PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

Transkripsi

1 PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma

2 ABSTRAK Program pengenalan pola ini merupaan program yang dibuat dengan menggunaan Matlab 6 dan ditulis berdasaran onsep Jaringan syaraf tiruan. Metode yang dipaai dalam aringan syaraf tiruan adalah metode propagasi bali. Dalam program ini aan dibutuhan citra, yaitu citra hitam putih atau yang lebih dienal dengan nama citra biner. Citra biner ini memilii ehususan yaitu pada warna latar belaangnya yang harus berwarna hitam dan warna obenya yang berwarna putih. Citra ini dicirian seperti itu untu dilanutan pada proses penipisannya. Proses penipisan ini digunaan untu mendapatan eranga dari obe yang aan berusaha untu dienali. Metode yang digunaan dalam proses penipisan ini adalah metode penipisan dengan menggunaan algoritma Zhang dan Suen. Hasil dari penipisan tadi aan dibandingan dengan target yang sebelumnya sudah ditentuan terlebih dahulu oleh ita,sedangan toleransi eror yang dipaai sebesar Kecepatan pembelaaran dan momentumnya dapat ditentuan sendiri. Ui coba dilauan untu menetahui seauh mana tingat esusesan program dalam mengenali pola yang didefinisian di dalam target. Ui coba ini dilauan berdasaran nilai bobot yang sebelumnya telah diterangan dalam poin-poin di atas. Pada penguian ini, dilauan percobaan terhadap huruf A, huruf B dan huruf C, D dan E. Program pengenalan pola ini masih terbatas pada pemerisaan pola dengan citra hitam putih yang memilii warna latar belaang hitam. Program ini tergantung dari rata-rata pembelaaran (LR) dan momentum (MC) yang dimasuan dan hasilnya dipengaruhi oleh bilangan aca yang digunaan oleh omputer. Kata unci : Jaringan syaraf tiruan, Matlab, pengenalan pola, propagasi bali.

3 Latar Belaang Perembangan tenologi hususnya omputer beberapa tahun terahir ini sangat pesat. Dahulu, orang menulis menggunaan alat tulis seperti pena atau pun pensil. Searang ini, menulis manual dapat digantian dengan menggunaan omputer. Cuup dengan menean papan eti, huruf atau anga yang diinginan aan muncul di layar. Sebuah doumen bisa saa menadi sebuah masuan yang sangat penting untu sebuah sistem. Sebuah sistem biasanya memerluan masuan yang tida sediit dan mungin saa memerluan masuan lebih dari satu doumen. Doumen dalam umlah yang banya tentu saa aan memerluan watu yang cuup banya pula untu ditangani secara manual. Walaupun emampuan manusia untu mengolah data cuup dapat bisa diandalan, namun fator watu dan tenaga dapat saa menghambat produtifitas dari pegawai yang mengolah data, sehingga mungin aan teradi esalahan(human error). Manusia emudian mengembangan sebuah cabang ilmu multdisiplin yaitu aringan syaraf tiruan(jst). Pada dasarnya JST mencoba meniru era ota mahlu hidup. JST ini dapat dibangun untu mengenali pola masuan yang diberian oleh pengguna. Hal ini memudahan manusia dalam mengolah data, apabila suatu pola dapat dienali lewat sebuah program. Atas dasar inilah, penulis membuat program untu mengenali arater dari sebuah citra hitam putih. Tuuan Tuuan dari penulisan adalah membuat sebuah program yang menerapan metode aringan syaraf tiruan sehingga dapat mengenali sebuah arater lewat citra hitam putih. Citra yang dimasuan aan diolah menggunaan metode propagasi bali dan memberian eluaran berupa hasil pengenalan tersebut. Batasan Masalah Poo bahasan dalam penulisan tugas ahir ini adalah masalah pembangunan program untu pengenalan pola. Karater yang aan dienali harus berupa citra hitam putih tanpa noise. Citra hitam putih ini merupaan citra dengan latar belaang hitam dan warna tampa depan hitam. Jenis huruf yang digunaan adalah Times New Roman beruuran 72. Sebagai umpan balinya, program aan memberian eluaran berupa eterangan huruf apa yang ita masuan tadi.

