Pengenalan Pola Angka Tulisan Tangan Pada Cek Menggunakan Neocognitron

Rika Rosnelly

Sari


Pola angka tulisan tangan pada cek merupakan hal yang sangat beragam bentuk, dimana tulisan tangan manusia tidak sama antara satu dengan lainnya sehingga apabila tulisan seseorang belum bisa dikenali oleh beberapa orang merupakan suatu masalah, baik itu untuk aktivitas transaksi maupun aktivitas lainnya. Sementara untuk tulisan tangan merupakan hal yang sangat diutamakan dalam segala bidang. Teknik-teknik pengenalan  pola yang dapat dipakai  meliputi  teknik-teknik  yang berdasarkan  statistik, pendekatan  sistem pakar dan  algoritma  jaringan saraf tiruan. Neocognitron dirancang untuk mengenali karakter tulisan tangan seperti angka arab, huruf jepang, jawa dan sebagainya. Algoritma neocognitron pada jaringan saraf tiruan dapat menghasilkan  pengenalan  pola dengan pembelajaran yang  lebih sederhana dan waktu pembelajaran yang lebih singkat. Hasil menunjukkan pola angka tulisan tangan dapat dikenali dengan baik.

Kata Kunci


tulisan tangan; jaringan saraf tiruan; neocognitron

Teks Lengkap:

PDF

Referensi


Kunihiko Fukushima and Nobuaki Wake, 1991, Handwritten Alpanumeric Character Recognition by The Neocognitron, IEEE Transaction on Neural Networks, Vol 2 No. 3.

Laurene Fausett, Fundamentals of Neural Networks, Prentice Hall, 1994

Asriani, F. dan Nugraha A.W.W., 2009, Pengenalan Pola Aksara Jawa Tulisan Tangan dengan Jaringan Syaraf Tiruan Perambatan Balik, Dinamika Rekayasa, Vol. 5 No. 2.

Setiawan, A., Atmaja, R.D., Aulia, S., 2017, Analisis dan Perancangan Pengenalan Pola Huruf Jepang Menggunakan Metode Self Organizing Map, e-Proceeding of Engineering, Vol. 4, No.1, ISSN : 2355-9365

Fukushima, K. 1975, “ Cognitron : A Self-Organizing Multi Layered Neural Network”, Biological Cybernetics, 20(3/4): 121-136

Fukushima, K. 1988, “ Neocognitron : A Hierarchical Neural Network Model Capable of Visual Pattern Recognition”, Neural Networks, 1(2) : 119-130

Fukushima, K., S., Miyake & T. Ito, 1983, “Neocognitron : A Neural Network Model for a Mechanism of Visual Pattern Recognition”, IEEE Transactions on Systems, Man and Cybernetics, 13:826-834. Reprinted in Anderson & Reosenfeld [1988], pp. 526-534.

Manfaat, D., Prof., 2013, “Case-Based Design”, Gramedia.

Rasheed, N.A., 2011, Neural Network Based Segmentation Algorithm For Arabic Characters Recognition”, Journal of Babylon University/Pure and Applied Sciences, No. 3, Vol. 19.

Siang, J.,J., 2009, Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab, Andi Offset, Yogyakarta

Kusumadewi, S., 2003, Artificial Intelligence (Teori dan Aplikasinya), Graha Ilmu, Yogyakarta

Mekongga, I., Gernowo, R., Sugiharto, A., 2012, The Prediction of Bandwith on Need Computer Network Through Artificial Neural Network Method of Backpropagation, Jurnal Sistem Informasi Bisnis.




DOI: http://dx.doi.org/10.22303/csrid.10.1.2018.58-67

Refbacks

  • Saat ini tidak ada refbacks.

Komentar di artikel ini

Lihat semua komentar


##submission.copyrightStatement##

##submission.license.cc.by4.footer##

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License. 

Kantor Redaksi CSRID. Gedung LPPM Lt2, Kampus Universitas Potensi Utama. Jl. K.L. Yos Sudarso Km 6,5 No.3-A Telp. (061) 6640525 Ext. 214 Tanjung Mulia Medan 20241