Slope Correction pada Tulisan Tangan Menggunakan Jaringan Saraf Tiruan.
i
Universitas Kristen Maranatha
SLOPE CORRECTION PADA TULISAN TANGAN
MENGGUNAKAN
JARINGAN SARAF TIRUAN Disusun Oleh :Apriliyanto Taufik Betama (1022070)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. drg. Suria Sumantri, MPH, No. 65, Bandung, Indonesia
E-mail : [email protected]
ABSTRAK
Dalam proses pengenalan tulisan terdapat masalah yang dihadapi yaitu hasil yang didapat sangat ditentukan oleh cara menulis seseorang karena banyaknya variasi tulisan seseorang. Banyak dari hasil tulisan tangan tersebut yang naik turun atau tidak lurus (slope). Slope adalah kemiringan tulisan sehingga tulisan tidak lurus atau tidak rata dengan garis bantu tulisan.
Jaringan Saraf Tiruan telah banyak digunakan dalam proses pengenalan pola. Dalam Tugas Akhir ini terdapat preprocessing yaitu didalamnya terdapat segmentasi, simulasi sudut, inversi, resize citra dan kontur tulisan. Langkah selanjutnya adalah
learning algoritma menggunakan Multi Layer Perceptron (MLP) dengan metode backpropagation dan kemudian proses rekonstruksi.
Hasil yang diperoleh dari pengujian secara subjektif adalah hasil koreksi slope menggunakan Jaringan Saraf Tiruan (JST) sudah cukup baik, karena dari 20 responden mayoritas memberikan nilai 5 terhadap 2 dari 8 LINE kata (25%), nilai 4 terhadap 4 dari 8 LINE kata (50%), dan nilai 3 terhadap 2 dari 8 LINE (25%). Dan hasil dari pengujian objektif adalah Jumlah Lower Baseline yang diperoleh dari output Jaringan Saraf Tiruan (JST) lebih banyak dibandingkan yang diperoleh dengan cara manual, dan menyatakan sudut slope yang lebih sesuai saat direkonstruksi.
Kata kunci: Kemiringan tulisan, Slope, Jaringan Saraf Tiruan, Multi Layer Perceptron (MLP), Backpropagation.
(2)
ii
Universitas Kristen Maranatha
SLOPE CORRECTION OF HANDWRITTEN USING ARTIFICIAL
NEURAL NETWORKS
Composed by :
Apriliyanto Taufik Betama (1022070)
Department of Electrical Engineering, Faculty of Engineering, Maranatha Christian University
Prof. drg Suria Sumantri Street No. 65, Bandung, Indonesia E-mail : [email protected]
ABSTRACT
Nowaday, a lot of handwriting who up and down or not straight caused by many variation of handwriting in the process of the handwriting recognition. Slope is the slope written so that a writing is not straight or uneven with auxiliary writing.
Artifical neural network have been used in a lot of pattern recognition process. Preprocessing of this final project are consist of segmentation, corner simulation, inversion, image resize and written contour. The next step is learning the algorithm using Multi Layer Perceptron (MLP) with back-propagation method and then goes to the reconstruction process.
Examination are done by 2 ways, there is sujectively examination and objectively examination. The result of subjectively examination is result of slope correction using artificial neural network is good enough, because majority of 20 respondent gave score 5 toward 2 from 8 LINE of word (25%), score 4 toward 4 from 8 LINE of word (50%), and score 3 toward 2 from 8 LINE (25%). And the result of objectively examination is amount of Lower Baseline from artificial neural network are much more than manual ways, and slope angle are more suitable while reconstruction.
Keyword : handwritten slope, slope, artificial neural network, Multi Layer Perceptron (MLP), Backpropagation.
