image. The value of
each pixel of the image is associated and used as input to the neural network. The end
of this process produces the weight matrix values that will serve as the basis for
testing Katakana character patterns. In the testing process tested characters will be
processed with the value obtained in the training process. Results from the research
showed that the method of associative memory hetero-associative type can recognize
patterns of 74.7826% from the pattern that has been trained and 63.0435% of the
samples testing patterns (not trained).
Keywords: Neural Network, Associative Memory Hetero-association type , Pattern
Recognition, Aksara Katakana.
Universitas Sumatera Utara
vii
DAFTAR ISI
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Daftar Lampiran
i
ii
iii
v
vi
vii
ix
x
xi
Bab 1 Pendahuluan
1.1 Latar Belakang Masalah
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Peneltian
1.7 Sistematika penulisan
1
2
2
2
3
3
4
Bab 2 Landasan Teori
2.1 Jaringan Syaraf Tiruan
2.2 Pelatihan Terbimbing (Supervised Training) dan Tak Terbimbing
(Unsupervised Training)
2.3 Arsitektur JST
2.4 Metode JST
2.5 Associative Memory
2.6 Bagian-bagian dalam Associative memory
2.6.1 Auto-associative memory
2.6.2 Hetero-associative memory
2.7 Pemgenalan Pola
2.8 Citra Digital
2.8.1 Format Citra JPEG
2.9 Aksara Katakana
2.1 Penelitian Terdahulu
8
8
11
14
15
15
15
17
18
20
20
21
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan (Requirement Analysis)
3.1.2.1 Analisis Persyaratan Fungsional
3.1.2.2 Analisis Persyaratan Non Fungsional
3.2 Pemodelan Sistem
3.2.1 Use Case Diagram
3.2.2 Activity Diagram (Diagram Aktivitas)
3.2.3 Sequence Diagram
3.3 Flowchart Sistem
23
23
24
24
25
25
26
28
31
32
5
Universitas Sumatera Utara
viii
3.4 Pseudocode
3.4.1 Pseudocode Proses Pelatihan JST
3.4.2 Pseudocode Proses Pengujian JST
3.5 Perancangan Antarmuka (Interface) Sistem
3.5.1 Form Pelatihan
3.5.2 Form Pengujian
34
34
34
36
36
37
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
4.1.1 Implementasi Algoritma Associative Memory tipe HeteroAssociation
4.2 Tampilan Interface Sistem
4.2.1 Form Proses Pelatihan
4.2.2 Form Proses Pengujian
39
40
44
44
45
4.3 Pengujian Sistem
4.3.1 Proses Pelatihan
4.3.2 Proses Pengujian
46
47
51
4.4 Hasil Pengujian
4.4.1 Pengujian Pada Citra Yang Telah Dilatih
4.4.2 Pengujian Pada Citra Testing (Belum Dilatih)
54
54
60
4.5 Analisis Penyebab Kegagalan Dalam Pengenalan Karakter
62
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
63
64
Daftar Pustaka
65
Universitas Sumatera Utara
ix
DAFTAR TABEL
Hal
Tabel 2.1 Perbandingan jenis file gambar
Tabel 2.2 Huruf-huruf Katakana
Tabel 3.1 Dakumentasi Naratif Use Case Pelatihan Sistem
Tabel 3.2 Dakumentasi Naratif Use Case Pengujian Sistem
Tabel 4.1 Hasil Pengujian Citra Yang Dilatih
Tabel 4.2 Citra Yang Mengalami Kesalahan Pada Pengenalan
Tabel 4.3 Hasil Pengujian Citra Testing
Tabel 4.4 Citra Yang Mengalami Kesalahan Dalam Pengenalan
Tabel 4.5 Tabulasi Kemiripan Karakter Pada Aksara Katakana
20
21
27
28
55
56
60
61
62
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Hal
Gambar 2.1 Model Struktur JST
Gambar 2.2 Model Struktur JST
Gambar 2.3 Jaringan dengan lapisan tunggal
Gambar 2.4 Jaringan dengan lapisan banyak
Gambar 2.5 Jaringan dengan lapisan kompetitif
Gambar 2.6 Backpropagation
Gambar 2.7 Learning vector quantization
Gambar 2.8 Hebb Rule
Gambar 2.9 Associative Memory
Gambar 2.10 Representasi konseptual dari sistem pengenalan pola
Gambar 2.11 Sistem Koordinat pada Citra Digital
Gambar 3.1 Diagram Ishikawa
Gambar 3.2 Use Case Diagram Sistem
Gambar 3.3 Activity Diagram Pelatihan
Gambar 3.4 Activity Diagram Pengujian
Gambar 3.5 Sequence Diagram Sistem
Gambar 3.6 Flowchart Proses Pelatihan dan Pengujian
Gambar 3.7 Form Pelatihan
Gambar 3.8 Form Pengujian
Gambar 4.1 Form Proses Pelatihan
Gambar 4.2 Form Proses Pengujian
Gambar 4.3 Alamat Direktori Gambar
