JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
-
Upload
nurman-nurhakim -
Category
Documents
-
view
216 -
download
0
Transcript of JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
1/10
APPLICATION ANALYSIS OF HAND WRITTING BASED ON
CHARACTERS OF USING ARTIFICIAL NEURAL NETWORK
Nurman Nurhakim
Undergraduate Program, Faculty of Industrial Engineering, 2012
Gunadarma University
Keyword: Application, Artificial Neural Network, Characters, Handwriting.
ABSTRACT
Handwriting recognition has become a subject of research for more than 40 years. Human
hand by reading the machine is an interesting and challenging problems and applied to many
areas of application. Handwriting recognition is the ability of a computer to receive and interpret
handwritten input that can be understood from sources such as paper documents, photographs,
touch screens and other devices. Graphology is one method used in psychology to know a
person's character and personality through his handwriting. Handwriting is very honest and
revealing weaknesses as well as strengths or potential one, so speed up and simplify the process
of self-development. This research aims to create an application that can analyze the
characteristics of a person based on handwritten input letters compared with handwritten letters
contained in the database. The steps taken in the process of making application analysis of
handwriting recognition system that includes data collection handwritten letters, preprocessing,
noise removal with salt and pepper method, segmentation, recognition and analysis using
Artificial Neural Network which has been created and tested. This application can analyze input
letters by comparing handwriting letters with handwritten letters contained in the database. From
the experimental results obtained letters that can be recognized by 86%, and the percentage of
compatibility characters based on the letters of reference by 84%. The letters were analyzed in
this application is the letter continued upright when input using block letters then this application
will not be able to walk. This application is in training to recognize vowels "aeiou" only.
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
2/10
APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN
BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
ABSTRAKSI
Pengenalan tulisan tangan telah menjadi suatu subjek riset lebih dari 40 tahun.
Pembacaan tulisan tangan manusia oleh mesin merupakan suatu masalah yang menarik dan
menantang dan diaplikasikan pada banyak bidang aplikasi. Pengenalan tulisan tangan
(handwriting recognition) adalah kemampuan komputer untuk menerima dan menafsirkan input
tulisan tangan yang dapat dimengerti dari sumber seperti dokumen kertas, foto, layar sentuh dan
perangkat lainnya. Grafologi merupakan salah satu metode yang dipergunakan dalam dunia
psikologi untuk mengetahui karakter dan kepribadian seseorang melalui tulisan tangannya.
Tulisan tangan sangat jujur dan dapat mengungkapkan kelemahan sekaligus kekuatan atau
potensi seseorang, sehingga mempercepat dan mempermudah dalam proses pengembangan diri.
Penelitian ini bertujuan untuk membuat suatu aplikasi yang dapat menganalisa karakteristik
seseorang berdasarkan huruf input tulisan tangan yang dibandingkan dengan huruf tulisan tangan
yang terdapat di dalam database. Adapun tahapan-tahapan yang dilakukan dalam proses
pembuatan aplikasi sistem pengenalan analisa tulisan tangan yang meliputi pengumpulan data
huruf tulisan tangan, preprocessing, penghilangan noise dengan metode salt and pepper,
segmentasi, pengenalan dan analisa menggunakan metode Jaringan Saraf Tiruan yang telah
berhasil dibuat dan diujicobakan. Aplikasi ini dapat menganalisa huruf input tulisan tangan
dengan membandingkan huruf tersebut dengan huruf tulisan tangan yang terdapat dalam
database. Dari hasil percobaan didapat huruf yang dapat dikenali sebesar 86%, dan presentase
kecocokan karakter berdasarkan huruf acuan sebesar 84%. Huruf yang dianalisa pada aplikasi ini
adalah huruf tegak bersambung apabila inputan menggunakan huruf cetak maka aplikasi ini tidakakan bisa berjalan. Aplikasi ini di training untuk mengenali huruf vokal aeiou saja.