(3)
vi Universitas Kristen Maranatha
DAFTAR ISI
HALAMAN JUDUL LEMBAR PENGESAHAN
SURAT PERNYATAAN ORISINALITAS TUGAS AKHIR SURAT PERNYATAAN PUBLIKASI LAPORAN PENELITIAN
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... vi
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah... 1
1.3 Tujuan Tugas Akhir ... 2
1.4 Perangkat Lunak Yang Digunakan ... 2
1.5 Batasan Masalah ... 2
(4)
vii Universitas Kristen Maranatha
BAB II LANDASAN TEORI ... 4
2.1 Pengolahan Citra Digital ... 4
2.1.1 Citra Digital ... 4
2.1.2 Citra Grayscale dan Warna ... 5
2.1.3 Citra Biner ... 5
2.1.4 Konversi Citra Analog ke Citra Digital ... 5
2.1.5 Akuisisi Citra ... 6
2.1.6 Kuantisasi Citra ... 6
2.1.7 Konversi Citra ... 6
2.1.7.1 Konversi Citra Warna ke Grayscale ... 6
2.1.7.2 Konversi Citra Grayscale ke Biner ... 7
2.1.8 Resize Citra ... 8
2.2 Jaringan Syaraf Tiruan... 8
2.2.1 Bias ... 12
2.2.2 Error ... 12
2.2.3 Fungsi Aktivasi... 13
2.2.4 Multilayer Perceptron ... 17
2.2.5 Aplikasi Jaringan Saraf Tiruan ... 18
2.2.6 Algoritma Backpropagation ... 19
2.2.7 Pemilihan Bobot dan Bias Awal ... 19
2.3 Slope Correction ... 20
(5)
viii Universitas Kristen Maranatha
2.5 IAM Database ... 21
BAB III PERANCANGAN SISTEM ... 23
3.1 Cara Kerja dan Diagram Blok Slope Correction pada Tulisan Tangan ... 23
3.2 Arsitektur Perancangan JST ... 24
3.3 Pencarian Target ... 24
3.4 Pelatihan JST ... 25
3.5 Pembagian Area Tulisan ... 29
3.5 Mean Opinion Score ... 30
BAB IV DATA PENGAMATAN DAN ANALISIS ... 31
4.1 Proses Simulasi Sudut (Angle Simulation) ... 31
4.2 Pelatihan Jaringan Saraf Tiruan ... 32
4.3 Hasil Percobaan dan Analisis ... 33
4.4 Proses Pengujian ... 34
4.5 Hasil Pengujian Mean Opinion Score (MOS) ... 34
4.6 Perbandingan Sudut JST Dengan Hasil Manual... 41
BAB V SIMPULAN DAN SARAN 5.1 Simpulan ... 45
5.2 Saran ... 45
DAFTAR PUSTAKA ... 46 LAMPIRAN-LAMPIRAN ... A1
(6)
ix Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 4.1 Hasil Penilaian MOS ... 36
Tabel 4.2 Perbandingan Citra Asli Dan Hasil Rekonstruksi Serta Penilaian MOS ... 39
Tabel 4.3 Perbandingan Citra Asli Dan Hasil Rekonstruksi Serta Penamaan File ... 41
Tabel 4.4 Perbandingan Hasil Rekonstruksi Secara Manual dengan Hasil JST ... 41
Tabel 4.5 Perbandingan Hasil Rekonstruksi Secara Manual dengan Hasil JST ... 42
Tabel 4.6 Perbandingan Hasil Perhitungan Susut Slope Secara Manual dengan Hasil JST dari 40 LINE ... 44
(7)
x Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Batas Citra Grayscale ... 7
Gambar 2.2 Jaringan Saraf Biologi Manusia ... 9
Gambar 2.3 Fungsi Identitas ... 13
Gambar 2.4 Fungsi Tangga Binari ... 14
Gambar 2.5 Fungsi Sigmoid ... 15
Gambar 2.6 Fungsi Bisigmoid ... 15
Gambar 2.7 Fungsi Saturating Linear ... 16
Gambar 2.8 Fungsi Symmetric Saturating Linear ... 16
Gambar 2.9 Arsitektur Multilayer Perceptron Dengan Dua Hidden Layer ... 18
Gambar 2.10 Contoh Gambar Citra Dengan Slope Dan Perbaikannya ... 20
Gambar 2.11 Penjelasan Main Body Area ... 21
Gambar 2.12 Contoh Database IAM ... 22
Gambar 3.1 Diagram Blok Simulasi Slope Correction pada Tulisan Tangan Menggunakan Jaringan Saraf Tiruan ... 23
