PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION

Transkripsi

1 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan Setiawan** Abstra Huruf braille merupaan suatu bentu tulisan husus yang digunaan oleh para tunanetra untu mengetahui informasi dan ilmu pengetahuan. Dalam tugas ahir ini dibuat suatu perangat luna untu mengenali tes braille agar para tunanetra dapat mengetahui informasi dan ilmu pengetahuan dengan nyaman. Proses pengenalan arater tes braille ini menggunaan aringan syaraf (neuron) tiruan feedforward multilayer dengan metode bacpropagation serta menggunaan adanya suatu proses pengolahan gambar. Pada tahap pengenalan pola huruf braille, sebelumnya ada proses pengolahan gambar, dimana citra masuan tes braille diambil secara offline dengan menggunaan scanner terlebih dahulu sebelum dilauan proses selanutnya, yaitu : grayscale, detesi tepi, thresholding, estrasi ciri dan emudian selanutnya dapat dilauan pelatihan dan pengenalan huruf serta emudian tulisan yang telah dienali tersebut aan dieluaran oleh omputer pribadi dalam bentu suara sesuai dengan huruf yang telah diproses. Kata-unci : aringan syaraf tiruan, huruf braille, bacpropagation. I. PENDAHULUAN 1.1 Latar Belaang Dengan perembangan tenologi omputer yang sangat pesat, maa Personal Computer (PC) ini dapat meniru sistem era dari aringan syaraf biologi atau sistem syaraf manusia untu diapliasian pada suatu aringan syaraf tiruan (JST). Metode aringan syaraf tiruan diembangan dengan berbagai cara guna mengenali pola-pola yang dimasuan e aringan tersebut. Salah satu apliasi dari aringan syaraf tiruan dapat diterapan pada pengenalan pola huruf braille. Proses pembacaan melalui meraba dengan ari dapat membutuhan watu yang relatif lama, selain itu tida semua tunanetra mampu membacanya arena memerluan pendidian di seolah luar biasa (SLB). 1 * Mahasiswa Jurusan Teni Eletro UNDIP ** Staf Pengaar JurusanTeni Eletro UNDIP Pengenalan tes braille dengan aringan syaraf tiruan ini dimasudan untu membantu tunanetra membaca suatu tulisan dengan mudah dan nyaman serta membutuhan watu yang relatif singat dibandingan membaca dengan meraba. Oleh arena itu dibutuhan suatu perangat luna yang dapat mengenali pola-pola huruf braille. Agar output dari perangat luna tersebut dapat didengar oleh tunanetra, maa output yang dihasilan dalam bentu suara. Adapun metode yang digunaan yaitu mengembangan Jaringan Syaraf Tiruan dengan metode pembelaaran bacpropagation. 1.2 Tuuan dan Manfaat Tuuan dari tugas ahir ini adalah membuat suatu perangat luna (software) yang mampu mengenali pola-pola huruf braille dan menghasilan output berupa suara. 1.3 Pembatasan Masalah 1. Perencanaan dan pembuatan perangat luna digunaan untu mengenali pola-pola huruf braille. 2. Proses pengambilan tes braille dilauan secara offline menggunaan scanner dengan hasil citra Braille yang berformat.bmp. 3. Warna ertas yang dipaai untu penulisan huruf braille telah ditentuan yaitu berwarna putih. 4. Tida membandingan unu era umlah node atau titi dalam hidden layer. 5. Pola-pola huruf braille yang aan dienali adalah huruf ecil dan spasi. 6. Pengambilan gambar harus tega lurus dan tida terbali. II. LANDASAN TEORI 2.1 Artificial Neural Networ (Jaringan Syaraf Tiruan) Pendefinisian aringan syaraf tiruan dilihat dari fungsi atau strutur rancangan merupaan penyederhanaan dari model ota manusia. Kinera strutur aringan syaraf biologi pada ota manusia adalah dengan cara menyampaian sinyal dari satu neuron e neuron yang lain yang berdeatan serta bersesuaian. Hal yang sama berlanut untu neuron yang beriutnya, sampai pada neuron terahir yang diehendai sinyal tersebut.