Kata Kunci : Aplikasi, Huruf, Jaringan Saraf Tiruan, Tulisan Tangan
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
3/10
1. PENDAHULUAN
Pengenalan tulisan tangan
(handwriting recognition) adalah
kemampuan komputer untuk menerima dan
menafsirkan input tulisan tangan yang dapat
dimengerti dari sumber seperti dokumen
kertas, foto, layar sentuh dan perangkat
lainnya. Pengenalan tulisan tangan dapat
dibagi ke dalam pengenalan offline dan
online [Bunke, 2003]. Pada pengenalan
tulisan tangan online, penulis secara fisik
dihubungkan ke komputer melalui suatu pena
elektronik atau touch sensitive device dan
tulisan tangannya direkam sebagai proses
yang bergantung pada waktu (time
dependent). Peralatan input khusus seperti
tablet digitizer memungkinkan untuk
menangkap informasi sementara atau
dinamis dari tulisan. Grafologi merupakan
salah satu metode yang dipergunakan dalam
dunia psikologi untuk mengetahui karakter
dan kepribadian seseorang melalui tulisan
tangannya. Tulisan tangan sangat jujur dan
dapat mengungkapkan kelemahan sekaligus
kekuatan atau potensi seseorang, sehingga
mempercepat dan mempermudah dalam
proses pengembangan diri. Penulis tertarik
melakukan penelitian untuk pengenalan dan
analisa huruf tulisan tangan berdasarkan
bentuk huruf menggunakan Jaringan Saraf
Tiruan (JST). JST adalah jaringan dari
sekelompok unit pemroses kecil yang
dimodelkan berdasarkan jaringan saraf
manusia. Penulisan ini merupakan bagian
dari penelitian sistem pengenalan dan analisa
tulisan tangan. Sistem ini terdiri dari
beberapa proses utama, yaitu akuisisi tulisan
tangan, preprocessing, derau atau noise salt
and pepper, segmentasi, pengenalan tulisan
tangan dan analisa tulisan tangan. Penelitian
ini berfokus kepada tahap terakhir yaitu
analisa tulisan tangan untuk menentukan
kepribadian seseorang berdasarkan huruf
tulisan tangannya. Pengenalan dilakukan
dengan cara membandingkan huruf input
tulisan tangan yang telah melalui beberapa
proses dengan huruf tulisan tangan acuan di
basis data.
2. TUJUAN
Penelitian ini bertujuan untuk
membuat suatu aplikasi pengenalan dan
analisa huruf input tulisan tangan
menggunakan metode Jaringan Saraf Tiruan.
3. LANDASAN TEORI
3.1. Pengertian Tulisan Tangan
Tulisan tangan terdiri dari urutan
waktu daristroke, yaitu gerakan mulai pena
ke bawah menyentuh permukaan alat
menulis (contohnya kertas) sampai pena ke
atas meninggalkan permukaan. Abjad
bahasa latin mempunyai 26 karakter huruf
dan setiap karakter huruf mempunyai dua
bentuk, yaitu karakter huruf kapital dan
karakter huruf kecil. Bahasa Inggris
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
4/10
mempunyai dua gaya menulis dasar yaitu
cetak dan sambung. Karakter huruf kapital
biasanya terdiri lebih dari satu stroke per
karakter huruf, sedangkan huruf kecil terdiri
dari satu stroke per karakter huruf. Tulisan
sambung hanya memiliki satu stroke per
karakter hurufnya (Tappert C., Suen C., and
Wakahara T., 1990).
3.2. Komputer Visi
Komputer Vision sering didefinisi-
kan sebagai salah satu cabang ilmu
pengetahuan yang mempelajari bagaimana
komputer dapat mengenali obyek yang
diamati atau diobservasi. Cabang ilmu ini
bersama Intelijensia Semu (Artificial
Intelligence) akan mampu menghasilkan
sistem intelijen visual (Visual Intelligence
System).
3.3. Citra atau Image
Citra (image) adalah gambar pada
bidang dua dimensi. Ditinjau dari sudut
pandang matematis, citra merupakan fungsi
menerus (continue) dari intensitas cahaya
pada bidang dua dimensi. Dari sudut
pandang pencitraan, citra (image) adalah
rekaman hasil interaksi antara gelombang
dengan benda (object), yang memberikan
sebagian gambaran atau informasi dari
benda tersebut. Proses pembentukan citra
dengan merekam hasil interaksi inilah yang
disebut sebagai proses pencitraan (imaging).
3.4. Segmentasi Tulisan Tangan
Segmentasi tulisan tangan ditujukan
untuk lebih mempermudah pengenalan
tulisan tangan. Sejumlah peneliti telah
mencoba mengembangkan algoritma
segmentasi karakter dan pengenalannya.