Gambar 3.2 Arsitektur Jaringan Saraf Tiruan dengan Multi Layer Perceptron ... 24
Gambar 3.3 Tahapan Rekonstruksi Manual ... 25
Gambar 3.4 Diagram Blok Pelatihan Jaringan Saraf Tiruan ... 25
(8)
xi Universitas Kristen Maranatha
Gambar 3.6 Proses Resize dan Kontur Tulisan ... 27
Gambar 3.7 Proses Terjadinya Perubahan Bobot ... 28
Gambar 3.8 Pembagian Area Tulisan ... 29
Gambar 4.1 Software PhotoScape Untuk Simulasi Sudut Slope ... 31
Gambar 4.2 Citra yang digunakan dalam pelatihan JST ... 32
Gambar 4.3 Jendela pelatihan Jaringan Saraf Tiruan nntraintool Matlab ... 32
Gambar 4.4 Citra Hasil Pengujian Dari JST ... 33
Gambar 4.5 Diagram Blok Pengujian Jaringan Saraf Tiruan ... 33
Gambar 4.6 Pemotongan Citra Untuk Diuji ... 34
(9)
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
1.1 Latar Belakang Masalah
Dalam proses pengenalan tulisan terdapat masalah yang dihadapi yaitu hasil yang didapat sangat ditentukan oleh cara menulis seseorang karena banyaknya variasi tulisan seseorang. Banyak dari hasil tulisan tangan tersebut yang naik turun atau tidak lurus (slope). Slope adalah kemiringan tulisan sehingga tulisan tidak lurus atau tidak rata dengan garis bantu tulisan.
Banyak kemajuan yang telah dikembangkan dalam sistem cerdas salah satunya diusulkan oleh banyak peneliti yang diinspirasi oleh jaringan saraf biologi yang dikenal sebagai Jaringan Saraf Tiruan (JST). Jaringan Saraf Tiruan telah banyak digunakan dalam proses pengenalan pola [1]. Dalam Tugas Akhir ini arsitektur yang digunakan adalah Multi Layer Perceptron (MLP), terdapat juga algoritma
back-propagation untuk menentukan bobot dalam sebuah MLP.
Pada Tugas Akhir ini akan direalisasikan penerapan MLP untuk memperbaiki tulisan tangan yang tidak lurus atau tidak rata. Data tulisan tangan yang digunakan berasal dari IAM Database. Tugas Akhir ini akan dibuat dalam bentuk simulasi dengan menggunakan perangkat lunak MATLAB R2013a (Matrix Laboratory).
1.2 Rumusan Masalah
(10)
2
Universitas Kristen Maranatha Bagaimana implementasi Jaringan Saraf Tiruan (JST) dalam proses slope correction pada tulisan tangan?
1.3 Tujuan Tugas Akhir
Tujuan dari Tugas Akhir ini adalah:
Menganalisis implementasi Jaringan Saraf Tiruan (JST) untuk slope correction pada tulisan tangan.
1.4 Perangkat Lunak Yang Digunakan
Perangkat lunak yang digunakan dalam Tugas Akhir ini adalah: 1) MATLAB R2013a
2) PhotoScape
1.5 Batasan Masalah
1. Citra tulisan tangan diambil dari IAM Database yang berbentuk form. 2. Citra tulisan tangan sudah bersih dari gangguan (Image Cleaning).
3. Proses slope correction dilakukan terhadap kata per kata dalam tiap baris kalimat.
4. Dalam satu baris kalimat tidak ada potongan dari baris di atasnya atau di bawahnya.
5. Data latih terdiri dari 2 LINE. 6. Data uji terdiri dari 40 LINE.
7. Implementasi menggunakan bahasa pemograman MATLAB R2013a. 8. Penggunaan software membantu PhotoScape untuk mensimulasi sudut
(11)
3
Universitas Kristen Maranatha 9. Penggunaan komputer dengan spesifikasi intel i5 @2.50 GHz RAM 4GB
sistem operasi 64 bit.