4 TINJAUAN PUSTAKA Dalam membuat apliasi ini, Penulis menggunaan onsep pengolahan citra yaitu pengenalan pola dengan menggunaan onsep Jaringan Syaraf Tiruan (JST) dengan algoritma propagasi bali. Bahasa pemrograman yang digunaan adalah Matlab 6.5 Release 13. Pola yang dienali terlebih dahulu ditipisan untu mendapat eranga dari obe yang aan dicoba untu dienali. Pada apliasi pencocoan pola, biasanya ditemuan banya bentu yang mengulur/memanang yang sebenarnya dapat dinyataan dalam bentu yang lebih tipis. Bentu yang lebih tipis ini terdiri dari garis-garis yang terhubung (disebut ranga (seleton) atau tulang atau garis inti). Idealnya, ranga tersebut membentang sepanang garis sumbu obe. Thinning (penipisan) adalah proses mengurangi suatu obye di dalam citra digital menadi uuran yang minimum (obe (region) diredusi menadi ranga (seleton)). Thinning merupaan operasi morfologi yang digunaan untu menghilangan bagian depan pisel dari citra biner, yang dapat digunaan pada beberapa apliasi namun sangat berguna untu seletonisasi. Thinning hanya digunaan pada citra biner dan menghasilan citra biner lain sebagai outputnya. Thinning merupaan bentu pre-processing yang digunaan dalam banya teni analisa citra. Output dari proses thinning disebut sebagai seleton, oleh arena itu thinning bisa uga disebut sebagai seletonisasi. Thinning bertuuan untu mengurangi bagian yang tida perlu (redudant) sehingga hanya dihasilan informasi yang essensial saa. Pola hasil penipisan harus tetap menyerupai bentu pola asalnya. Sebagai contoh, gambar di bawah ini adalah huruf R dan hasil polanya menadi ranga R. Gambar 1 Citra Huruf R Setelah Ditipisan Citra hitam putih yang diambil sebagai masuan, aan ditipisan terlebih dahulu. Citra dengan warna latar belaang hitam dipaai, arena proses penipisan ini memerluan citra dengan warna latar belaang hitam dan obe harus berwarna putih. Penipisan ini

5 digunaan untu mengurangi etebalan sebuah obe hingga e batas minimum yang diperluan oleh program sehingga dapat dienali. Dengan mengurangi uuran dari obe, pengenalan dari sebuah obe dapat dilauan dengan lebih mudah. Citra yang dimasuan ini hasil dari penipisannya aan digunaan sebagai masuan untu dibandingan dengan target yang telah disediaan. I adalah gambaran biner deangan anga 0 menandaan pixel yang berwarna hitam dan 1 untu pixel yang berwarna putih. Obye di dalam gambar dibuat dari warna pixel putih yang saling terhubung. J dan K adalah gambaran sementara yang digunaan di tiap perulangan pada algoritma tersebut. J adalah perulangan output e-( n-1) dan K adalah yang e-n. P(i) adalah pixel yang dalam proses. P9 (i-1,-1) P8 (i,-1) P7 (i+1,-1) P2 (i-1,) P1 (i,) P6 (i+1,) P3 (i-1,+1) P4 (i,+1) P5 (i+1,+1) Gambar 2 Gambar Pixel yang Terhubung Dua variabel yang digunaan dalam algoritma ini adalah A dan B. A dari pixel P1 didefinisian sebagai SUM(P2..P9). B dari pixel P1 adalah banyanya proses si 0 hingga etemu anga 1 selama bertransisi searah arum am. Perhitungan dimulai dari P9 sampai embali e P9 lagi. Contoh pada gambar 3, B aan bernilai P1 1 (i,) Gambar 3 Nilai B pada Gambar Adalah Dua Algoritma beralan dalam dua sub-iterasi. Untu masing-masing sub iterasi, ditentuan apaah suatu titi aan dihapus atau tida.