Plamondon (Plamondon, 2000) telah
mengusulkan teori Kinematik yang
digunakan sebagai kerangka umum
segmentasi untuk mempelajari dan
menganalisa tulisan tangan. Teori ini
didasarkan pada persamaan delta-Lognormal
yang menggunakan kecepatan suatu gerak
yang selanjutnya dapat digunakan untuk
memperjelaskan property dasar dari sebuah
stroke. Menurut teori ini, tulisan tangan
terdiri dari curviliniear dan stroke sudut
yang terbentuk saat terjadinya pergerakan
cepat pada manusia.
3.5. Jaringan Saraf Tiruan
Jaringan Saraf Tiruan (JST) atau
Artifisial Neural Network (ANN) adalah
suatu metode komputasi yang meniru sistem
jaringan syaraf biologis. Metode ini
menggunakan elemen perhitungan non-linier
datar yang disebut neuron yang
diorganisasikan sebagai jaringan yang saling
berhubungan, sehingga mirip dengan
jaringan syaraf tiruan dibentuk untuk
memecahkan suatu masalah tertentu seperti
pengenalan pola atau klasifikasi karena
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
5/10
proses pembelajaran. Layaknya neuron
biologi, ANN juga merupakan sistem yang
bersifat fault tolerant dalam 2 hal.
Pertama, dapat mengenali sinyal inputyang
agak berbeda dari yang pernah diterima
sebelumnya. Sebagai contoh, manusia sering
dapat mengenali seseorang yang wajahnya
pernah dilihat dari foto atau dapat mengenali
seseorang yang wajahnya agak berbeda
karena sudah lama tidak menjumpainya.
Kedua, tetap mampu bekerja meskipun
beberapa neuron nya tidak mampu bekerja.
Jaringan Syaraf Tiruan seperti halnya
manusia, belajar dari suatu contoh karena
mempunyai karakteristik yang adaptif, yaitu
dapat belajar dari data-data sebelumnya dan
mengenal pola data yang selalu berubah.
Selain itu, JST merupakan sistem yang tak
terpogram, artinya semua keluaran atau
kesimpulan yang ditarik oleh jaringan
didasarkan pada pengalamannya selama
mengikuti proses pembelajaran / pelatihan.
3.6. Grafologi
Grafologi merupakan salah satu metode
yang dipergunakan dalam dunia psikologi
untuk). mengetahui karakter dan
kepribadian seseorang melalui tulisan
tangannya (Eep, 2008 Grafologi digunakan
sebagai alat analisis yang mempunyai
akurasi cukup tinggi (diatas 90%). Tulisan
tangan sangat jujur dan dapat
mengungkapkan kelemahan sekaligus
kekuatan atau potensi seseorang, sehingga
mempercepat dan mempermudah dalam
proses pengembangan diri. Istilah grafologi
pertama kali digunakan oleh seorang
Perancis bernama Michon pada tahun 1875.
Kata grafologi berasal dari bahasa Yunani,
yaitu: grapho yang berarti saya menulis dan
logos yang berarti ilmu. Tujuan dari
grafologi adalah mengungkapkan karakter
dan kepribadian seseorang melalui
tulisannya. Kepribadian yang dimaksud
termasuk kekuatan diri, kelemahan, dan
kelebihannya. Hal ini didasarkan bahwa
tulisan tangan muncul dari alam bawah
sadar, maka ia memberikan informasi yang
sangat berharga untuk menginterpretasikan
karakter seseorang. Tulisan tangan terbentuk
dari rangsangan kecil dari otak sehingga
sering sekali para ahli grafologis menyebut
tulisan tangan adalah tulisan otak.
Grafologi merupakan sebuah ilmu yang
empirik, karena ilmu ini dibuktikan
berdasarkan fenomena dalam satu populasi
dan ada kuantifikasi hasil atau ada hasil dari
uji statistik yang bisa dipertanggung -
jawabkan.
4. PEMBAHASAN
4.1. Sistem Pengenalan Tulisn Tangan
Sistem pengenalan tulisan tangan
merupakan sebuah sistem yang terdiri dari
beberapa proses utama. Skema sistem
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
6/10
pengenalan tulisan tangan ditunjukkan pada
gambar 1.
Gambar 1 Skema Sistem Pengenalan dan
Analisa Tulisan Tangan
4.2 Akuisisi Tulisan Tangan
Akuisisi tulisan tangan merupakan
proses pengambilan data tulisan tangan
menggunakan tablet digitizer sebagai alat
untuk meng-capture tulisan tangan. Tulisan
tangan tersebut disimpan dengan nama
Pict, yang nantinya akan diproses oleh
matlab untuk melakukan proses pengenalan
huruf. Gambar akuisisi tulisan tangan dapat
dilihat padagambar 2.
