aplikasi jaringan saraf tiruan dalam rekognisi karakter numerik

APLIKASI JARINGAN SARAF TIRUAN DALAM
REKOGNISI KARAKTER NUMERIK BERBASIS CITRA
Tugas Akhir
Diajukan sebagai salah satu syarat kelulusan pendidikan sarjana pada Program Studi
Fisika Institut Teknologi Bandung
oleh
Sari Amelia
102 03 035
PROGRAM STUDI FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI BANDUNG
2007
LEMBAR PENGESAHAN
APLIKASI JARINGAN SARAF TIRUAN DALAM
REKOGNISI KARAKTER NUMERIK BERBASIS CITRA
Tugas Akhir
Diajukan sebagai salah satu syarat kelulusan pendidikan sarjana pada Program Studi
Fisika Institut Teknologi Bandung
oleh
Sari Amelia
102 03 035
Mengetahui dan Menyetujui:
Pembimbing,
Dr. Eng. Suprijadi
NIP. 132 049 631
Bismillaahirrahmaanirrahiim
Allah,
kupersembahkan karya ini sebagai wujud syukur atas ilmu yang telah Kau titipkan
………dan untuk Mamaku tersayang………
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
1
ABSTRACT
The development of robotic and informatic technology today had caused sensorbased control system grows rapidly. One of its application is in machine reading
where a machine can read as human read. For example, a machine that can read
character in an image.
In this final project, the author developed one of the implementation of machine
reading in image based numerical character recognition by using perceptron
algorithm, a model in artificial neural network. This system combined image
processing technique and artificial intelligence approach through four main steps:
preprocessing, segmentation, extraction and recognition, and post postprocessing.
The result of the training process showed that the network can recognized 3 of 4 of
target pattern and determined which character is zero and which one is not.
Keywords: optical character recognition, numerical character recognition, neural
network, perceptron.
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
2
ABSTRAK
Perkembangan teknologi robotik dan informasi dewasa ini menyebabkan sistem
kontrol berbasis sensor tumbuh dengan pesat. Salah satu apikasinya adalah di bidang
machine reading yang memungkinkan mesin mampu membaca layaknya manusia,
seperti mesin yang mampu mengenali karakter dalam suatu citra.
Dalam tugas akhir ini dikembangkan sebuah implementasi machine reading yaitu
sistem rekognisi karakter numerik berbasis citra menggunakan algoritma perceptron,
salah satu model dalam jaringan saraf tiruan. Sistem tersebut menggabungkan antara
teknik pengolahan citra (image processing) dan kecerdasan buatan (artificial
intelligence) melalui lima proses, yaitu: preprocessing, segmentasi, ekstraksi dan
rekognisi, serta postprocessing.
Proses pelatihan jaringan menunjukkan bahwa jaringan mampu mengenali 3 dari 4
pola target yang diberikan serta mampu membedakan angka nol dan bukan angka nol.
Kata kunci: rekognisi karakter optik, rekognisi karakter numerik, jaringan saraf
tiruan, perceptron.
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
3
PRAKATA
Alhamdulillahirabbil’alamin. Hanya kata tersebut terucap untuk mewakili ungkapan
syukur penulis atas nikmat ilmu yang dititipkan Allah sehingga tugas akhir berjudul
Aplikasi Jaringan Saraf Tiruan dalam Rekognisi Karakter Numerik Berbasis Citra
ini dapat selesai. Teriring shalawat dan salam teruntuk manusia agung, Rasulullah
SAW, allaahumma shalli ‘alaa Muhammad wa’alaa aali Muhammad.
Permasalahan utama yang penulis jabarkan dalam tugas akhir ini adalah bagaimana
membangun sebuah sistem yang mampu mengenali angka pada suatu citra
menggunakan algoritma perceptron. Semoga karya kecil ini bisa menambah khasanah
dalam bidang pengenalan pola dan jaringan saraf tiruan.
Teriring ucapan terima kasih nan tulus untuk semua pihak yang telah membantu
penulis dalam pelaksanaan tugas akhir ini, terutama:
•
Bapak Suprijadi selaku pembimbing. Terima kasih atas bimbingan dan
dukungannya, Pak.
•
Bapak Pepen Arifin dan Suparno Satira selaku penguji.
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
•
4
Mama dan (alm) Papa, orang tua tersayang yang telah memberi penulis
kepercayaan dan sokongan penuh baik materi maupun spritual hingga detik
ini. I dedicated this final project for both of you.
•
Ibuk dan (alm) Ayah, kakek dan nenek yang telah menjadi orang tua kedua
bagi penulis. Ibuk dan Ayah, Alhamdulillah akhirnya Ichee lulus.
•
Abang, my beloved brother, dan keluarga yang telah berkorban agar penulis
bisa kuliah. I owe you much.
•
Ferry, Ni’am, Irsyad dan Amalia. Hatur nuhun atas diskusi dan bantuannya
selama ini.
•
Para penghuni DSP dan tetangga di Lab. ELKA beserta staf: Opik dan Zaky
(you will always be my brothers), Sandy, ‘Emak’ Nissa, Aah, Trio RRI (Rani,
Ria, Indri), Sopian, Zamzam, Yusuf, Farid, Adimas, serta Si Usil Yanuar.
•
Keluarga HIMAFI terutama HIMAFI 2003. Disadari atau tidak kalian telah
menjadi salah satu sumber motivasi Ichee selama ini. Ichee cemburu melihat
kalian maju.
•
Para dosen dan staf program studi Fisika. Hatur nuhun sadayana.
•
Keluarga Unit Kesenian Minangkabau, Perisai Diri, dan E-Club. Kita akan
selalu menjadi keluarga kan?
•
Keluarga Asrama Putri Kanayakan dan staf: my roommate, Dini ‘Si Ibuk’
beserta Ryan ‘Si Bapak’, Beri dan Gori, plus Mbak Julia, Mbak Lanna, dan
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
5
Mbak Rini. Terima kasih atas suka-duka yang kita bagi bersama dan ‘bully’annya selama ini.
•
Sahabat-sahabat KITA Call Indonesia dan Media Bening Hati 102.7 MQFM,
terima kasih atas motivasi serta do’anya. Allah, terima kasih telah
mempertemukan kami, umat-Mu yang berjuang bersama mencari ridho-Mu.
•
Minna....,
doumo
arigatou.
Tarimo
kasi.
Hatur
nuhun.
Gracias.
Komapsumnida. Thank you!
Semoga semua keikhlasan yang telah diberikan menjadi pulsa amal untuk akhirat
nanti dan dibalas Allah dengan balasan yang lebih baik.
Tak ada gading yang tak retak. Penulis menyadari masih terdapat banyak kekurangan
dalam tugas akhir ini. Dengan tangan terbuka penulis mengharapkan berbagai
masukan dan kritikan yang membangun sehingga tugas akhir ini bisa lebih
disempurnakan di kemudian hari.
Bandung, September 2007
Sari Amelia
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
6
DAFTAR ISI
HALAMAN JUDUL
i
HALAMAN PENGESAHAN
ii
HALAMAN PERSEMBAHAN
iii
ABSTRACT
iv
ABSTRAK
vi
PRAKATA
viii
DAFTAR ISI
xi
DAFTAR TABEL
xiv
DAFTAR GAMBAR
xv
BAB I
PENDAHULUAN
1
1.1
Latar Belakang dan Rumusan Masalah
1
1.1.1 Latar belakang
1
1.1.2 Rumusan masalah
3
1.2
Tujuan
3
1.3
Ruang Lingkup Kajian
3
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
1.4
1.5
BAB II
BAB III
BAB IV
7
Metode dan Teknik Pengumpulan Data
4
1.4.1 Metode
4
1.4.2 Teknik pengumpulan data
4
Sistematika Penulisan
4
REKOGNISI KARAKTER NUMERIK
6
2.1
Gambaran Singkat Rekognisi Karakter Optik
6
2.2
Metode dalam Rekognisi Karakter Optik
8
2.3
Rekognisi Karakter Numerik
12
JARINGAN SARAF TIRUAN (JST)
14
3.1
Pengertian JST
14
3.2
Algoritma Perceptron
17
SISTEM REKOGNISI KARAKTER NUMERIK
19
MENGGUNAKAN BPN
4.1
Gambaran Umum Sistem
22
4.2
Pengolahan Citra
23
4.2.1 Preprocessing
23
4.2.2 Segmentasi
25
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
4.3
Ekstraksi
dan
Rekognisi
8
Menggunakan
Algoritma
29
Perceptron
4.4
Post-processing
34
4.5
Pengujian dan Analisa Sistem Rekognisi Karakter
35
Numerik Menggunakan Algoritma Perceptron
4.5.1 Pengolahan citra
35
4.5.2 Rekognisi
38
SIMPULAN DAN SARAN
40
5.1
Simpulan
41
5.2
Saran
42
DAFTAR PUSTAKA
43
BAB V
Lampiran
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
9
DAFTAR TABEL
Tabel 3.1
Perbandingan Saraf Biologi dengan JST
15
Tabel 4.1
Hasil Rekognisi Sistem Rekognisi Karakter Numerik
40
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
10
DAFTAR GAMBAR
Gambar 2.1
Contoh Aplikasi Sistem Rekognisi Karakter Numerik
7
Gambar 2.2
Komponen-komponen Rekognisi Karakter Optik
8
Gambar 2.3
Konversi Citra Masukan ke Bilevel
9
Gambar 2.4
Segmentasi Karakter
9
Gambar 2.5
Normalisasi dan Pelembutan Citra Karakter
10
Gambar 2.6
Contoh Penggunaan JST dalam Rekognisi
11
Gambar 2.7
Contoh Program Aplikasi Rekognisi Karakter Optik
13
Gambar 2.8
Proses Segmentasi pada Rekognisi Karakter Optik
13
Gambar 3.1
Model Biologi Neuron
14
Gambar 3.2
Konstruksi Model JST Sederhana
16
Gambar 3.3
Contoh JST Layar Jamak
17
Gambar 4.1
Diagram Konteks Sistem
19
Gambar 4.2
Gambaran Keseluruhan Sistem
20
Gambar 4.3
DFD Level 0 Sistem
22
Gambar 4.4
Blok Struktur Sistem Rekognisi Karakter Numerik
23
Aplikasi Jaringan Saraf Tiruan dalam
Rekognisi Karakter Numerik Berbasis Citra
11
Gambar 4.5
Citra Masukan dan Citra Hasil Binarisasi
24
Gambar 4.6
Segmentasi Baris dan Karakter
25
Gambar 4.7
Hasil Proses Segmentasi
28
Gambar 4.8
Hasil Proses Ekstraksi dari Citr Input untuk Angka 0
29
Gambar 4.9
Arsitektur Perceptron yang Digunakan
32
Gambar 4.10 Diagram Alir Pelatihan
33
Gambar 4.11 Hasil Pengujian Blok Pengolahan Citra
35
Gambar 4.12 Screenshot Program Sistem Rekognisi Karakter
38
Numerik