6 Jaringan syaraf tiruan (JST) adalah sistem pemroses informasi yang memilii arateristi mirip dengan aringan syaraf biologi. JST dibentu sebagai generalisasi model matematia dari aringan syaraf biologi, dengan asumsi bahwa : Pemrosesan informasi teradi pada banya elemen sederhana (neuron). Sinyal diiriman diantara neuron-neuron melalui penghubung-penghubung. Penghubung antar neuron memilii bobot yang aan memperuat atau memperlemah sinyal. Untu menentuan output, setiap neuron menggunaan fungsi ativasi (biasanya buan fungsi linier) yang dienaan pada umlahan input yang diterima. Besarnya output ini selanutnya dibandingan dengan suatu batas ambang. JST ditentuan oleh 3 hal : a. Pola hubungan antar neuron (disebut arsitetur aringan). b. Metode untu menetuan bobot penghubung (disebut metode trainning / learning / algoritma). c. Fungsi ativasi. Bacpropagation memilii beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Gambar 4 adalah arsitetur bacpropagation dengan n buah masuan (ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit (ditambah sebuah bias), serta m buah eluaran. Gambar 4 Arsitetur Bacpropagation V i merupaan bobot garis dari unit masuan x i e unit layar tersembunyi z (v 0 merupaan bobot garis yang menghubungan bias di unit masuan e unit layar tersembunyi

7 z ). W merupaan bobot dari unit layar tersembunyi z e unit eluaran y (w 0 merupaan bobot dari bias di layar tersembunyi e unit eluaran z ). Algoritma bacpropagation menggunaan error output untu mengubah nilai bobotbobotnya dalam arah mundur (bacward). Untu mendapatan error ini, tahap perambatan mau (forward propagation) harus dieraan terlebih dahulu. Pada saat perambatan mau, neuron-neuron diatifan dengan menggunaan fungsi ativasi yang dapat dideferensiasian, seperti sigmoid, tansig atau purelin. Algoritma bacpropagation : Inisialisasi bobot (ambil bobot awal dengan nilai random yang cuup ecil). Tetapan masimum epoch, target error, dan learning rate (α). Inisialisasi Epoch = 0; MSE = 1. Keraan langah-langah beriut selama epoch < masimum epoch dan (MSE > target error): 1. Epoch = Epoch Untu tiap-tiap pasangan elemen yang aan dilauan pembelaaran, eraan : Feedforward : a. tiap-tiap unit input (x i, i=1,2,3,...,n) menerima sinyal x i dan menerusan sinyal tersebut e semnua unit pada lapisan yang ada di atasnya (lapisan tersembunyi). b. Tiap-tiap unit pada suatu lapisan tersembunyi (Z, = 1,2,3,...,p) menumlahan sinyal-sinyal input berbobot : n z _ in b1 x v (1) i 1 i i gunaan fungsi ativasi untu menghitung sinyal outputnya : z f z _ in ) (2) ( dan iriman sinyal tersebut e semua unit di lapisan atasnya (unit-unit output). c. Tiap-tiap unit output (y, =1,2,3,...,m) menumlahan sinyal-sinyal input berbobot. p y _ in b2 z w.(3) i 1 i gunaan fungsi ativasi untu menghitung sinyal outputnya : y f ( y _ in ) dan iriman sinyal tersebut e semua unit di lapisan atasnya (unit-unit output). Catatan : Langah (b) dilauan sebanya umlah lapisan tersembunyi. Bacpropagation