1.6 Sistematika Penulisan
Penyusunan laporan Tugas Akhir ini terdiri dari lima bab, yaitu : 1) BAB I – PENDAHULUAN
Pada bab ini dibahas mengenai latar belakang masalah, identifikasi masalah, perumusan masalah, tujuan, batasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
2) BAB II – LANDASAN TEORI
Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan digunakan untuk merancang perangkat lunak untuk slope correction pada tulisan tangan menggunakan Jaringan Saraf Tiruan.
3) BAB III – PERANCANGAN SISTEM
Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk slope correction pada tulisan tangan menggunakan Jaringan Saraf Tiruan.
4) BAB IV – PENGUJIAN DAN ANALISIS DATA
Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan sistem berdasarkan besar sudut kemiringan tulisan, Mean Opinion
Score (MOS), dan analisa dari data hasil pengujian program.
5) BAB V – SIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan Tugas Akhir ini di masa mendatang.
(12)
45 Universitas Kristen Maranatha
BAB V
SIMPULAN DAN SARAN
Bab ini berisi simpulan dan saran dari hasil penelitian dan Tugas Akhir
dengan judul “Slope Correction pada Tulisan Tangan Menggunakan Jaringan Saraf
Tiruan” beserta saran untuk penelitian selanjutnya.
5.1 Simpulan
Dari semua proses yang telah dilakukan dari pelaksanaan Tugas Akhir ini diambil simpulan sebagai berikut:
1. Hasil koreksi slope menggunakan Jaringan Saraf Tiruan (JST) sudah cukup baik, karena dari 20 responden mayoritas memberikan nilai 5 terhadap 2 dari 8 LINE kata (25%), nilai 4 terhadap 4 dari 8 LINE kata (50%), dan nilai 3 terhadap 2 dari 8 LINE (25%).
2. Jumlah lower baseline yang diperoleh dari output Jaringan Saraf Tiruan (JST) lebih banyak dibandingkan yang diperoleh dengan cara manual, dan menyatakan sudut slope yang lebih sesuai saat direkonstruksi.
5.2 Saran
Adapun saran yang dapat diberikan untuk perkembangan penelitian lebih lanjut, yaitu:
1. Menemukan metode yang lebih baik untuk penentuan lower baseline untuk LINE yang terdiri dari huruf yang memiliki Lower Baseline terletak dibawah
(13)
46 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Salvador Espana-Boquera, Maria Jose Castro-Bleda, Jorge Gorbe-Moya, Francisco Zamora-Martinez. 2011. Improving Offline Handwritten Text Recognition with
Hybrid HMM/ANN Models. Valencia, Spain: IEEE Transactions On Pattern Analysis And Machine Intelligence.
[2] Jain, A. K., Mao, J., Mohiuddin, K. M., Maret 1996. Artificial Neural Networks: A
Tutorial, IEEE.
[3] Mohamed Cheriet, Nawwaf Kharma, Cheng-Lin Liu, Ching Y. Suen. 2007. Character
Recognition Systems : A Guide For Students And Practioners. Hoboken, New Jersey :
John Wiley & Sons, Inc.
[4] Simon Haykin. 1999. Neural Networks : A Comprehensive Foundation. Second Edition. New Jersey, USA: Prenctice-Hall, Inc.
[5] Chapra, S.C. dan R.P. Canale. 2010. Linear Regression. Dalam: Numerical Method
for Engineers. New York: The McGraw-Hill. pp. 457-459
[6] Anton, H. Dan C. Rorres. Elementary Linear Algebra 11th edition. America: Wiley [7] Siang, J.J. 2005. Jaringan Syaraf Tiruan & Pemrogrammannya Menggunakan Matlab.