2 2 JST dicirian oleh (1) hubungan pola antar neuron (disebut sebagai arsitetur), (2) metode untu menentuan bobot pada hubungan (disebut sebagai algoritma pelatihan atau pembelaaran) dan (3) fungsi ativasinya. Sebuah aringan syaraf terdiri dari banya elemen pengolah sederhana yang disebut neuron, unit, cell, atau node. Masing-masing neuron tersebut dihubungan e neuron yang lain oleh rantai omuniasi terarah dengan masing-masing bobot yang beraitan dengannya. Dalam apliasi sesungguhnya tidalah cuup hanya menggunaan satu neuron saa, biasanya terdapat layer tambahan. Mesipun aringan syaraf pada gambar 1 relatif sederhana, eberadaan unit tersembunyi (hidden unit), memberian emampuan untu memecahan banya permasalahan daripada yang dapat dilauan oleh aringan yang hanya terdiri dari input dan output unit Gambar 1 Jaringan syaraf sederhana dengan hidden unit 2.2 Metode Pembelaaran Pembelaaran (learning) bagi JST merupaan proses mengatur harga-harga dari parameter bobotnya untu mendapatan harga yang terbai dengan melatih (training) aringan menurut unu era sistem yang diehendai. Tuuannya agar umpulan pola input (vetor input) yang diberian menghasilan pola output (vetor output) yang diinginan atau paling sediit mendeati. Training ini dibentu dengan menerapan secara berurutan pada pola input dan mengatur bobot aringan mendeati pola output mengiuti suatu algoritma belaar tertentu selama proses belaar, pembobot secara perlahan onvergen menuu harga tertentu, sehingga pola input menghasilan pola output yang diinginan. Ada 2 metode pembelaaran, yaitu: Pembelaaran terbimbing (Supervised training) dan Pembelaaran tida terbimbing (Un-supervised training) Algoritma propagasi bali atau Bacpropagation atau Generalized Delta Rule termasu di dalam metode pembelaaran terbimbing (supervised training). Algoritma ini membutuhan pasangan untu tiap vetor input dengan vetor target (eluaran yang diinginan).jia aringan diberi input baru, output aringan aan diubah seperti yang diharapan berdasaran pola yang sudah ada. Selisih dari edua output tersebut menyataan esalahan (error) yang aan digunaan untu mengubah pembobot sambungan. Sehingga esalahan aan semain ecil dalam silus pelatihan beriutnya. 2.3 Pengolahan Citra (image processing) Pengolahan citra adalah suatu metode yang digunaan untu mengolah gambar sehingga menghasilan gambar lain yang sesuai dengan einginan ita 2. Pengolahan citra berperan sebagai pra pengolahan yang bertugas untu menyederhanaan gambar menadi suatu data berupa matri mxn, emudian matris tersebut diadian sebagai input bagi aringan syaraf tiruan Komputer digital hanya dapat memproses suatu citra dalam bentu digital.pengambilan gambar bisa dilauan oleh penangap citra digital misalnya, amera video, scanner dan amera digital. Atau alatalat lain yang bisa digunaan untu mentransfer gambar Proses Grayscale Operasi ini bertuuan untu merubah citra 24 bit RGB menadi citra abu-abu. Pemilihan pemrosesan pada tingat abu-abu ini dipilih arena lebih sederhana arena hanya menggunaan sediit ombinasi warna dan dengan citra abu-abu dirasaan sudah cuup untu memproses suatu gambar. Prinsip citra perubahan citra 24 bit RGB menadi citra abu-abu adalah dengan menghitung rata-rata dari intensitas 0.299*red, 0.587*green, 0.114* blue dari citra 24 bit RGB 3 seperti ditunuan pada gambar *R Gray 0.587*G Gambar 2 Operasi pengubahan citra 24 bit e citra abu-abu Gray 0.114*B Gray 2 Agustinus Nalwan, Pengolahan Gambar Secara Digital, Elex Media Computindo, Jaarta, Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, Singapore, 1993

