BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik. Komputer atau mesin pencitraaan lainnya dapat mengangkap hampir keseluruhan sinyal elektromagnetik mulai dari gamma hingga gelombang radio. Mesin pencitraan dapat bekerja dengan citra dari sumber yang tidak sesuai, tidak cocok, atau tidak dapat ditangkap dengan penglihatan manusia [1]. Hal inilah yang menyebabkan pengolahan citra digital memiliki kegunaan dan spektrum aplikasi yang sangat luas. Beberapa cabang ilmu yang berkaitan dengan pemrosesan citra adalah image enhancement (perbaikan citra), pattern recognition (pengenalan pola), morfologi citra. Beberapa contoh aplikasi yang sering dijumpai adalah OCR (Optical Character Recognition), system pengenalan wajah, pengenalan sidik jari, pengenalan retina mata, dan lain-lain. Dewasa ini pengolahan citra digital dan kecerdasan buatan (artificial intelligence) sering digunakan dalam proses identifikasi. Identifikasi merupakan proses yang penting untuk mengenali dan membedakan sesuatu hal dengan hal lainnya, hal ini dapat berupa hewan, tumbuhan, maupun manusia. Identifikasi ini dilakukan dengan mengenali ciri khas yang dimiliki sesuatu hal tersebut. Pengembangan dari metode dasar identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya kemudian dikenal sebagai biometrik. Biometrik menurut The Biometric Consortium adalah Biometric are automated method of recognizing a person based on a physiological or behavioral characteristic [2]. Dapat dikatakan bahwa biometrika merupakan metode otomatis yang dapat mengenali seseorang derdasarkan karakteristik fisiologis atau karakteristik perilaku. Terdapat enam biometrika yang umum dipakai untuk sistem identifikasi, antara lain: sidik jari (fingerprint), selaput 1

2 2 pelangi (iris), wajah (face), suara (voice), geometri tangan (hand geometri), dan tanda tangan (signature). Sehingga teknologi identifikasi untuk pengenalan pola tanda tangan termasuk di dalam biometrika yang menggunakan karakteristik perilaku alami manusia. Pengenalan pola tanda tangan merupakan satu dari banyak bidang identifikasi atau pengenalan pola (pattern recognition) yang cukup berkembang beberapa tahun ini, Karena tanda tangan merupakan mekanisme primer untuk authentication dan authorization dalam transaksi legal seperti izin penarikan uang di bank, validasi cek dan sebagainya. Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti verifikasi identitas seseorang. Sebagian tanda tangan dapat dibaca, namun banyak pula tanda tangan yang tidak dapat dibaca (unreadable). Kendati demikian, sebuah tanda tangan dapat ditangani sebagai sebuah citra sehingga dapat dikenali dengan menggunakan aplikasi pengenalan pola pada pengolahan citra [3]. Secara umum, untuk mengidentifikasi tanda tangan dapat dilakukan secara manual yaitu dengan mencocokkan tanda tangan pada waktu transaksi dengan tanda tangan yang sah. Sistem manual memiliki kelemahan dimana apabila si pemeriksa tanda tangan kurang teliti dalam melakukan pencocokan. Oleh karena itu, diperlukan sebuah metode yang mampu menganalisis karakteristik tanda tangan sehingga mempermudah dalam mengenali tanda tangan seseorang. Hal inilah yang mendasari pemafaatan algoritma perceptron dan backpropagation dalam mengenali pola tanda tangan. Dalam metode jaringan saraf tiruan terdapat tujuh algoritma yang dapat digunakan dalam pengenalan pola yaitu algoritma hebb rule, algoritma perceptron, algoritma delta rule, algoritma backpropagation, algoritma heteroassociative memory, algoritma bidirectional associative memory (BAM), dan algoritma learning vector quantization (LVQ) [4]. Algoritma tersebut sebagian besar termasuk dalam supervised learning (belajar dalam pengawasan), yaitu proses belajar yang membutuhkan guru, dimana yang dimaksud dengan guru adalah sesuatu yang