Gambar 2 Akuisisi Tulisan Tangan.
4.3 Hasil Capture Tulisan Tangan
Hasil tulisan tangan yang telah
disimpan akan masuk kedalam aplikasi
untuk melakukan proses pengenalan huruf.
Gambar hasil tulisan tangan dapat dilihat
pada gambar 3.
Gambar 3 Hasil Capture Tulisan Tangan.
4.4 Convert Image Menjadi Grayscale
Image RGB yang telah dicropping
akan diconvert menjadi image grayscale.
Gambar convert image RGB menjadi
grayscale dapat dilihat pada gambar 4.
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
7/10
Gambar 4 Convert Image RGB Menjadi
Grayscale
4.5 Preprocessing
Preprocessing untuk menghilangkan
noise menggunakan metode salt & pepper.
Metode ini digunakan untuk menghilangkan
noise pada image. Gambar preprocessing
menggunakan metode salt & pepper dapat
dilihat pada gambar 5.
Gambar 5 Preprocessing Menggunakan
Metode Salt & Pepper.
4.6 Segmentasi Huruf
Tahap yang dilakukan setelah
prepocessingadalah proses segmentasi yaitu
proses pemecahan kata menjadi huruf.
Dimana segmentasi setiap huruf tersebut
bernilai 70 x 50 pixel. Gambar segmentasi
huruf dapat dilihat pada gambar 6.
Gambar 6 Segmentasi Huruf
4.7 Pengenalan Huruf
Tahap yang dilakukan setelah
segmentasi adalah proses pengenalan huruf
yaitu proses pengenalan dari data hasil
inputan yang ditulis dengan menggunakan
tablet digitizerdengan kalimat aeiou dari
image menjadi huruf digital. Gambar
pengenalan huruf dilihat pada gambar 7.
Gambar 7 Pengenalan Huruf
4.8 Analisa Karakter
Analisa Karakter dilakukan setelah
melewati tahapan pengenalan huruf, pada
tahapan ini setiap tulisan dari masing-
masing huruf akan di analisa karakteristik
kepribadian seseorang berdasarkan nilai
presentase persamaan suatu pixel dari
inputan huruf yang akan dibandingkan
dengan huruf yang berada dalam basis data.
Gambar analisa karakter dapat dilihat pada
gambar 8.
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
8/10
Gambar 3.8 Analisa Karakter
5. HASIL PENGUJIAN
Tabel 1 Persentase Kecocokan Huruf Input
dari 10 Orang Responden Berdasarkan
Huruf Yang Dikenali
Keterangan :
:Huruf dikenali dengan baik.
X :Huruf tidak dikenali sama sekali.
a,e,i,o,u :Aplikasi salah mengenali huruf.
A,E,I,O,U :Aplikasi salah mengenali huruf.
Tabel 2 Persentase Kecocokan Karakter
dari 10 Orang Responden Berdasarkan
Huruf Acuan
Keterangan :
: Pencocokan karakter dikenali lebih
dari 10%.
X :Pencocokan karakter kurang dari 10%.
6. PENUTUP
6.1 Kesimpulan
Aplikasi pengenalan huruf tulisan
tangan menggunakan metode Jaringan Saraf
Tiruan ini telah berhasil dibuat dan diuji
cobakan. Aplikasi ini dapat mengenali dan
menganalisa huruf input tulisan tangan
dengan tulisan tangan yang terdapat di
dalam data acuan.
Dalam aplikasi ini terdapat menu
Menu, Database, About, dan Help. Menu
digunakan untuk melakukan proses menulis
dan mengedit tulisan kemudian tulisan akan
diubah kedalam gambar monokrom, setelah
itu barulah masuk kedalam tahapan
recognize dengan menggunakan Neural
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
9/10
Network Training, berikutnya segmentasi
pemisahan kata menjadi huruf, setelah itu
tulisan tangan tersebut akan diubah kedalam
teks digital dari hasil recognize. Terakhir
hasil dari recognize dianalisa dan dicocokan
tingkat kemiripan dan presentase tertinggi
dengan huruf yang ada dalam data acuan
untuk mengetahui karakteristik seseorang.
Kemudian pada menu Database akan
menampilkan tentang database huruf,
berikutnya pada menu About akan
menampilkan tentang program dan pembuat
program. Dan terakhir pada menuHelp akan
menampilkan cara penggunaan program.
