Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy Purnama³ ¹Teknik Informatika,, Universitas Telkom Abstrak Komunikasi adalah suatu kegiatan yang dilakukan oleh manusia untuk berinteraksi dengan manusia lain. Dalam berkomunikasi banyak jenis media yang dipakai, diantaranya menggunakan media suara, gambar atau tulisan. Namun tidak selamanya media-media tersebut digunakan untuk melakukan hal yang positif. Terkadang seseorang juga memanfaatkan media tersebut untuk melakukan kejahatan. Salah satunya adalah menggunakan media tulisan tangan. Pengidentifikasian tulisan tangan secara manual membutuhkan waktu yang lebih lama dan rentan terhadap kelelahan jika database tulisan tangan terlalu banyak. Oleh karena itu sistem komputerisasi diharapkan bisa membantu dalam mengidentifikasi tulisan tangan. Pada Tugas Akhir ini akan membuat sistem identifikasi pembuat tulisan tangan dengan menggunakan transformasi wavelet diskrit dengan jenis haar wavelet dan algoritma propagasi balik levenberg marquardt. Sistem identifikasi pembuat tulisan tangan diadopsi dari sistem identifikasi tanda tangan yang sudah ada. Haar wavelet digunakan sebagai preprocessing dari sistem ini dan algoritma propagasi balik levenberg marquardt digunakan sebagai klasifikasi data. Hasil yang didapat dari pengujian yang dilakukan, pengidentifikasian pembuat tulisan tangan dapat diimplementasikan dengan menggunakan metode haar wavelet dan algoritma propagasi balik levenberg marquardt dengan akurasi yang didapat adalah 86,67%. Kata Kunci : handwriter identification, haar wavelet, descrete wavelet transform, artificial neural network, levenberg marquardt backpropagation Abstract Communication is an activity by humans to interact with the others. There are many types of communication media, including sounds, images or handwritings. These media can be used to positive or negative things. One of them is using handwriting media. Identifying handwriter manually takes more times and make people tired if the database handwriting are too much. Therefore, a computerized system expected can assist in handwriter identification. In this final task will build handwriter identification system using discrete wavelet transform with haar wavelet type and Levenberg Marquardt Backpropagation algorithm. Handwriter identification system adopted from signature identification system that already exists. Haar wavelet is used as preprocessing of system and Levenberg Marquardt Backpropagation algorithm is used as data classification. The results of testing system, handwriter identification can be implemented using haar wavelet method and Levenberg Marquardt Backpropagation algorithm with the accuracy 86.67%. Keywords : handwriter identification, haar wavelet, descrete wavelet transform, artificial neural network, levenberg marquardt backpropagation
1. Pendahuluan 1.1 Latar Belakang Masalah Komunikasi adalah suatu kegiatan yang dilakukan oleh manusia untuk berinteraksi dengan manusia lain. Dalam berkomunikasi banyak jenis media yang dipakai, diantaranya menggunakan media suara, gambar atau tulisan. Namun tidak selamanya media-media tersebut digunakan untuk melakukan hal yang positif. Terkadang seseorang juga memanfaatkan media tersebut untuk melakukan kejahatan. Salah satunya adalah menggunakan media tulisan tangan. Pada ilmu forensik, identifikasi pembuat tulisan tangan berdasarkan pada tulisan tangan diperlukan untuk mengetahui pelaku pembuat tulisan tangan tersebut. Hal ini dilakukan untuk mengetahui apakah suatu dokumen tersebut sah atau tidak yang nantinya akan digunakan sebagai bukti di pengadilan. Identifikasi secara manual yang dilakukan oleh orang yang ahli (graphologist) memang efektif, tetapi membutuhkan waktu yang lama. Jika database tulisan tangan terlalu besar, selain membutuhkan waktu yang lama, bisa juga rentan terhadap kelelahan yang dialami oleh manusia. Oleh karena itu sistem komputerisasi diharapkan bisa membantu seorang graphologist untuk mengidentifikasi pembuat tulisan tangan agar waktu yang dibutuhkan relatif lebih cepat. Pada bidang biometrik dinyatakan bahwa setiap orang memiliki ciri khas masing-masing dalam tulisan tangannya. Dari ciri inilah dasar yang digunakan untuk mengidentifikasi pembuat tulisan tangan ini. Untuk dapat mengenali ciri dari suatu tulisan tangan, dibutuhkan metode yang dapat mengesktraksi ciri dari sebuah tulisan tangan. Transformasi wavelet diskrit adalah salah satu metode yang dapat melakukan ekstraksi ciri dari suatu gambar. Salah satu jenis dari transformasi wavelet diskrit adalah haar wavelet. Keluaran dari haar wavelet ini yang akan dijadikan masukkan untuk sistem klasifikasi. Sistem klasifikasi yang digunakan adalah algoritma propagasi balik levenberg marquardt. Pada algoritma ini akan dilakukan pelatihan terhadap data 1
tulisan tangan yang sudah ada dan pengujian dengan data tulisan tangan yang akan diuji. 1.2 Perumusan Masalah - Bagaimana proses identifikasi pembuat tulisan tangan menggunakan metode haar wavelet dan algoritma propagasi balik levenberg marquardt dari tulisan tangan yang diinputkan. - Bagaimana melakukan pelatihan tulisan tangan dan melakukan pengujian tulisan tangan. - Bagaimana mengukur tingkat akurasi keberhasilan dari data yang diuji. 1.3 Batasan Masalah Batasan masalah pada tugas akhir ini adalah sebagai berikut : - Tulisan tangan yang akan di identifikasi harus berupa tulisan tangan yang dikumpulkan dan telah di-scan. - Proses pengidentifikasian menggunakan satu kata. - Implementasi program menggunakan matlab. - Gambar yang digunakan berukuran 800x100 pixel. - Sistem identifikasi pembuat tulisan tangan dilakukan secara offline, sehingga database dan gambar pengujian dilakukan di storage yang sama. - Jenis file gambar yang digunakan adalah jpg. - Tulisan yang digunakan menggunakan huruf non kapital dan tidak bersambung. - Latar tulisan menggunakan warna putih. - Tulisan menggunakan pulpen berwarna hitam. - Proses ekstraksi ciri dengan transformasi wavelet diskrit menggunakan library yang terdapat pada matlab. 2
1.4 Tujuan - Mengimplementasikan metode haar wavelet dan algoritma propagasi balik levenberg marquardt untuk identifikasi pembuat tulisan tangan. - Mengukur tingkat akurasi keberhasilan identifikasi pembuat tulisan tangan menggunakan metode haar wavelet dan algoritma propagasi balik levenberg marquardt. - Menganalisa parameter pada haar wavelet dan algoritma propagasi balik levenberg marquardt yang dapat mempengaruhi akurasi dan performansi. 1.5 Metodologi Penyelesaian Masalah - Studi Literatur Tahap awal dalam penyelesaian masalah ini adalah mencari data dengan membaca dan mempelajari dari buku dan sumber lainnya yang berhubungan dengan masalah ini, yaitu konsep identifikasi pembuat tulisan tangan dan teori tentang transformasi wavelet diskrit dan algoritma propagasi balik levenberg marquardt, agar mendapatkan gambaran yang jelas tentang masalah yang akan dibahas. - Pengumpulan Data Pada tahap ini dilakukan pengumpulan data berupa contoh tulisan tangan untuk database sebanyak 5 orang. Setiap orang memiliki 10 buah kata, dimana setiap kata diulang sebanyak 19 kali. Semua data tulisan tersebut ditulis di kertas A4 berlatang belakang warna putih dan di-scan sehingga berbentuk file gambar (jpg). - Perancangan Sistem Pada tahap ini merancang metode haar wavelet dan arsitektur jaringan algoritma propagasi balik levenberg marquardt untuk mengidentifikasi pembuat tulisan tangan. - Implementasi Pada tahap ini mengimplementasikan rancangan yang telah dibuat sebelumnya dengan menggunakan aplikasi matlab. 3
- Pengujian Pada tahap ini dilakukan pengujian sistem yang telah dibuat. Pengujian ini dilakukan menggunakan data pengujian. Kemudian menghitung nilai akurasi kebenaran sistem dalam mengidentifikasi tulisan tangan. - Analisa hasil Pada tahap ini menganalisa data dari hasil yang telah diuji, yaitu menganalisa parameter yang mempengaruhi akurasi dan performansi sistem. - Kesimpulan Pada tahap akhir ini menyimpulkan hasil dari analisis dan dimasukkan kedalam laporan hasil penelitian. 1.6 Sistematika Penulisan Tugas akhir ini disusun dengan sistematika penulisan sebagai berikut : 1 Pendahuluan Bab ini menjelaskan tentang tugas akhir ini secara umum, meliputi latar belakang masalah, perumusan masalah, batasan masalah, tujuan, metodologi penyelesaian masalah, dan sistematika penulisan. 2 Landasan Teori Bab ini menjelaskan tentang dasar teori yang berhubungan dengan pembuatan tugas akhir ini, yaitu meliputi sistem identifikasi, citra digital, transformasi wavelet diskrit pada citra, jaringan syaraf tiruan dan algoritma propagasi balik levenberg marquardt. 3 Analisis dan Perancangan Perangkat Lunak Bab ini menjelaskan tentang analisis sistem, yaitu kebutuhan dan masalah yang ada di dalam sistem ini. Kemudian merancang sistem tersebut secara terstruktur. 4
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 4 Implementasi dan Analisis Hasil Pengujian Bab ini menjelaskan tentang implementasi sistem yang telah dirancang. Kemudian dilakukan pengujian terhadap perangkat lunak dengan cara membandingkan hasil yang didapat dari perangkat lunak tersebut dengan data yang sebenarnya. Kemudian menganalisis parameter pada metode haar wavelet dan propagasi balik levenberg marquardt yang mempengaruhi akurasi dan performansi sistem. 5 Kesimpulan dan Saran Berisi kesimpulan dan saran yang diajukan penulis dari tugas akhir ini. 5
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 5. Kesimpulan dan Saran 5.1 Kesimpulan Kesimpulan yang dapat diambil dari tugas akhir ini adalah : 1. Metode Haar Wavelet dan Algoritma Propagasi Balik Levenberg Marquardt dapat diimplementasikan untuk mengindentifikasi pembuat tulisan tangan. 2. Akurasi terbaik yang didapat adalah 86,67% dengan menggunakan 3 hidden layer dan 20 neuron pada tiap hidden layer. 3. Akurasi sistem dipengaruhi oleh banyaknya level dekomposisi pada transformasi wavelet diskrit, jumlah neuron pada hidden layer, jumlah hidden layer, nilai error yang diinginkan dan jumlah data latih. 4. Jika dilakukan penambahan jumlah individu yang akan dikenali, maka harus dilakukan pengaturan ulang pada jumlah hidden layer dan jumlah neuron pada hidden layer agar dicari yang optimal. 5.2 Saran Saran yang penulis berikan untuk tugas akhir ini adalah : 1. Untuk memaksimalkan hasil pada pengenalan dengan jumlah individu yang banyak, sebaiknya menggunakan tambahan preprocessing untuk segmentasi tiap huruf. Selain itu juga dapat dilakukan dengan cara membedakan kelas tiap kata. 2. Pada pelatihan dengan jumlah individu yang besar dan proses yang lebih lama, sebaiknya menggunakan algoritma propagasi balik levenberg marquardt yang sudah dioptimasi, agar memori yang digunakan tidak terlalu besar. 39
Daftar Pustaka [1] Hagan, Martin T., Menhaj, Mohammad B. 1994. Training Feedforward Networks with the Marquardt Algorithm. IEEE Transaction on Neural Networks vol.5 no.6 [2] Hakam, Sayful. 2007. Pengenalan Pola Sidik Jari Berbasis Transformasi Wavelet dan Jaringan Syaraf Tiruan Propagasi Balik. Bandung : Institut Teknologi Telkom [3] Harimi, Meika Puji. 2007. Pengenalan Pola Wajah Manusia Menggunakan Transformasi Wavelet dan LDA (Linear Discriminant Analysis). Bandung: Institut Teknologi Telkom [4] Hidayatno, Achmad., Isnanto, R. Rizal., Buana, Dian Kurnia Widya., 2008. Identifikasi Tanda-Tangan Menggunakan Jaringan Saraf Tiruan Perambatan-Balik (Backpropagation). Jurnal Teknologi Volume 1 No. 2. [5] Hristev, R.M.1998. The Ann Book. hal 161-165 [6] Kaplan, Ian. Applying the Haar Wavelet to Time Series Information. Available from URL : http://www.bearcave.com/misl/misl_tech/wavelets/haar.html (diakses pada 28 Mei 2011) [7] Putra, Indra Dwi. 2009. Identifikasi Tanda Tangan Menggunakan Probabilistic Neural Networks (PNN) Dengan Praproses Menggunakan Transformasi Wavelet. Bogor : Institut Pertanian Bogor [8] Samsuryadi, 2009. Pengidentifikasian Pembuat Tulisan Tangan Dengan Pengenalan Pola Biomimetik. Palembang: Universitas Sriwijaya. [9] Sanberg, Kristian. The Haar Wavelet Transform. Department of Applied Mathematics, University of Colorado:Boulder. Availabe from URL : http://amath.colorado.edu/courses/5720/2000spr/labs/haar/haar.html (akses pada 24 April 2011) [10] Siang, Jong Jek.2009. Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab. Yogyakarta : Andi [11] Suyanto.2007. Artificial Itelligence Searching, Reasoning, Planning and Learning. Bandung : Informatika. hal 163-204 40
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 [12] Suyanto.2008. Soft Computing Membangun Mesin Ber-IQ Tinggi. Bandung : Informatika. hal 93-104 41