3 Proses Detesi Tepi Detesi Tepi adalah perubahan nilai intensitas deraat eabuan yang besar dalam ara yang deat. Biasanya, tepi terdapat pada batas antara dua daerah berbeda pada citra. Tepi (edge) merupaan ciri dasar dari citra, merea membawa informasi yang sangat berguna tentang pinggiran dari suatu obe yang mana dapat digunaan untu menganalisa suatu image (citra), pengidentifiasian suatu obe maupun untu apliasi penyaringan (filtering) dari citra. Detesi tepi ini sangat penting dan merupaan hal paling mendasar dalam pemrosesan citra secara digital. Tuuan detesi tepi adalah untu meningatan penampaan garis batas obe dalam citra. Ada beberapa metode detesi tepi yang banya dipaai dalam pendetesian tepi. Dalam maalah ini ami memaai detesi tepi turunan gradien pertama dengan sobel mas operator seperti ditunuan pada gambar 3. obe dengan bacground (latar belaang) dari suatu citra Proses Estrasi Ciri Setelah obe-obe yang ada berhasil disederhanaan pada tahap sebelumnya, tahap beriutnya adalah mengestrasi ciri-ciri tertentu dari setiap obe atau arater huruf braille. Pada tahap ini mencari posisi gambar paling iri, paling anan, paling atas, dan paling bawah. Kemudian gambar dibagi-bagi menadi baris M dan olom N. Setiap ota dilauan scanning pixel. Jia melebihi umlah yang ditentuan maa ota tersebut diberi nilai 1, ia tida diberi nilai 0. emudian melauan penyimpanan matris MxN sebagai data referensi. Proses estrasi ciri dapat dilihat pada gambar 5 Gambar 3 Sobel Mas Proses Tresholding atau Binarisasi Proses thresholding atau binarisasi pada prinsipnya adalah melauan pengubahan nilai intensitas warna pisel menadi 2 nilai yaitu 0 atau warna hitam dan 255 atau warna putih. citra dibandingan Mas 1 Mas (Putih) AMBANG BATAS 0 (Hitam) LEBIH BESAR AMBANG LEBIH KECIL AMBANG Gambar 4 Ilustrasi pengambilan eputusan pada proses thresholding Pengubahan diharapan aan menghasilan citra yang hanya terdiri dari dua warna saa, sehingga untu proses selanutnya menadi lebih sederhana. Tuuan utama dari proses thresholding ini adalah untu memisahan dan membedaan antara Gambar 5 Proses estrasi ciri Dalam maalah ini ami melauan estrasi ciri dengan membagi gambar arater atau huruf braille menadi 3 baris dan 2 olom atau matris 3x Algoritma Propagasi bali Secara garis besar algoritma ini menelasan, yaitu etia aringan diberian pola input sebagai pola pelatihan maa pola tersebut menuu e simpulsimpul pada lapisan tersembunyi untu diterusan e simpul-simpul lapisan output. Kemudian simpulsimpul lapisan output memberian respon disebut output aringan. Saat output aringan tida sesuai dengan output yang diharapan maa output aan menyebar mundur pada lapisan tersembunyi diterusan e simpul pada lapisan input. Oleh arena itu maa meanisme pelatihan tersebut disebut propagasi bali. Algoritma propagasi bali terdiri dari dua proses yaitu feed forward dan propagasi bali dari errornya 4. Untu elasnya dapat dielasan sebagai beriut: Step 0. Inisialisasi fator penimbang dengan nilai random yang ecil Step 1. Ulangi langah 2 hingga 9 hingga ondisi stop terpenuhi Step 2. Lauan langah 3 hingga 8 untu masingmasing pasangan training Feedforward. 4 Adeli H, S. Hung, Machine Learning, Neural Networ, Genetic Algorithm, and Fuzzy Systems, John Willey & Sons Inc., Singapore, 1994 ahd aw iaysd iasydi asdiy aisy iasd aisdiasdi diy sady sady

4 4 Step 3. Masing-masing unit input (X i, i=1, n) menerima sinyal input X i dan sinyal tersebut disebar e unit bagian atas lapisan tersembunyi (unit hidden). Step 4. Masing-masing hidden menumlahan fator penimbang : Z _ in V o n i1 X V dan menghitung sinyal output sesuai dengan fungsi ativasi: Z f Z _ in ) ( Karena yang digunaan fungsi sigmoid maa: 1 Z ( Z _ in ) 1 exp emudian mengirim sinyal tersebut e semua unit di atasnya (output unit). Step 5. Masing-masing unit output (Y, =1,2,3,,m) diumlahan fator penimbang: Y _ in W o p 1 i i Z W Menghitung sesuai dengan fungsi atifasi: Y f ( Y _ in ) Propagasi Bali dari Errornya Step 6. Masing-masing unit output (Y, =1,2,3,,m) menerima pola target sesuai dengan pola masuan saat training dan menghitung errornya: ( t Y ) f '( Y _ in ) Menghitung pembetulan fator penimbang (untu memperbaii W ) W Z Menghitung pembetulan oresi: W o dan mengiriman nilai e unit lapisan di bawahnya. Step 7. Masing-masing unit hidden (Z, =1,2,3,,p) menumlahan delta inputnya(dari unit layer di atasnya) m _ in W 1 selanutnya dialian dari fungsi ativasinya untu menghitung error. _ in f '( Z _ in Kemudian menghitung pembetulan penimbang (digunaan untu memperbaii V i ) V i Xi emudian menghitung pembetulan bias (untu memperbaii V o ) V o Memperbaii Penimbang dan Bias Step 8. Masing-masing output unit (Y, =1,2,3,,m) diperbaii bias dan penimbangnya (=0,1,2,,p) W ( baru) W ( lama) W Masing-masing unit hidden (Z, =1,2,3, p) diperbaii bias dan penimbangnya (=0,1,2,,n) V Step 9. Proses berhenti ( baru) V ( lama) V 2.5 Tahap Pelatihan/Pembelaaran Tahap pelatihan/pembelaaran ini merupaan langah bagaimana suatu aringan syaraf itu berlatih, yaitu dengan cara melauan perubahan bobot sambungan. Sedangan fase pemecahan masalah aan dilauan ia proses belaar tersebut selesai, fase tersebut adalah proses penguian atau testing. Proses pembelaaran dilauan dengan membandingan pasangan output aringan dengan vetor target. Selisih dari eduanya merupaan error yang aan digunaan untu mengubah pembobot sambungan. Sehingga esalahan aan semain ecil pada silus pembelaaran beriutnya atau mencapai onvergen. 2.6 Lau pembelaaran (Learning rate) Learning rate( ) adalah salah satu parameter yang turut mempengaruhi ecepatan belaar. Learning rate sangat berpengaruh pada intensitas pada proses belaar, efetivitas dan onvergensi dari pelatihan. Harga optimum, dari learning rate tergantung masalah yang dihadapi. Intinya dipilih sedemiian rupa sehingga dicapai onvergensi yang optimal dalam proses pelatihan.harga yang cuup ecil aan menadian proses training beralan dengan lambat, sehingga onvergensi aan tercapai pada iterasi yang besar. )

5 5 III. PERANCANGAN SISTEM 3.1 Sistem Pengenalan Pola Huruf Braille Perangat luna (software) dibuat dengan menggunaan bahasa Pascal, dalam hal ini Delphi 7.0, yang dialanan pada sistem operasi Windows XP 3.2 Diagram Alir Sistem Secara garis besar, ada beberapa proses dalam sistem pengenalan pola-pola huruf braille yaitu: 1. Pengambilan gambar (file) 2. Pemrosesan awal (grayscale,detesi tepi, thresholding, estrasi ciri) 3. Proses pembelaaran 4. Proses pengenalan atau pengambil eputusan. Tuuan dari pembuatan perangat luna ini adalah untu mengenali pola-pola huruf braille yang telah disimpan dalam sebuah file gambar. Gambar pola-pola huruf braille yang aan dienali adalah gambar yang telah diambil gambarnya dengan menggunaan scanner, dalam hal ini pengambilan gambar dilauan secara offline. Pengambilan gambar tersebut harus lurus dan tida dalam posisi terbali. Pola-pola huruf braille dalam hal ini berbentu suatu tes. File gambar huruf braille yang aan diproses dapat berformat *.bmp dengan 24 bit perpixel. Gambar 8 Diagram Alir Perangat Luna Utama Gambar 6 Pola Huruf Braille Gambar 7 Tes Braille Hasil Scan Gambar 9 Diagram Alir Tahap Pembelaaran

6 6 Gambar 11 Tampilan Menu Utama Program Kemudian membua Load Image dengan tampilan dialog seperti ditampilan pada gambar 11 Gambar 10 Diagram Alir Proses Pengambil Keputusan 3.3 Desain Arsitetur Pada tugas ahir tersebut ami menggunaan layer input sebanya 6 titi, layer hidden sebanya 25 titi, dan layer output sebanya 27 titi. Mengapa demiian? Karena ami mempunyai target 26 arater huruf abad dan 1 arater spasi yang aan dienali. Sedangan banyanya umlah titi dalam hidden layer dipilih berdasaran esesuaian dengan hasil error rate dalam aringan. IV. PENGUJIAN DAN ANALISA 4.1 Penguian Perangat Luna Penguian perangat luna memilii langah (step) yang telah ditentuan secara urut. Urutan dalam penguian langah demi langah harus secara teratur, tida dapat melewati salah satu langah untu menuu langah lainnya. Penguian perangat luna meliputi: 1. Ui coba proses loading data 2. Ui coba proses grayscale 3. Ui coba proses detesi tepi 4. Ui coba proses threshold 5. Ui coba proses etrasi ciri 6. Ui coba proses pembelaaran 7. Ui coba proses pengenalan Hasil Ui Coba Loading Data Pada proses yang paling awal adalah loading file, dimana data yang dapat diambil adalah file dengan estensi *.bmp.untu membua file gambar dapat menggunaan pilihan pada menu utama seperti ditampilan pada gambar 10 Gambar 12 Proses loading file BRAI1_100%.BMP Hasil loading file nya ditunuan pada gambar 12 Gambar 13 Hasil Loading FileBRAI1_100%.BMP Hasil Ui Coba Proses Grayscale Gambar 14 Hasil Ui Coba Proses Grayscale Hasil Ui Coba Proses Detesi tepi Gambar 15 Hasil Ui Coba Proses Detesi Tepi Hasil Ui Coba Proses Thresholding Gambar 16 Hasil Ui Coba Proses Thresholding

7 Hasil Ui Coba Proses Estrasi Ciri Gambar 17 Hasil Ui Coba Proses Estrasi Ciri Ui Coba Pembelaaran Jumlah pola huruf braille yang ditraining sebanya 27 data yaitu meliputi arater a sampai z dan ditambah arater untu spasi. Pada ui coba pembelaaran mencapai 626 ali iterasi dengan batasan error sebesar Gambar 10 merupaan gambar grafi error dari proses pembelaaran aringan syaraf tiruan. Pada gambar terdapat garis merah yaitu menunuan batasan error (error limited) sebesar , dan garis biru adalah menunuan perubahan error selama proses pembelaaran berlangsung. Pembelaaran aan berhenti ia hasilnya mencapai onvergen yaitu pada iterasi e-626. Gambar 18 Grafi Ui Pembelaaran Ui Pengenalan Tahap terahir dari perangat luna ini adalah tahap pengenalan. Setelah dilauan langah-langah sebelumnya yaitu grayscale, detesi tepi, threshold, serta estrasi ciri dengan secara berurutan dan teratur, emudian dilauan tahap pengenalan yang merupaan implementasi dari aringan syaraf tiruan. Hasil dari pengenalan dieluaran dalam bentu suara melalui soundcard pada PC. Suara yang dieluaran aan mengea huruf demi huruf yang dienali. Jumlah pola yang aan dienali berumlah 27 pola yaitu mulai a sampai z termasu spasi. Selain output suara yang dieluaran melalui soundcard, uga terdapat tampilan pada layar seperti pada gambar Analisa Jia dilihat dari pola-polanya, huruf Braille berbeda dengan bentu abad biasa. Satu arater huruf Braille berbentu seperti ode-ode tertentu yaitu berupa bulatan-bulatan ecil sebanya 3x2, serta dibuat secara timbul agar arater tersebut dapat dienali oleh tunanetra Setelah melauan beberapa penguian pengenalan pola huruf Braille sebanya 10 ali dengan menggunaan 2 buah gambar hasil pengambilan dengan menggunaan scanner, didapatan hasil pengenalan seperti ditunuan pada tabel 1 dan dan tabel 2. Dari percobaan yang dilauan sebanya 10 ali dengan gambar yang sama, hasilnya sama seperti pada pertama ali percobaan pengenalan dilauan. Artinya aringan tetap dapat mengenali sesuai dengan apa yang telah aringan pelaari pada saat pembelaaran Tabel 1 Hasil Pengenalan BRAI1_100%.BMP Tabel 2 Hasil Pengenalan BRAI2_100%.BMP No No Penguian e- Penguian e- Jumlah Karater Jumlah Karater Tida Tida Prosentase Pengenalan ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% Prosentase Pengenalan ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% Gambar 19 Hasil Pengenalan Dengan Jaringan Syaraf Tiruan File Gambar BRAI1_100%.bmp

8 8 Tabel 3 Total Hasil Pengenalan BRAI1_100%.BMP Penguian Gambar Jumlah Karater Tida Prosentase Pengenalan ,54% % Total ,28% Pada tabel 3 total arater yang dapat dienali adalah 99,28 %. Masih adanya esalahan dalam pengenalan pola dapat teradi arena pemisahan arater yang urang aurat. Hal lain uga dapat disebaban ertas yang dipaai untu penulisan huruf braille tersebut dalam eadaan usut (lungset) atau ertas dalam eadaan otor. Keadaan tersebut aan menadian proses estrasi ciri dapat menghasilan data yang berbeda dengan gambar. Hasil ahir pengenalan huruf Braille dengan menggunaan aringan syaraf tiruan ini berupa suara yang mengea huruf demi huruf. Pereaman suara dilauan dengan memanfaatan fasilitas Microsoft Sound Recorder. Suara hasil reaman memilii format (*.wav) yang disimpan dalam file c:\voice sebanya 26 huruf yaitu huruf A-Z. Pemanggilan prosedur atau fungsi untu menalanan suara sesuai dengan output hasil identifiasi perhurufnya telah disediaan oleh Delphi yaitu SndPlaySound pada unit MMSystem. V. KESIMPULAN 5.1. Kesimpulan 1. Dari hasil penguian 2 buah gambar dengan menggunaan scanner yang dilauan percobaan masing-masing gambar sebanya 10 ali, didapatan bahwa unu era dari perangat luna ini dapat memberian rata-rata hasil pengenalan sebesar 99,28%. 2. Pemilihan nilai parameter learning rate dapat mempengaruhi dalam lamanya proses pembelaaran. Semain tinggi learning rate semain cepat pula proses iterasi berlangsung dan begitu uga sebalinya. Dengan learning rate sebesar 0,7 yang ami paai dalam percobaan, iterasi yang berlangsung sebanya 626 ali pembelaaran 3. Kesalahan pengenalan disebaban pemisahan arater yang urang aurat dan uga ualitas ertas yang digunaan untu penulisan huruf braille tersebut urang bai sehingga output aringan lebih mirip dengan target lain yang diharapan 4. Hasil pengenalan aan dieluaran melalui soundcard dalam bentu suara per huruf sehingga dapat membantu tunanetra dalam membaca huruf braille tanpa meraba dengan tangan Saran Beriut adalah saran-saran yang beraitan dengan penelitian yang telah dilauan. 1. Perangat luna dapat diembangan lebih lanut untu menghasilan suara yang mengea hasil pengenalan per ata. 2. Perembangan selanutnya diharapan menggunaan video camera secara online. 3. Agar pendetesian arater lebih aurat, pembagian gambar atau arater menadi baris dan olomumlahnya lebih banya lagi. DAFTAR PUSTAKA [1] Ir. Son Kuswadi, Dr. Mohammad Nuh, DEA, Ir. Anang Tahono, Riyanto Sigit, ST, Eletronia Terapan, Ditat Mata Kuliah, PENS-ITS, Surabaya, [2] Freeman, JA, Davis Shapura, Neural Networ: Algorithm, Application and Tecnique Programming, Addison Wesley Publishing Company, Massachussets, 1991 [3] Purnomo, Mauridhi Hery, Pengantar Jaringan Syaraf Tiruan (Neural Networs), Ditat Pelatihan Neural Networ, Surabaya, 1999 [4] Fausett, Laurence, Fundamentals of Neural Networ Architecture, Algorithms, and Application, Prentice Hall International Inc., Englewood Cliffts N.J, 1994 [5] Adeli H, S. Hung, Machine Learning, Neural Networ, Genetic Algorithm, and Fuzzy Systems, John Willey & Sons Inc., Singapore, 1994 [6] Agustinus Nalwan, Pengolahan Gambar Secara Digital, Elex Media Komputindo, Jaarta, 1995 [7] Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, Singapore, 1993 [8] Tuesday T.A.S. Rondonuwu, Kontrol Kualitas Keragaman Warna Produ Industri Dengan Metode Neural Networ (Algoritma Bacpropagation), Tugas Ahir Program D IV Teni Eletronia Instrumentasi Jurusan Eletro ITB, Surabaya, 2000.

9 9 Semarang,...Maret 2006 Menyetuui dan Mengesahan Praditya Firmansyah [L2F303467] Lahir di Pameasan, 14 Juli 1980 Mahasiswa Teni Eletro Estensi 2003, Bidang Konsentrasi Eletronia dan Teleomuniasi, Universitas Diponegoro Semarang DLT_PDF@yahoo.com Pembimbing I, Pembimbing II, Wahyul AS ST, MT. NIP Iwan Setiawan ST, MT. NIP