Penerbit Andi : Yogyakarta
[8] Fausett, Laurenne. 19 Desember 1993. Fundamentals Of Neural Networks,
Architectures, Algorithms, and Application.
[9] Rafael C. Gonzalez, Richard E. Woods. 2002. Digital Image Processing. Prentice Hall : Upper Saddle River, New Jersey
(1)
Gambar 3.6 Proses Resize dan Kontur Tulisan ... 27
Gambar 3.7 Proses Terjadinya Perubahan Bobot ... 28
Gambar 3.8 Pembagian Area Tulisan ... 29
Gambar 4.1 Software PhotoScape Untuk Simulasi Sudut Slope ... 31
Gambar 4.2 Citra yang digunakan dalam pelatihan JST ... 32
Gambar 4.3 Jendela pelatihan Jaringan Saraf Tiruan nntraintool Matlab ... 32
Gambar 4.4 Citra Hasil Pengujian Dari JST ... 33
Gambar 4.5 Diagram Blok Pengujian Jaringan Saraf Tiruan ... 33
Gambar 4.6 Pemotongan Citra Untuk Diuji ... 34
(2)
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
1.1 Latar Belakang Masalah
Dalam proses pengenalan tulisan terdapat masalah yang dihadapi yaitu hasil yang didapat sangat ditentukan oleh cara menulis seseorang karena banyaknya variasi tulisan seseorang. Banyak dari hasil tulisan tangan tersebut yang naik turun atau tidak lurus (slope). Slope adalah kemiringan tulisan sehingga tulisan tidak lurus atau tidak rata dengan garis bantu tulisan.
Banyak kemajuan yang telah dikembangkan dalam sistem cerdas salah satunya diusulkan oleh banyak peneliti yang diinspirasi oleh jaringan saraf biologi yang dikenal sebagai Jaringan Saraf Tiruan (JST). Jaringan Saraf Tiruan telah banyak digunakan dalam proses pengenalan pola [1]. Dalam Tugas Akhir ini arsitektur yang digunakan adalah Multi Layer Perceptron (MLP), terdapat juga algoritma back-propagation untuk menentukan bobot dalam sebuah MLP.
Pada Tugas Akhir ini akan direalisasikan penerapan MLP untuk memperbaiki tulisan tangan yang tidak lurus atau tidak rata. Data tulisan tangan yang digunakan berasal dari IAM Database. Tugas Akhir ini akan dibuat dalam bentuk simulasi dengan menggunakan perangkat lunak MATLAB R2013a (Matrix Laboratory).
1.2 Rumusan Masalah
(3)
2
Bagaimana implementasi Jaringan Saraf Tiruan (JST) dalam proses slope correction pada tulisan tangan?
1.3 Tujuan Tugas Akhir
Tujuan dari Tugas Akhir ini adalah:
Menganalisis implementasi Jaringan Saraf Tiruan (JST) untuk slope correction pada tulisan tangan.
1.4 Perangkat Lunak Yang Digunakan
Perangkat lunak yang digunakan dalam Tugas Akhir ini adalah: 1) MATLAB R2013a
2) PhotoScape
1.5 Batasan Masalah
1. Citra tulisan tangan diambil dari IAM Database yang berbentuk form. 2. Citra tulisan tangan sudah bersih dari gangguan (Image Cleaning).
3. Proses slope correction dilakukan terhadap kata per kata dalam tiap baris kalimat.
4. Dalam satu baris kalimat tidak ada potongan dari baris di atasnya atau di bawahnya.
5. Data latih terdiri dari 2 LINE. 6. Data uji terdiri dari 40 LINE.
7. Implementasi menggunakan bahasa pemograman MATLAB R2013a. 8. Penggunaan software membantu PhotoScape untuk mensimulasi sudut
(4)
3
Universitas Kristen Maranatha
9. Penggunaan komputer dengan spesifikasi intel i5 @2.50 GHz RAM 4GB sistem operasi 64 bit.
1.6 Sistematika Penulisan
Penyusunan laporan Tugas Akhir ini terdiri dari lima bab, yaitu : 1) BAB I – PENDAHULUAN
Pada bab ini dibahas mengenai latar belakang masalah, identifikasi masalah, perumusan masalah, tujuan, batasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
2) BAB II – LANDASAN TEORI
Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan digunakan untuk merancang perangkat lunak untuk slope correction pada tulisan tangan menggunakan Jaringan Saraf Tiruan.