Dari hasil percobaan dengan 10 data
responden didapat presentase huruf yang
dapat dikenali sebesar 86%, dan huruf yang
dapat dianalisa kecocokannya pada data
acuan adalah sebesar 84%. Huruf yang
ditulis pada aplikasi ini adalah huruf tegak
bersambung apabila inputan menggunakan
huruf cetak maka aplikasi ini tidak akan bisa
berjalan. Pada menu input hurufnya pun
masih ada yang masih ada beberapa huruf
yang belum tersegmen dengan baik, dalam
menulis pada Tablet digitizer harus tepat
pada zona yang dialokasikan untuk
mencapai hasil yang maksimal.
6.2 Saran
Aplikasi ini baru di training untuk
mengenali huruf vocal aeiou saja . Oleh
karena itu, perlu dikembangkan lagi huruf-
huruf yang lain dan lebih sering di training
lagi untuk mendapatkan hasil yang
maksimal, Pada menu input hurufnya pun
masih terdapat huruf responden yang tidak
dikenali atau salah menampilkan output
huruf dikarenakan program yang kurang
mentolerir dan juga kurangnya training pada
program, serta huruf inputan yang tidak
serupa dengan huruf pada data acuan. Untuk
pengembangan selanjutnya dapat dibuat
program yang lebih bisa mengenali karakter
huruf input dengan baik dan jelas
DAFTAR PUSTAKA
Alimi, A.M., and Plamondon, R. 1996. A
Comparative Study of Speed-accuracy
Trade Off Formulations. The Case Of
Spatially Constrained Movement
where Both Distane and Spatial
Precision are Specified. In; Simmner,
N. L., Leedham, C., G., and Thomson,
W.M (eds), Handwriting and Drawing
Research, IOS Press, Burke, pp. 127-
142.
H. Bunke, 2003. Recognition of cursive
roman handwriting past, present and
future. In sevent International
Conference on Document Analysis
and Recognition, pages 448-461.
Hanselman, Duane & Bruce Littlefield,
2000. Matlab Bahasa Komputasi
Teknis.
-
7/22/2019 JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN
10/10
Hartanto, Thomas Wahyu Dwi & Y. Wahyu
Agung Prasetyo, 2003. Analisis dan
Desain Sistem Kontrol dengan
Matlab.
Lulu C. Munggaran, 2009. Pengembangan
Algoritma Pengenalan Evaluasi
Tulisan Tangan Untuk Mengukur
Kemahiran Anak Dalam Menulis.
Disertasi. Universitas Gunadarma.
Madenda, S., R. Missaoui, J. Vaillancourt,
and M. Paindavoine, 2007. An
Enhanced Detector of Blurred and
Noisy Edges, Signal Processing for
image Enhancement and Multimedia
Processing.
Nuryuliani, 2009. KlasifikasiPengenalan
Tulisan TanganMenggunakan
Ekstraksi CiriBerbasis Chain Code
Dan PolaSegmen. Disertasi.
UniversitasGunadarma.
Plamondon, R., 1996. A Model-Based
Segmentation Framework for
Computer Processing of Handwriting.
Plamondon, R and Dijoua, Moussa. 2005.
Handwriting Stroke Trajectory
Variability in the Context of Kinematic
Theory. Advances in
Graphonomics:Proceeding of IGS.
Ramaditya Trias, Artificial-Neural-
Network http : // rahmadyatrias.
wordpress. com / category / artificial-
neural-network
Rizwar Hafiz. 2010. Application For
Handwritten Recognition Based On
Segment Pattern And Chain Code
Classification. Skripsi. Universitas
Gunadarma.
,Shinta Laila Nishfa. 2010. Penerapan
Algoritma Akuisisi dan Segmentasi
Tulisan Tangan pada Tablet Digitizer.
Skripsi. Universitas Gunadarma.
Suryarini Widodo, 2009.Metode Segmentasi
Karakter Tulisan Tangan Online
Menggunakan Karakteristik
Perubahan Nilai Koordinat Y.
Disertasi. Universitas Gunadarma.
Tappert, C. C., C.Y. Sun dan Y.Wakahara,
1990. The State Of TheArt In On-Line
HandwrittingRecognition. IEEE
Transaction onPattern and Machine
Intelligence. Vol 17, No. 8, August.Ulva Choyriyanie. 2010. Aplikasi
Pengklasifikasian Karakter Tulisan
Tangan Menggunakan Ekstraksi Ciri
Berbasis Chain Code dan Pola
Segmen. Skripsi. Universitas
Gunadarma.