PENGENALAN KARAKTER ALFABET TERCERMIN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE PERAMBATAN BALIK

Abstract

Abstrak

Pengenalan citra (image recognition) merupakan suatu hal yang menarik untuk dikembangkan, baik itu pengenalan pola karakter, pengenalan wajah maupun pengenalan sidik jari. Dari penelitian yang telah dikembangkan terlebih dahulu, selalu akan muncul permasalahan baru yang dapat dikembangkan untuk penelitian selanjutnya, salah satunya pada pengenalan karakter alfabet tercermin. Pada tugas akhir ini dirancang suatu sistem untuk mengenali karakter alfabet tercermin horisontal dan vertikal dengan menggunakan jaringan saraf tiruan metode perambatan balik. Dan jenis huruf yang digunakan adalah Times New Roman, Arial, Tahoma dan Calibri. Pada sistem ini proses identifikasi citra diawali dengan pengolahan data citra menggunakan proses prapengolahan. Tahap selanjutnya adalah pengekstraksian ciri dari citra hasil keluaran tahap sebelumnya. Hasil keluaran berupa nilai tujuh momen invariant (Hu’s Moment Invariants). Tahap terakhir adalah proses pengklasifikasian dengan menggunakan jaringan saraf tiruan perambatan balik. Dari percobaan yang dilakukan, dihasilkan angka rata-rata pengenalan sebesar 84% dengan tingkat pengenalan terendah sebesar 73% untuk pengenalan huruf kapital jenis Times New Roman tercermin horisontal. Untuk tingkat pengenalan tertinggi sebesar 96% untuk pengenalan huruf kapital jenis Tahoma tercermin horisontal.

Kata kunci: Pengolahan citra digital, Jaringan saraf tiruan, Perambatan balik

Abstract

Image recognition is an interesting subject to be developed, the development may include the character of pattern, face and fingerprint recognition. From the research that has been carried out it has always new problems that can be developed for future studies, One of them is recognition of reflected alphabetic characters. In this study will, be designed a system to recognize the reflected alphabet characters horizontally and vertically by using the back propagation of artificial neural network method. The font useds are Times New Roman, Arial, Tahoma and Calibri. In this system identification process begins with the image processing of image data using the pretreatment process. The next stage is the extraction of characteristics of the previous phase of the output image. The output is in the form of seven grades invariant moments (Hu's Moment Invariants). The last stage is the process of classification by using back propagation of artificial neural network. From the experiments, al result an average recognition rate is obtaint at 84% with the lowest recognition rate of 73% for the recognition of a capital letter type Times New Roman wich is reflected horizontally. The highest recognition rate at 96%  as achieved for the recognition of a capital letter Tahoma reflected horizontal.

Key words: Digital image processing, neural networks, back propagation