Gambar 4.4 Buka Citra
Gambar 4.5 Ubah Ukuran
Gambar 4.6 Listing Program Ubah Ukuran
Gambar 4.7 Normalisasi Warna
Gambar 4.8 Listing Program Normalisasi Warna
Gambar 4.9 Hitung Bobot
Gambar 4.10 Listing Program Hitung Bobot
Gambar 4.11 Simpan Bobat
Gambar 4.12 Hitung Bobot Total
Gambar 4.13 Pop-up Window Buka File
Gambar 4.14 Buka File Uji
Gambar 4.15 Proses Pengujian
Gambar 4.16 Listing Program Proses Pengujian
6
7
9
10
10
11
12
13
15
18
19
24
26
29
30
31
33
36
38
45
46
47
47
48
48
48
49
50
50
51
51
51
52
53
54
Universitas Sumatera Utara
xi
DAFTAR LAMPIRAN
Listing Program
Curicuum Vitae
A-1
B-1
Universitas Sumatera Utara
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
SEPTIAN DWI CAHYA PANJAITAN
091401029
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
PENGENALAN POLA KARAKTER DAN PENERJEMAHAN AKSARA
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana
Ilmu Komputer
SEPTIAN DWI CAHYA PANJAITAN
091401029
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
i
PERSETUJUAN
Judul
: PENGENALAN POLA KARAKTER DAN
PENERJEMAHAN AKSARA KATAKANA
MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETEROASSOCIATIVE
Kategori
: SKRIPSI
Nama
: SEPTIAN DWI CAHYA PANJAITAN
Nomor Induk Mahasiswa
: 091401029
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing II
Pembimbing I
Amer Sharif, S.Si, M.Kom
Dr. Poltak Sihombing, M.Kom
NIP. 19620217 199103 1 001
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 19620217 199103 1 001
Universitas Sumatera Utara
ii
PERNYATAAN
PENGENALAN POLA KARAKTER DAN PENERJEMAHAN AKSARA
KATAKANA MENGGUNAKAN IMPLEMENTASI ALGORITMA
ASSOCIATIVE MEMORY TIPE HETERO-ASSOCIATIVE
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Januari 2017
SEPTIAN DWI CAHYA PANJAITAN
091401029
Universitas Sumatera Utara
iii
UCAPAN TERIMA KASIH
Segala puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Esa atas hikmat
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai syarat
untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer,
Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Dalam penyusunan dan penulisan skripsi ini, penulis banyak mendapat
bantuan, dukungan, dan bimbingan dari berbagai pihak. Pada kesempatan ini penulis
ingin mengucapkan rasa terima kasih dan penghargaan kepada:
1.
Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera
Utara.
2.
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc sebagai Dekan Fakultas Ilmu
Komputer dan Teknologi Informasi.
3.
Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu
Komputer dan Dosen Pembimbing I yang telah memberikan bimbingan dan
dukungan kepada penulis dalam menyelesaikan skripsi ini.
4.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi Ilmu
Komputer dan Dosen Pembanding II yang telah memberikan kritik dan saran
dalam penyempurnaan skripsi ini.
5.
Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II, yang telah
meluangkan waktu, tenaga, dan pikiran dalam membimbing, mengarahkan,
memotivasi, menasehati, serta memberi semangat kepada penulis supaya dapat
menyelesaikan skripsi ini.
6.
Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah
memberikan kritik dan saran terhadap skripsi penulis.
7.
Seluruh staf pengajar dan pegawai Fakultas Ilmu Komputer dan Teknologi
Informasi USU, terkhususnya di Program Studi S-1 Ilmu Komputer.
8.
Ayah penulis Hulman Charles Panjaitan, Ibu penulis Hotriama Marpaung, Abang
penulis Oca Panjaitan, S.E dan Adik penulis Bryan Panjaitan, Alone Panjaitan
yang selalu memberikan dukungan dan bantuannya kepada penulis.
Universitas Sumatera Utara
iv
9.
Teman-teman kuliah penulis khususnya Jakup Ginting, S.Kom, Samuel Tarigan,
S.Kom, Jhonri Sibarani, S.Kom yang membantu memberikan inspirasi dan
semangat kepada penulis selama menyelesaikan skripsi ini.
10. Orang-orang yang banyak membantu dalam pengerjaan ini, semangat dan
dukungan yang tak terhingga, Tulang Marojahan Sigiro, Kak Nita Tampubolon
dan GSP Paulus Silaban.