3) BAB III – PERANCANGAN SISTEM
Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat perangkat lunak untuk slope correction pada tulisan tangan menggunakan Jaringan Saraf Tiruan.
4) BAB IV – PENGUJIAN DAN ANALISIS DATA
Bab ini berisi data pengamatan hasil pengujian program, perhitungan tingkat keberhasilan sistem berdasarkan besar sudut kemiringan tulisan, Mean Opinion Score (MOS), dan analisa dari data hasil pengujian program.
5) BAB V – SIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu dilakukan untuk pengembangan Tugas Akhir ini di masa mendatang.
(5)
BAB V
SIMPULAN DAN SARAN
Bab ini berisi simpulan dan saran dari hasil penelitian dan Tugas Akhir
dengan judul “Slope Correction pada Tulisan Tangan Menggunakan Jaringan Saraf
Tiruan” beserta saran untuk penelitian selanjutnya.
5.1 Simpulan
Dari semua proses yang telah dilakukan dari pelaksanaan Tugas Akhir ini diambil simpulan sebagai berikut:
1. Hasil koreksi slope menggunakan Jaringan Saraf Tiruan (JST) sudah cukup baik, karena dari 20 responden mayoritas memberikan nilai 5 terhadap 2 dari 8 LINE kata (25%), nilai 4 terhadap 4 dari 8 LINE kata (50%), dan nilai 3 terhadap 2 dari 8 LINE (25%).
2. Jumlah lower baseline yang diperoleh dari output Jaringan Saraf Tiruan (JST) lebih banyak dibandingkan yang diperoleh dengan cara manual, dan menyatakan sudut slope yang lebih sesuai saat direkonstruksi.
5.2 Saran
Adapun saran yang dapat diberikan untuk perkembangan penelitian lebih lanjut, yaitu:
1. Menemukan metode yang lebih baik untuk penentuan lower baseline untuk LINE yang terdiri dari huruf yang memiliki Lower Baseline terletak dibawah main body area (area of descender) .
(6)
46 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Salvador Espana-Boquera, Maria Jose Castro-Bleda, Jorge Gorbe-Moya, Francisco Zamora-Martinez. 2011. Improving Offline Handwritten Text Recognition with Hybrid HMM/ANN Models. Valencia, Spain: IEEE Transactions On Pattern Analysis And Machine Intelligence.
[2] Jain, A. K., Mao, J., Mohiuddin, K. M., Maret 1996. Artificial Neural Networks: A Tutorial, IEEE.
[3] Mohamed Cheriet, Nawwaf Kharma, Cheng-Lin Liu, Ching Y. Suen. 2007. Character Recognition Systems : A Guide For Students And Practioners. Hoboken, New Jersey : John Wiley & Sons, Inc.
[4] Simon Haykin. 1999. Neural Networks : A Comprehensive Foundation. Second Edition. New Jersey, USA: Prenctice-Hall, Inc.
[5] Chapra, S.C. dan R.P. Canale. 2010. Linear Regression. Dalam: Numerical Method for Engineers. New York: The McGraw-Hill. pp. 457-459
[6] Anton, H. Dan C. Rorres. Elementary Linear Algebra 11th edition. America: Wiley [7] Siang, J.J. 2005. Jaringan Syaraf Tiruan & Pemrogrammannya Menggunakan Matlab.
Penerbit Andi : Yogyakarta
[8] Fausett, Laurenne. 19 Desember 1993. Fundamentals Of Neural Networks, Architectures, Algorithms, and Application.
[9] Rafael C. Gonzalez, Richard E. Woods. 2002. Digital Image Processing. Prentice Hall : Upper Saddle River, New Jersey