PENGENALAN TANDA TANGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERCEPTRON DAN BACKPROPAGATION
DOI:
https://doi.org/10.33633/tc.v15i4.1275Abstract
Jaringan Saraf Tiruan (JST) adalah salah satu cabang ilmu dari bidang ilmu kecerdasan buatan (Artificial Intelligence) dan merupakan metode untuk memecahkan masalah terutama di bidang – bidang yang melibatkan pengelompokan dan pengenalan pola (pattern recognition). Salah satu manfaat dari JST adalah untuk mengenali pola tanda tangan. Perceptron dan Backpropagation adalah metode JST yang dapat digunakan untuk mengenali pola tanda tangan. Sebelum dikenali polanya, citra tanda tangan ini akan melewati tahap preprosessing yang merupakan tahapan dalam pengolahan citra digital dan mengambil informasi dari dalam citra dengan merubahnya menjadi matrix 1 x 10000. Nilai yang sudah didapat kemudian dilatih dan dikenali dengan menggunakan metode Perceptron dan Backpropagation. Perbedaan kedua metode terletak pada bentuk arsitektur jaringan serta rumus perhitungan yang digunakan. Hasil pengenalan pola tanda tangan direpresentasikan dengan tingkat akurasi tertentu. Dari hasil penelitian proses pelatihan dan pengenalan metode Perceptron jauh lebih cepat dari metode Backpropagation. Tetapi dengan keunggulan arsitektur jaringannya, metode Backpropagation lebih baik dan akurat dari metode Perceptron dengan akurasi 86% untuk metode Backpropagation dan 76% untuk metode Perceptron. Kata kunci: JST, pengenalan pola, Perceptron, Backpropagation, preprocessingDownloads
Published
Issue
Section
License
Copyright (c) 2016 Restu Poetra Alqurni, - Muljono
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Pernyataan Lisensi
Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).
Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).
---
Contoh pengkreditan:
- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]
Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.
---