11. Teman-teman Komunitas Logic : Angga Malau, Johannes Hutabarat, Octavianus
Sianturi, Septian Maihadi Lubis, Gunalan Anggirasa, Rivai Purba, Hengky Gulo,
Johanes Saragih, Kurniawan Hutagaol, Lorent Barus, Yansen Simatupang,
Andika Hutauruk, Mahesa Lingga dan yang lainnya yang selalu memberikan
semangat dan inspirasi kepada penulis selama menyelesaikan skripsi ini.
12. Semua pihak yang terlibat langsung ataupun tidak langsung yang penulis tidak
dapat tuliskan satu per satu.
Penulis menyadari bahwa skripsi ini masih memiliki banyak kekurangan, baik dari
segi teknik, tata penyajian ataupun dari segi tata bahasa. Oleh karena itu penulis
bersedia menerima kritik dan saran dari pembaca dalam upaya perbaikan skripsi ini.
Semoga skripsi ini dapat bermanfaat bagi penulis dan pembaca, khususnya rekanrekan mahasiswa lainnya yang mengikuti perkuliahan di Universitas Sumatera Utara.
Medan, Januari 2017
Penulis
Septian Dwi Cahya Panjaitan
ABSTRAK
Universitas Sumatera Utara
v
Mempelajari aksara Katakana Jepang tergolong susah, terutama aksara yang dipakai
bukan aksara Latin yang biasa kita gunakan. Bentuk aksaranya yang unik
membutuhkan perhatian khusus dan waktu yang lebih banyak dalam mempelajari
penulisannya. Jaringan syaraf tiruan dan pengenalan pola karakter dapat membantu
meringankan pembelajarannya. Pada penelitian ini, algoritma jaringan syaraf tiruan
yang digunakan adalah algoritma Associative Memory tipe Hetero-Associative.
Terdapat dua proses pada penelitian ini yaitu proses pelatihan dan pengujian. Proses
pelatihan dimulai dari tulisan tangan aksara Katakana diubah ke dalam citra digital
yang kemudian diproses untuk memperoleh nilai citra binernya. Nilai setiap piksel
dari citra tersebut diasosiasikan dan dijadikan input bagi jaringan syaraf tiruan. Akhir
dari proses ini menghasilkan nilai matriks bobot yang akan dijadikan sebagai dasar
untuk pengujian pola karakter aksara Katakana. Pada proses pengujian aksara yang
diuji akan diproses dengan nilai yang didapat pada proses pelatihan. Hasil dari
penelitian menunjukkan bahwa metode associative memory tipe hetero-associative
dapat mengenal pola karakter sebesar 74.7826 % terhadap pola yang telah dilatih dan
63.0435 % terhadap sampel pola testing (belum dilatih).
Kata kunci: Jaringan Syaraf Tiruan, Associative Memory tipe Hetero-associative,
Pengenalan Pola, Aksara Katakana.
Universitas Sumatera Utara
vi
CHARACTER PATTERN RECOGNITION AND TRANSLATION AKSARA
KATAKANA USING IMPLEMENTATION OF ALGORITHM ASSOCIATIVE
MEMORY HETERO-ASSOCIATIVE TYPE
ABSTRACT
Studying Japanese Katakana characters relatively difficult, especially the characters
are used different from the Latin alphabet that we usually use. The unique shape of
character requires special attention and a lot more time in studying writing. Neural
networks and pattern recognition can help ease learning character. In this research,
artificial neural network algorithm used is Associative Memory Hetero-Associative
type. There are two processes in this research that is process of training and testing.
The training process begins from Katakana characters handwriting is converted into
digital image then processed to obtain the value of the binary image. The value of
each pixel of the image is associated and used as input to the neural network. The end
of this process produces the weight matrix values that will serve as the basis for
testing Katakana character patterns. In the testing process tested characters will be
processed with the value obtained in the training process. Results from the research
showed that the method of associative memory hetero-associative type can recognize
patterns of 74.7826% from the pattern that has been trained and 63.0435% of the
samples testing patterns (not trained).
Keywords: Neural Network, Associative Memory Hetero-association type , Pattern
Recognition, Aksara Katakana.
