Pengenalan Tulisan Tangan Angka Menggunakan Adaptive Neuro Fuzzy Inference System

Main Author: RendraAdinata
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2010
Subjects:
Online Access: http://repository.ub.ac.id/152425/1/051003264.pdf
http://repository.ub.ac.id/152425/
Daftar Isi:
  • 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.