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

[email protected]

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.


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


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


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


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


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.


7/10

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.


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


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.


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.

JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN

Documents

Transcript of JURNAL APLIKASI ANALISA HURUF TULISAN TANGAN BERDASARKAN BENTUK MENGGUNAKAN JARINGAN SARAF TIRUAN