8 d. Tiap-tiap unit output (y, =1,2,3,...,m) menerima target pola yang berhubungan dengan pola input pembelaaran, hitung informasi errornya : 2 t y f ' y _ in (4) 2 z (5) 2 (6) emudian hitung oresi bobot (yang nantinya aan digunaan untu memperbaii nilai w ) : w 2 (7) hitung uga oresi bias (yang nantinya aan digunaan untu memperbaii nilai b2 ) : b 2 2 (8) langah (d) ini uga dilauan sebanya umlah lapisan tersembunyi, yaitu menghitung informasi error dari suatu lapisan tersembunyi e lapisan tersembunyi sebelumnya. e. Tiap-tiap unit tersembunyi (Z, = 1,2,3,...,p) menumlahan delta inputnya (dari unit-unit yang berada pada lapisan di atasnya) : m _ in 2 w (9) 1 alian nilai ini dengan turunan dari fungsi ativasinya untu menghitung informasi error : 1 i _ in f '( z _ in ) (10) 1 1 x (11) 1 1 (12) emudian hitung oresi bobot (yang nantinya aan digunaan untu memperbaii nilai v i ) : v 1 (13) i i hitung uga oresi bias (yang nantinya aan digunaan untu memperbaii nilai b1 ) : b1 1 (14) f. Tiap-tiap unit output (Y, =1,2,3,...,m) memperbaii bias dan bobotnya (=0,1,2,...,p) : w ( baru) w ( lama) w (15) b ( baru) b2 ( lama) b2 2 (16) Tiap-tiap unit tersembunyi (Z, =1,2,3,...,p) memperbaii bias dan bobotnya (i=0,1,2,...,n) :

9 v ( baru) v ( lama) v...(17) i 3. Hitung MSE i i b1 ( baru) b1 ( lama) b1...(18) METODE PENELITIAN Dalam penelitian ini, ada empat metode penelitian yang digunaan yaitu : 1. Studi epustaaan Mencari bahan-bahan untu penulisan dengan cara mengumpulan referensi yang menunang penulisan dan pembuatan program. 2. Perancangan apliasi Perancangan apliasi menyangut perancangan perangat eras dan perangat luna yang aan digunaan untu pembuatan apliasi. Perangat eras yang digunaan dalam penelitian ini adalah scanner gambar dan perangat luna yang dipaai adalah Matlab 6.5 release Implementasi Merupaan realisasi dari perancangan apliasi yang telah dibuat. 4. Penguian apliasi Penguian apliasi ini menggunaan LR dan MC yang berbeda-beda dan diuian terhadap lima buah huruf bertipe Times New Roman yang uurannya 72. Huruf yang diuian adalah huruf A, B, C, D dan E ; masing-masing huruf diuian tiga ali terhadap ombinasi LR dan MC yang berbeda. HASIL DAN PEMBAHASAN Setelah citra dimasuan e dalam program, citra aan melalui beberapa proses yaitu proses penipisan, setelah proses penipisan, citra aan diambil polanya. Pada penipisan ini, diterapan algoritma Zhang dan Suen. Beriut adalah pseudo-code untu thining dengan menggunaan Algoritma Zhang dan Suen: I= gambar asli J= gambar sementara K= gambar sementara J=I K=I ulangi sampai tida ada pixel yang dihapus

10 //sub-iterasi pertama untu semua pixels J(i,) hapus K(i,) ia terpenuhi: a) 2 <= B(i,) <= 6, dan b) A(i,)=1, dan c) P2*P4*P6 = 0, dan d) P4*P6*P8 = 0 end //sub-iterasi edua untu semua pixel J(i,) hapus K(i,) ia terpenuhi: a) 2 <= B(i,) <= 6, dan b) A(i,)=1, dan c) P2*P4*P8 = 0, dan d) P2*P6*P8 = 0 end End J=K Untu mencari pola masuannya, digunaan rata-rata pixel yaitu dengan cara menumlahan elemen pixel-pixel yang ada pada gambar dan emudian dibagi dengan umlah elemennya. Hal ini dilauan arena untu mencari pola masuan, matris yang digunaan tida boleh terlalu besar. Proses pelatihan aringan syaraf tiruan (JST) dilauan dengan menggunaan algoritma bacpropagation bermomentum. Sumsquare error yang diadian sasaran pelatihan sebesar 0,001. Input JST merepresentasian citra ui yang disusun dalam bentu matris input: X = [x 1 x 2 x 3... x ] dengan = umlah data latih x = [X 1 X 2 ] T (19) dengan target pelatihan yang merepresentasian easlian uang tersebut dalam bentu matris target : T = [ ; ; ; ; ;]; (4)