Universitas Sumatera Utara
vii
DAFTAR ISI
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Daftar Lampiran
i
ii
iii
v
vi
vii
ix
x
xi
Bab 1 Pendahuluan
1.1 Latar Belakang Masalah
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Peneltian
1.7 Sistematika penulisan
1
2
2
2
3
3
4
Bab 2 Landasan Teori
2.1 Jaringan Syaraf Tiruan
2.2 Pelatihan Terbimbing (Supervised Training) dan Tak Terbimbing
(Unsupervised Training)
2.3 Arsitektur JST
2.4 Metode JST
2.5 Associative Memory
2.6 Bagian-bagian dalam Associative memory
2.6.1 Auto-associative memory
2.6.2 Hetero-associative memory
2.7 Pemgenalan Pola
2.8 Citra Digital
2.8.1 Format Citra JPEG
2.9 Aksara Katakana
2.1 Penelitian Terdahulu
8
8
11
14
15
15
15
17
18
20
20
21
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan (Requirement Analysis)
3.1.2.1 Analisis Persyaratan Fungsional
3.1.2.2 Analisis Persyaratan Non Fungsional
3.2 Pemodelan Sistem
3.2.1 Use Case Diagram
3.2.2 Activity Diagram (Diagram Aktivitas)
3.2.3 Sequence Diagram
3.3 Flowchart Sistem
23
23
24
24
25
25
26
28
31
32
5
Universitas Sumatera Utara
viii
3.4 Pseudocode
3.4.1 Pseudocode Proses Pelatihan JST
3.4.2 Pseudocode Proses Pengujian JST
3.5 Perancangan Antarmuka (Interface) Sistem
3.5.1 Form Pelatihan
3.5.2 Form Pengujian
34
34
34
36
36
37
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem
4.1.1 Implementasi Algoritma Associative Memory tipe HeteroAssociation
4.2 Tampilan Interface Sistem
4.2.1 Form Proses Pelatihan
4.2.2 Form Proses Pengujian
39
40
44
44
45
4.3 Pengujian Sistem
4.3.1 Proses Pelatihan
4.3.2 Proses Pengujian
46
47
51
4.4 Hasil Pengujian
4.4.1 Pengujian Pada Citra Yang Telah Dilatih
4.4.2 Pengujian Pada Citra Testing (Belum Dilatih)
54
54
60
4.5 Analisis Penyebab Kegagalan Dalam Pengenalan Karakter
62
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
63
64
Daftar Pustaka
65
Universitas Sumatera Utara
ix
DAFTAR TABEL
Hal
Tabel 2.1 Perbandingan jenis file gambar
Tabel 2.2 Huruf-huruf Katakana
Tabel 3.1 Dakumentasi Naratif Use Case Pelatihan Sistem
Tabel 3.2 Dakumentasi Naratif Use Case Pengujian Sistem
Tabel 4.1 Hasil Pengujian Citra Yang Dilatih
Tabel 4.2 Citra Yang Mengalami Kesalahan Pada Pengenalan
Tabel 4.3 Hasil Pengujian Citra Testing
Tabel 4.4 Citra Yang Mengalami Kesalahan Dalam Pengenalan
Tabel 4.5 Tabulasi Kemiripan Karakter Pada Aksara Katakana
20
21
27
28
55
56
60
61
62
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Hal
Gambar 2.1 Model Struktur JST
Gambar 2.2 Model Struktur JST
Gambar 2.3 Jaringan dengan lapisan tunggal
Gambar 2.4 Jaringan dengan lapisan banyak
Gambar 2.5 Jaringan dengan lapisan kompetitif
Gambar 2.6 Backpropagation
Gambar 2.7 Learning vector quantization
Gambar 2.8 Hebb Rule
Gambar 2.9 Associative Memory
Gambar 2.10 Representasi konseptual dari sistem pengenalan pola
Gambar 2.11 Sistem Koordinat pada Citra Digital
Gambar 3.1 Diagram Ishikawa
Gambar 3.2 Use Case Diagram Sistem
Gambar 3.3 Activity Diagram Pelatihan
Gambar 3.4 Activity Diagram Pengujian
Gambar 3.5 Sequence Diagram Sistem
Gambar 3.6 Flowchart Proses Pelatihan dan Pengujian
Gambar 3.7 Form Pelatihan
Gambar 3.8 Form Pengujian
Gambar 4.1 Form Proses Pelatihan
Gambar 4.2 Form Proses Pengujian
Gambar 4.3 Alamat Direktori Gambar
Gambar 4.4 Buka Citra
Gambar 4.5 Ubah Ukuran
Gambar 4.6 Listing Program Ubah Ukuran
Gambar 4.7 Normalisasi Warna
Gambar 4.8 Listing Program Normalisasi Warna
Gambar 4.9 Hitung Bobot
Gambar 4.10 Listing Program Hitung Bobot
Gambar 4.11 Simpan Bobat
Gambar 4.12 Hitung Bobot Total
Gambar 4.13 Pop-up Window Buka File
Gambar 4.14 Buka File Uji
Gambar 4.15 Proses Pengujian
Gambar 4.16 Listing Program Proses Pengujian
6
7
9
10
10
11
12
13
15
18
19
24
26
29
30
31
33
36
38
45
46
47
47
48
48
48
49
50
50
51
51
51
52
53
54
Universitas Sumatera Utara
xi
DAFTAR LAMPIRAN
Listing Program
Curicuum Vitae
A-1
B-1
Universitas Sumatera Utara