3 3 memiliki pengetahuan tantang lingkungan atau contoh input-output [5]. Algoritma perceptron dan algoritma backpropagation sendiri merupakan metode jaringan saraf tiruan yang memiliki tingkat keakurasian tinggi dalam penganalan pola. Algoritma perceptron adalah bentuk paling sederhana dari Jaringan Saraf Tiruan yang digunakan untuk pengklasifikasian pola khusus yang biasa disebut linear separable, yaitu pola-pola yang terletak pada sisi yang berlawanan lada suatu bidang [5]. Algoritma perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran. Untuk mengennali tanda tangan, semua pola tanda tangan akan melalui fase training (pelatihan/pembelajaran). Pada fase ini, semua pola tanda tangan yang telah dipelajari oleh algoritma perceptron. Setelah itu pola tanda tangan yang telah dipelajari akan dapat dikenali melalui proses recognition (pengenalan). Sedangkan algoritma backpropagation merupakan salah satu algoritma supervised learning yang terdiri dari jaringan jaringan lapis jamak. Algoritma backpropagation memanfaatkan error output untuk mengubab nilai bobotbobotnya dalam arah mundur (backward) yang sebelumnya mengerjakantahap perambatan maju (forward propagation) terlebih dahulu agar bisa mendapatkan nilai error output. Nilai error output ini dedapatkan dengan cara menyesuaikan bobotnya berdasarkan perbedaan output dan target yang diinginkan. Dalam tahap pelatihan algoritma backpropagation terdapat tiga fase yaitu fase maju (feed forward), fase mundur (backpropagation), dan fase modifikasi bobot. Ketiga fase tersebut akan diulang terus menerus secara berurutan sampai kondisi penghentian terpenuhi. Kondisi penghentian terpenuhi apabila sudah mencapai maksimum epoch yang diinginkan atau sudah mencapai target error. Dalam mengenali pola tanda tangan salah satu cara sebelum masuk tahap pengenalan pola dilakukan proses pengolahan citra terlabih dahulu. Proses ini bertujuan untuk menyederhanakan nilai pixel citra serta melakukan proses penarikan informasi yang terkandung pada citra.

4 4 Berdasarkan latar belakang diatas maka penulis tertarik untuk mengambil judul penelitian Pengenalan Tanda Tangan Menggunakan Metode Jaringan Syaraf Tiruan Perceptron Dan Backpropagation. 1.2 Rumusan Masalah Dari latar belakang diatas, maka dapat ditentukan rumusan masalah yaitu, bagaimana komputer dapat mengenali kepemilikan tanda tangan dari pola yang memiliki bentuk beragam dan mencari tingkat akurasi antara algoritma Perceptron dan Backpropagation dalam melakukan pengenalan. 1.3 Batasan Masalah Agar dalam penyusunan tugas akhir ini tidak terlalu meluas dan keluar dari pokok permasalahan yang dirumuskan, penulis merasa perlu memberikan batasan permasalahan sebagai berikut : 1. Hanya meliputi tingkat keakurasian dari algoritma Perceptron dan Backpropagation. 2. Data tanda tangan diambil menggunakan scanner serta ditulis dengan tinta warna hitam dan warna latar yang terang. 3. Data tanda tangan berukuran 100x100 pixel dengan format.png. 4. Pengujian dilakukan secara manual dengan memasukkan satu per satu data uji. 1.4 Tujuan Penelitian Berdasarkan latar belakang dan rumusan masalah diatas, maka dapat ditentukan tujuan penelitian yaitu membuat system pengenalan tanda tangan dan mengetahui tingkat keakurasian antara penggunaan algoritma Perceptron dan algoritma Backpropagation dalam melakukan pengenalan.

5 5 1.5 Manfaat Penelitian Bagi Akademik Penelitian ini dapat memberikan informasi bagi peneliti atau calon peneliti lain untuk menerapkannya kedalam sistem yang lebih luas dan lebih kompleks atau sebagai bahan acuan yang dapat dikembangkan bagi kemungkinan pengembang konsep dan materi lebih lanjut serta dapat melengkapi referensi pustaka akademik Bagi Mayarakat Masyarakat bisa terbantu dengan adanya aplikasi pengenalan tanda tangan ini yaitu meningkatkan keamanan terhadap kemungkinan tanda tangan palsu dalam sebuah transaksi dan juga sebagai wacana masyarakat untuk menunjang pengetahuan khususnya mengenai pengenalan pola dengan menggunakan metode Jaringan Syaraf Tiruan Bacpropagation dan Perceprton Bagi Penulis Penulis dapat mengaplikasikan ilmu dan keterampilan yang diperoleh di perkuliahan Teknik Informatika, dan untuk memenuhi salah satu syarat kelulusan Strata Satu (S1) Teknik Informatika Universitas Dian Nuswantoro, serta menambah wawasan pengetahuan dan pengalaman dengan implementasi secara langsung tentang pembuatan aplikasi pengenalan pola dengan menggunakan metode Jaringan Syaraf Tiruan Bacpropagation dan Perceptron