Cover Image

Pengenalan Tulisan Tangan Angka Menggunakan Adaptive Neuro Fuzzy Inference System

Main Author: RendraAdinata
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2010
Subjects:
510 Mathematics
Online Access: http://repository.ub.ac.id/152425/1/051003264.pdf
http://repository.ub.ac.id/152425/
ctrlnum 152425
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/152425/</relation><title>Pengenalan Tulisan Tangan Angka Menggunakan Adaptive Neuro Fuzzy Inference System</title><creator>RendraAdinata</creator><subject>510 Mathematics</subject><description>Pengenalan tulisan merupakan salah satu penelitian yang sudah cukup lama dilakukan dengan menggunakan berbagai macam algoritma. Beberapa penelitian menggunakan jaringan syaraf tiruan, dan beberapa menggunakan logika fuzzy. Dalam penelitian ini, digunakan salah satu sistem hybrid yang menggabungkan antara jaringan syaraf tiruan dan logika fuzzy yang dikenal dengan Adaptive Neuro Fuzzy Inference System atau lebih sering dikenal dengan ANFIS. ANFIS menggabungkan kemampuan logika fuzzy untuk melakukan penalaran dan kemampuan jaringan syaraf tiruan untuk mempelajari pola dan data. &#xD; Karena memiliki kelebihan seperti ini, ANFIS pada penelitian ini digunakan sebagai pengenal tulisan tangan angka. Sistem ANFIS yang dibangun digunakan untuk pembelajaran dan pengenalan citra tulisan tangan angka. Pada tahap pembelajaran, sistem ini menggunakan Recursive Least Square Estimator (LSE rekursif) untuk pembelajaran umpan maju dan steepest descent untuk umpan baliknya. Sedangkan pada tahap pengenalannya, hanya dilakukan satu kali umpan maju saja tanpa disertai dengan LSE rekursif untuk belajar karena parameter konsekuen dan premis telah didapatkan pada tahap pembelajaran. &#xD; ANFIS diimplementasikan sebagai pengenal tulisan tangan angka dengan menggunakan metode Sugeno sebagai basisnya rule fuzzy-nya dan arsitektur jaringannya terdiri dari 5 layer dengan 2 layer adaptif dan 3 layer tetap. Dari hasil pengujian, didapati akurasi pengenalan 62.5%, yang berarti dari 40 image yang diuji coba untuk dikenali, 25 image berhasil dikenali dan 15 tidak dapat dikenali. Hasil ini tetap untuk tiap tahap penelitian yang dilakukan sebanyak 5 kali tahapan penelitian. Ini disebabkan karena data yang dilatihkan hanya sedikit selisihnya pada tiap tahapan.</description><date>2010-07-28</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/152425/1/051003264.pdf</identifier><identifier> RendraAdinata (2010) Pengenalan Tulisan Tangan Angka Menggunakan Adaptive Neuro Fuzzy Inference System. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2010/284/051003264</relation><recordID>152425</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author RendraAdinata
title Pengenalan Tulisan Tangan Angka Menggunakan Adaptive Neuro Fuzzy Inference System
publishDate 2010
topic 510 Mathematics
url http://repository.ub.ac.id/152425/1/051003264.pdf
http://repository.ub.ac.id/152425/
contents Pengenalan tulisan merupakan salah satu penelitian yang sudah cukup lama dilakukan dengan menggunakan berbagai macam algoritma. Beberapa penelitian menggunakan jaringan syaraf tiruan, dan beberapa menggunakan logika fuzzy. Dalam penelitian ini, digunakan salah satu sistem hybrid yang menggabungkan antara jaringan syaraf tiruan dan logika fuzzy yang dikenal dengan Adaptive Neuro Fuzzy Inference System atau lebih sering dikenal dengan ANFIS. ANFIS menggabungkan kemampuan logika fuzzy untuk melakukan penalaran dan kemampuan jaringan syaraf tiruan untuk mempelajari pola dan data. Karena memiliki kelebihan seperti ini, ANFIS pada penelitian ini digunakan sebagai pengenal tulisan tangan angka. Sistem ANFIS yang dibangun digunakan untuk pembelajaran dan pengenalan citra tulisan tangan angka. Pada tahap pembelajaran, sistem ini menggunakan Recursive Least Square Estimator (LSE rekursif) untuk pembelajaran umpan maju dan steepest descent untuk umpan baliknya. Sedangkan pada tahap pengenalannya, hanya dilakukan satu kali umpan maju saja tanpa disertai dengan LSE rekursif untuk belajar karena parameter konsekuen dan premis telah didapatkan pada tahap pembelajaran. ANFIS diimplementasikan sebagai pengenal tulisan tangan angka dengan menggunakan metode Sugeno sebagai basisnya rule fuzzy-nya dan arsitektur jaringannya terdiri dari 5 layer dengan 2 layer adaptif dan 3 layer tetap. Dari hasil pengujian, didapati akurasi pengenalan 62.5%, yang berarti dari 40 image yang diuji coba untuk dikenali, 25 image berhasil dikenali dan 15 tidak dapat dikenali. Hasil ini tetap untuk tiap tahap penelitian yang dilakukan sebanyak 5 kali tahapan penelitian. Ini disebabkan karena data yang dilatihkan hanya sedikit selisihnya pada tiap tahapan.
id IOS4666.152425
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:53:16Z
last_indexed 2021-10-28T07:39:12Z
recordtype dc
_version_ 1751454568455077888
score 17.538404

Lihat Juga