Beranda > Skripsi Komputer/Informatika > Perbandingan Antara Metode Kohonen Neural Network Dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan

Perbandingan Antara Metode Kohonen Neural Network Dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan

Desember 20, 2009

Pengenalan pola tandatangan dimaksudkan agar komputer dapat mengenali tandatangan dengan cara mengkonversi gambar, baik yang dicetak ataupun ditulis tangan ke dalam kode. Metode yang dipilih dalam pengenalan pola tandatangan ini adalah metode pembelajaran Kohonen Neural Network(Kohonen) dan Learning Vector Quantization(LVQ).
Metode Kohonen mengambil bobot awal secara acak, kemudian bobot tersebut di-update hingga dapat mengklasifikasikan diri sejumlah kelas yang diinginkan. Pada metode LVQ bobot awal di-update dengan menggunakan pola-pola yang sudah ada. Dalam penelitian ini, diberikan hasil pengamatan dan perbandingan tentang tingkat keakuratan dan waktu yang dibutuhkan dalam proses pembelajaran pada metode Kohonen dan LVQ menggunakan bahasa pemrograman Microsoft Visual Basic 6.0 Enterprise Edition.
Adapun hasil yang didapat, metode LVQ memiliki rata-rata tingkat keakuratan yang lebih tinggi (93.80%) dari metode Kohonen (83.59%) dalam mengklasifikasikan tandatangan. Hal ini disebabkan proses update faktor pembobot yang menggunakan banyak pola untuk proses pelatihan dibandingkan metode Kohonen yang bobot awalnya diambil secara acak.
Proses pembelajaran menggunakan metode LVQ memerlukan waktu yang relatif lebih lama daripada metode Kohonen. Pada pembelajaran menggunakan pola dengan resolusi 100×100 metode LVQ membutuhkan waktu 7 detik, sedangkan metode Kohonen hanya memerlukan waktu 2 detik

Melihat perkembangan ekonomi dunia yang begitu pesat, banyak dokumen-dokumen ataupun transaksi perbankan yang dibutuhkan setiap harinya. Dokumen tersebut membutuhkan suatu validitas yang memperkuat keberadaan dan konsistensi terhadap isi dari dokumen. Salah satu validitas yang dibutuhkan dari dokumen adalah tandatangan sebagai bukti identitas. Dengan perkembangan teknologi dewasa ini, tandatangan dapat diproses dalam bentuk data secara digital dengan bantuan komputer yang mempunyai kemampuan untuk mengolah dan mengenali informasi dari data digital yang didapatnya. Untuk itu diperlukan metoda-metoda untuk membekali komputer agar menjadi mesin yang pintar. Salah satunya adalah penggunaan Jaringan Syaraf Tiruan atau neural network.
Neural network mempunyai kemampuan pembelajaran terhadap informasi yang telah diterima. Neural network tidak hanya dominan dalam bidang ilmu komputer, namun sudah merambah di berbagai disiplin ilmu. Disiplin ilmu yang dapat diselesaikan dengan neural network seperti: image processing atau pengolahan citra, pattern recognition atau pengenalan pola, medicine atau ilmu kedokteran, speech recognition atau pengenalan suara, dan bisnis.
Salah satu penggunaan neural network yang paling umum adalah untuk pengenalan pola. Banyak sekali permasalahan yang menarik dalam pengenalan pola seperti: pengenalan pola sidik jari, pengenalan pola wajah, pengenalan pola karakter, pengenalan pola retina mata dan sebagainya.
Dari permasalahan pengenalan pola tersebut, sedang dikembangkan aplikasi pengenalan pola terhadap karakter tulisan tangan dengan neural network. Pengenalan pola karakter dimaksudkan agar komputer dapat mengenali karakter dengan cara mengkonversi gambar karakter, baik yang dicetak ataupun ditulis tangan ke dalam data digital. Data tersebut disimpan ke dalam file data, sehingga dapat diedit dan dimanipulasi pada sebuah komputer.
Pola tandatangan merupakan salah satu contoh pengenalan terhadap pola karakter. Dalam pengenalan pola karakter, banyak sekali jenis karakter yang telah dapat dikenali melalui komputer dan diselesaikan dengan berbagai algoritma dalam neural network. Pola tandatangan merupakan pola karakter yang kompleks, karena mempunyai banyak kemiripan dan bentuk yang rumit antara setiap individu karakter.
Pengenalan Pola Tandatangan (Signature Recognition) dapat dibagi menjadi 2 tipe : on-line dan off-line. Metode on-line dilakukan ketika seseorang menuliskan tandatangannya, sedangkan metode off-line dilakukan sesudah tandatangan selesai ditulis. Pada dasarnya metode on-line memerlukan peralatan khusus yang digunakan untuk mendapatkan informasi secara real-time, dan pada metode off-line menggunakan pengenalan pola karakter yang fokus pada analisis bentuk, struktur dan fitur lain dari sebuah tandatangan (Sheng-Fuu Lin et al, 2002).
Untuk menyelesaikan masalah pengenalan pola tandatangan dalam neural network, dibandingkan algoritma Kohonen Neural Network dengan Learning Vector Quantization yang dianalisis dari segi akurasi terhadap pengenalan pada pola tandatangan dan waktu yang diperlukan untuk pelatihan pola tandatangan tersebut. Kedua algoritma tersebut merupakan pengembangan dari Neural Network atau Jaringan Saraf Tiruan yang dapat digunakan untuk pengklasifikasian pola.

About these ads
Ikuti

Get every new post delivered to your Inbox.

Bergabunglah dengan 253 pengikut lainnya.

%d blogger menyukai ini: