Beranda > Tak Berkategori > PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ATURAN PERCEPTRON

PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ATURAN PERCEPTRON

Januari 8, 2010

Kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Kecerdasan buatan dibagi dalam tiga cabang, yaitu : sistem pakar, jaringan syaraf tiruan, dan sistem kecerdasan hibrida. Sistem JST (Jaringan Syaraf Tiruan) merupakan sistem yang menyerupai jaringan syaraf manusia.
Jaringan syaraf tiruan digunakan untuk mengenali pola input sidik jari berdasarkan karakteristik bifurcation dan ridge ending yang direpresentasikan dengan nilai biner. Pola input ini akan dilatih dengan aturan perceptron oleh JST untuk dikenali sesuai dengan target yang diinginkan. Hasil dari pelatihan ini berupa error jaringan akan diukur menggunakan statistika deskriptif.
Hasil pelatihan dari 8 sidik jari menunjukkan bahwa persentase kesamaan dari masing–masing sidik jari diatas nilai 90% dan beberapa dapat mencapai nilai 100%.

Kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Kecerdasan buatan dibagi dalam tiga cabang, yaitu : sistem pakar (Knowledge based information processing), jaringan syaraf tiruan (artificial neural network), dan sistem kecerdasan hibrida. Sistem JST (Jaringan Syaraf Tiruan / Artificial Neural Network – ANN) merupakan sistem yang menyerupai jaringan syaraf manusia.
Jaringan syaraf tiruan adalah model kasar dari syaraf sungguhan. Telah banyak bidang dan penelitian yang menggunakan teknik JST terutama pada sistem pengenalan pola seperti citra, suara, pengenalan huruf cetak, kode pos dan lain-lain.
Pada tugas akhir ini penulis mencoba memanfaatkan JST dengan aturan pelatihan perceptron untuk pengenalan sidik jari. Sidik jari adalah hasil reproduksi dari kulit permukaan jari, baik yang disengaja diambil / dicapkan dengan tinta maupun bekas yang ditinggalkan pada benda. Bentuk pokok sidik jari ditentukan oleh lapisan epidermal kulit, dimana apabila terjadi kerusakan pada lapisan ini akan bersifat sementara. Sidik jari yang ada pada seseorang adalah permanent dan karakteristik dan bentuknya terjaga dari lahir sampai mati. Selain itu berdasarkan hasil eksperimen Galton terbukti tidak ada dua orang mempunyai sidik jari yang sama, bahkan pada kembar identik pun ditemukan sidik jari yang berbeda meskipun mereka sama . Sehingga sidik jari dapat digunakan sebagai identitas seseorang dalam sistem keamanan.
Beberapa metode yang dapat digunakan untuk pengenalan pola adalah metode Hebb, Perceptron, dan Backpropagation. Metode-metode tersebut memliki kelebihan dan kelemahan, pada metode Hebb pelatihan terjadi dengan modifikasi sedemikian rupa kekuatan synapse (bobot). Bila 2 neuron yang terkoneksi, keduanya ‘on’ pada saat yang sama, maka bobot antara kedua neuron harus ditambah. Masalah yang sering timbul dalam jaringan Hebb adalah dalam menentukan representasi data masukan/ keluaran untuk fungsi aktivasi yang berupa threshold. Kadangkala jaringan dapat menentukan pola secara benar jika dipakai representasi bipolar (nilai -1/1) saja, dan akan salah jika dipakai representasi biner (nilai 0/1) . Hal ini dikarenakan dalam jaringan Hebb, bisa tidaknya suatu jaringan mengenali pola tidak hanya ditentukan oleh algoritma untuk merevisi bobot, tapi juga dari bagaimana bentuk representasi data yang dipakai. Elemen nol pada representasi biner tidak dapat mengubah bobot awal, sehingga bobot tidak berubah selama pelatihan dan menyebabkan jaringan salah dalam menentukan pola. Metode perceptron berguna sebagai pengklasifikasi. Perceptron dapat mengklasifikasi input vektor yang dapat dipisahkan secara linear dengan baik. Untuk pengenalan pola, perceptron akan melakukan pelatihan berulang-ulang untuk semua kemungkinan pola yang ada hingga jaringan dapat mengerti polanya (ditandai dengan samanya semua keluaran jaringan dengan target yang diinginkan). Sedangkan pada jaringan Hebb, pelatihan hanya dilakukan dalam satu siklus pelatihan walaupun jaringan belum mengenali pola tersebut.
Metode Hebb dan perceptron merupakan jaringan syaraf tiruan dengan layar tunggal yang memiliki keterbatasan dalam pengenalan pola. Kelemahan ini ditanggulangi dengan menambahkan satu/beberapa lapisan tersembunyi diantara lapisan masukan dan keluaran. Meskipun penggunaan lebih dari satu lapisan tersembunyi memiliki kelebihan manfaat untuk beberapa kasus, namun pelatihannya memerlukan waktu yang lama . Penambahan lapisan ini dapat dilakukan dengan metode backpropagation. Metode backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan. Apabila pola masukan sama maka jaringan dapat mengenalinya, sedangkan apabila tidak sama maka jaringan akan mampu mengenali dengan benar 90 % pola dari 800 pola masukan ( jaringan dengan 80 bobot dan tingkat akurasi 0.1).
Perceptron merupakan bentuk jaringan syaraf yang sederhana, biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan pemisahan secara linear . Walaupun merupakan bentuk jaringan yang sederhana dan memiliki keterbatasan dalam pengenalan pola, perceptron dapat menyelesaikan masalah dengan baik dibanding jaringan lain apabila data dapat dipisahkan secara linear. Apabila data tidak dapat dipisahkan secara linear maka dapat dilakukan prepocessing terlebih dahulu untuk menghasilkan data yang dapat dipisahkan secara linear, atau menggunakan banyak perceptron dengan lapisan ganda, atau menggunakan jaringan jenis lain seperti back propagation. Pada tugas akhir ini penulis mencoba untuk menggunakan metode perceptron dengan representasi biner (0 /1). maksudnya, target yang diinginkan akan direprentasikan dengan nilai 1 dan target yang tidak diinginkan akan direprentasikan dengan nilai 0. Nilai target ini dapat dihasilkan oleh jaringan dengan fungsi aktivasi hardlim yang hanya dapat digunakan pada metode perceptron dan tidak dapat digunakan pada metode lain.
Berdasarkan alasan tersebut penulis menggunakan metode perceptron dalam tugas akhir ini. Penggunaan jaringan syaraf tiruan dengan metode perceptron diharapkan dapat mengenali pola sidik jari yang memiliki cacat.

Kategori:Tak Berkategori
%d blogger menyukai ini: