KECERDASAN KOMPUTASIONAL

PENGENALAN HURUF MENGGUNAKAN JARINGAN

SYARAF TIRUAN UNTUK HURUF “K”

Disusun oleh:

Abdi Pandu Kusuma [ 116060300111021 ]

PROGRAM PASCASARJANA

FAKULTAS TEKNIK ELEKTRO

Minat:

SISTEM TEKNIK KOMUNIKASI & INFORMATIKA (SKI)

UNIVERSITAS BRAWIJAYA

2011/2012

I. Latar Belakang

Pengenalan pola (pattern recognition) merupakan masalah yang lazim dewasa ini,

baik pengenalan pola wajah, sidik jari, tulisan tangan maupun pola karakter hasil

cetakan. Secara umum teknik pengenalan pola bertujuan untuk mengklasifikasikan dan

mendeskripsikan pola atau objek kompleks melalui pengukuran sifat atau ciri dari objek

yang bersangkutan. Tahapan dalam pengenalan pola terdiri dari prapengolahan, ekstraksi

ciri, dan klasifikasi. Salah satu pendekatan yang digunakan pada tahap klasifikasi adalah

Jaringan Syaraf Tiruan (JST). JST merupakan salah satu representasi buatan dari otak

manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak

manusia. JST akan melakukan pembelajaran untuk membentuk suatu model referensi,

kemudian JST yang telah melakukan pembelajaran tersebut dapat digunakan untuk

pencocokan pola.

Arsitektur JST yang paling umum digunakan adalah MLP propagasi balik. Metode

propagasi balik adalah metode penurunan gradien untuk meminimalkan total galat

kuadrat keluaran. Aplikasi jaringan ini melibatkan pemetaan sekumpulan masukan

terhadap sekumpulan acuan keluaran. Tujuan pembelajaran jaringan ini adalah

mendapatkan keseimbangan antara kemampuan tanggapan yang benar terhadap pola

masukan yang dipakai untuk proses pembelajaran jaringan dan kemampuan memberikan

tanggapan yang layak untuk masukan sejenis namun tidak identik dengan yang dipakai

pada pembelajaran jaringan.

II. Pembahasan.

Diberikan pada huruf “K” yang direpresentasikan pada matriks berukuran 5x7

sebagai berikut:

1 0 0 0 1

1 0 0 0 1

1 0 0 1 0

1 1 1 0 0

� 1 0 0 1 0

1 0 0 0 1

1 0 0 0 1

Algoritma JST:

Penyelesaian:

I. Ditentukan nilai acak pada layer tersembunyi (range[-1],1) pada layer input ke

layer tersembunyi.

Tabel bobot dari layer input � layer tersembunyi:

Z1 Z2

X1 0,2 -0,2

X2 0 0

X3 0 0

X4 0 0

X5 0,3 0,1

X6 0,1 0,2

X7 0 0

X8 0 0

X9 0 0

X10 -0,1 0,1

X11 0,2 0,3

X12 0 0

X13 0 0

X14 0,3 -0,1

X15 0 0

X16 0,2 -0,4

X17 -0,3 0,1

X18 0,3 0,2

X19 0 0

X20 0 0

X21 0,1 -0,1

X22 0 0

X23 0 0

X24 0,1 -0,4

X25 0 0

X26 0,3 0,4

X27 0 0

X28 0 0

X29 0 0

X30 -0,2 0,2

X31 -0,2 0,1

X32 0 0

X33 0 0

X34 0 0

X35 -0,3 0,3

b 0 0

Tabel bobot dari layer tersembunyi ke layer output

y

Z1 0,2

Z2 -0,2

b 0,1

II. Jika kondisi penghentian belum terpenuhi, lakukan langkah selanjutnya.

III. Tahap Feed Forward

� Setiap unit mengirim sinyal ke unit tersembunyi

� Hitung keluaran di unit tersembunyi (zj)

znj = vji + ∑ x1.vji

zn1 = 0 + 1(0,2) + 0 + 0 + 0 + 1(0,3) + 1(0,1) + 0 + 0 + 0 + 1(-0,1) +1(0,2) +

0 + 0 + 1(0,3) + 0 + 1(0,2) + 1(-0,3) + 1(0,3) + 0 + 0 + 1(0,1) + 0 +

0 + 1(0,1) + 0 + 1(0,3) + 0 + 0 + 0 + 1(-0,2) + 1(-0,2) + 0 + 0 + 0 +

(-0,3) = 1

zn2 = 0 + 1(-0,2) + 0 + 0 + 0 + 1(0,1) + 1(0,2) + 0 + 0 + 0 + 1(0,1) + 1(0,3)

+ 0 + 0 + 1(-0,1) + 0 + 1(-0,4) + 1(0,1) + 1(0,2) + 0 + 0 + 1(-0,1) + 0

+ 0 +1(-0,4) + 0 + 0 + 0 + 1(0,2) + 1(-0,1) +0 + 0 + 0 + 1(0,3) = 0,6

zj = f(znj)

=

z1 = = 0,73106

z2 = = 0,64564

� Hitung keluaran unit output (yk)

ynk = 0,1 + 0,73106(0,2) + 0,64564(-0,2) = 0,11709

yk = = 0,52924

IV. Tahap Backward Propagation

� Hitung faktor di unit output yk

� = (tk – yk) f’ (ynk)

= (tk – yk) yk (1-yk)

= (1-0,52924)(0,52924)(1-0,52924)

= 0,11728

Perubahan bobot wkj = wjk ( =0,1)

. =

. = 0,1 (0,11728)(0,1) = 0,001172

. = 0,1 (0,11728)(0,73106) = 0,008573

. = 0,1 (0,11728)(0,64564) = 0,007572

� Hitung penjumlahan kesalahan dari unit tersembunyi ( ) :

=

= (0,001172)(0,2) = 0,000234

= (0,001172)(-0,2) = -0,000234

Faktor kesalahan di unit tersembunyi:

= .f’( ) = .zj(1-zj)

= (0,000234)(0,73106)(1-0,73106) = 0,000046

= (-0,000234)(0,64654)(1-0, 64654) = -0,000053

Perubahan bobot ke unit tersembunyi:

=

V. Tahap update bobot & Bias.

wkj(baru) = wkj(lama) + wkj

w11(baru) = 0,2 + 0,008573 = 0,208573

w12(baru) = -0,2 + 0.007572 = -0,192428

Perubahan bobot tersembunyi:

vji = vji(lama) + vji

Z1 Z2

X1 0,199954 -0,199947

X2 0 0

X3 0 0

X4 0 0

X5 0,299954 0,100053

X6 0,099954 0,200053

X7 0 0

X8 0 0

X9 0 0

X10 -0,10005 0,100053

X11 0,199954 0,300053

X12 0 0

X13 0 0

X14 0,299954 -0,099947

X15 0 0

X16 0,199954 -0,399947

X17 -0,30005 0,100053

X18 0,299954 0,200053

X19 0 0

X20 0 0

X21 0,099954 -0,099947

X22 0 0

X23 0 0

X24 0,099954 -0,099947

X25 0 0

X26 0,299954 0,400053

X27 0 0

X28 0 0

X29 0 0

X30 -0,20005 0,200053

X31 -0,20005 0,100053

X32 0 0

X33 0 0

X34 0 0

X35 -0,30005 0,300053

b 0 0