11 Ui coba dilauan untu menetahui seauh mana tingat esusesan program dalam mengenali pola yang didefinisian di dalam target. Ui coba ini dilauan berdasaran nilai bobot MC dan LR yang sebelumnya telah diterangan di atas. Pada penguian ini, dilauan percobaan terhadap huruf A, huruf B dan huruf C, D dan E. (a) (b) (c) (d) Gambar 5 (a) Citra Huruf A, (b) Citra Huruf B, (c) Citra Huruf Cdan (d) Citra Huruf D. Tampilan awal dari apliasi ini adalah seperti beriut ini : Gambar 6 Tampilan Pada Saat Program Pertama Kali Dialanan

12 Proses pengambilan data (citra) adalah seperti beriut ini Gambar 7 Tampilan Saat Menalanan Fungsi Ambil Data Kemudian etia citra telah dipilih, maa aan tampil seperti gambar 8. Pada gambar 8 ini, citra yang dimasuan adalah citra huruf A. Gambar 8 Tampilan etia Citra Huruf A dimasuan Setelah citra dimasuan, langah selanutnya adalah mengui citra tersebut dalam program yang telah dibuat sebelumnya. Untu menguian pola dari citra yang telah dipilih, ita dapat menggunaan tombol Kenali. Untu sesaat Matlab aan memproses citra sesuai dengan urutan pemrosesan dan hasilnya tampa pada gambar 9:

13 Gambar 9 Tampilan Program Setelah Tombol Kenali Dipilih PENUTUP Kesimpulan Pada pembuatan tugas ahir ini, dibuat sebuah program pengenalan pola yang menggunaan aringan syaraf tiruan. Program ini dituuan untu mengenal pola dari citra hitam putih yang memilii warna latar belaang hitam. Program ini aan mengenali pola dengan cara menipisan citra masuan hingga terbentu eranganya dan membandingan hasil penipisan tersebut dengan target yang telah dipersiapan. Program ini dibuat dengan menggunaan Matlab 6, oleh arena itu dalam menalanannya diperluan RAM di atas 128MB. Program pengenalan pola ini masih terbatas pada pemerisaan pola dengan citra hitam putih yang memilii warna latar belaang hitam. Program ini tergantung dari rata-rata pembelaaran (LR) dan momentum (MC) yang dimasuan dan hasilnya dipengaruhi oleh bilangan aca yang digunaan oleh omputer. Saran Program ini masih dapat diembangan lagi oleh pengguna atau siapa pun uga yang berminat untu mengembangan program ini, sehingga nantinya program ini dapat digunaan untu mengenali citra berwarna dan citra yang berisi ata.

14 DAFTAR PUSTAKA Jong Je Siang., Jaringan Syaraf Tiruan dan Pemrogramannya Menggunaan Matlab, Andi Offset, Yogyaarta, Rinaldi Munir, Pengolahan Citra Digital dengan Pendeatan Algoritmi, cetaan pertama, Informatia, Bandung, Sri Kusumadewi, Membangun Jaringan Syaraf Tiruan Menggunaan Matlab dan Excel Lin, edisi pertama, Graha Ilmu, Yogyaarta, Budi Raharo, Pengenalan Pola Berbasis Neural Networ EL 424. Anonymous, GUI Tutorial. Anonymous, Artificial Neural Networ. ftp://ftp.sas.com/pub/neural/faq6.html