PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE

MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)

AINUN JARIAHAINUN JARIAH

120 920 1721

DOSEN PEMBIMBING

1. Prof. Dr. Mohammad Isa Irawan, M.T

2. Dr Imam Mukhlas, S.Si, M.T

ABSTRAK

Jaringan syaraf tiruan Radial Basis Function (RBF) dikenal

sebagai salah satu bentuk dari jaringan syaraf Multilayer

Feedforward yang handal dalam memecahkan masalah aproksimasi

dan klasifikasi pola. Dalam penelitian ini, JST RBF digunakan untuk

melakukan klasifikasi pola tanda tangan. Metode momen invarian

digunakan untuk mengekstrak setiap citra tanda tangan menjadi

suatu vektor ciri yang terdiri atas 7 nilai momen yang selanjutnya

digunakan sebagai vektor input dalam jaringan RBF.digunakan sebagai vektor input dalam jaringan RBF.

Citra tanda tangan yang digunakan dalam penelitian ini

sebanyak 150 citra tanda tangan yang berasal dari 10 responden

berbeda. Rasio antara data training dan testing adalah 5:1. Hasil

pengujian menunjukkan bahwa sistem yang dibangun mampu

mengenal sekitar 80% tanda tangan yang diujikan dengan waktu

training selama 0,156 detik.

Kata kunci:Jaringan syaraf tiruan, RBF, momen invarian, tanda

tangan.

Pengenalan Pola(Pattern Recognition)

Pengenalan Pola

Tanda tangan(Signature Recognition)

Radial Basis

Function (RBF)

Berbasis

Jaringan Syaraf

Tiruan (JST)

Ekstraksi Fitur

(Feature Extraction)

Momen Invarian

TOPIK PENELITIAN

LATAR BELAKANGBAB 1

Izin penarikan

uang di bank HASIL PENGENALAN

POLA TANDA TANGAN

1. Bagaimana proses pengenalan pola tanda tangan menggunakan

jaringan syaraf RBFNN?

2. Bagaimana tingkat akurasi pengenalan pola tanda tangan

RUMUSAN MASALAH

2. Bagaimana tingkat akurasi pengenalan pola tanda tangan

menggunakan jaringan syaraf RBFNN?

1. Ekstraksi fitur menggunakan metode momen

invarian

2. Citra tanda tangan diperoleh melalui hasil scanning

format file *.TIF berskala abu-abu (grayscale) 8-bit

berdimensi (500 x 400) piksel.

BATASAN MASALAH

berdimensi (500 x 400) piksel.

3. Sampel tanda tangan diambil langsung dari

mahasiswa/mahasiswi dalam lingkungan ITS

Surabaya.

Tujuan

1. Untuk mengetahui proses pengenalan pola tanda tangan

menggunakan jaringan syaraf RBFNN.

2. Untuk mengetahui tingkat akurasi pengenalan pola tanda

tangan menggunakan jaringan syaraf RBFNN.

TUJUAN DAN MANFAAT

Manfaat

Manfaat yang diharapkan dalam penelitian ini, yaitu

sebagai bahan referensi tentang pengenalan pola tanda tangan

berbasis jaringan syaraf tiruan khususnya RBF, sehingga dapat

memperluas pemakaian JST RBF dalam pengenalan pola berupa

tanda tangan.

KAJIAN PUSTAKA

Djunaidy

• Tanda tangan adalah hasil proses menulis seseorang yang bersifat khusus sebagai substansi simbolik. Tanda tanganmerupakan bentuk yang paling banyak digunakan untukidentifikasi seseorang

PENGERTIAN PENGENALAN TANDA TANGAN

Abbas

• Tanda tangan seseorang sering berubah-ubah setiap waktu. Perubahan ini menyangkut posisi, ukuran maupun faktortekanan tanda tangan. Pada kenyataannya, perubahan-perubahan tersebut dipengaruhi oleh waktu, umur, kebiasaan dan keadaan mental tertentu

• Pengenalan pola adalah disiplin ilmu yang bertujuan untuk mengklasifikasikan obyekmenjadi beberapa kategori atau kelas. Polaadalah entitas yang terdefinisi dan dapatdiidentifikasi melalui ciri-cirinya (features).

Putra Darma

KAJIAN PUSTAKA

diidentifikasi melalui ciri-cirinya (features).

Justino(2001)

• Model Hidden Markov

Bansal (2009)

• Menggunakan metode pencocokan daerahkritis (Critical Region)

KAJIAN PUSTAKA PENELITIAN-PENELITIAN YANG RELEVAN

Bansal (2009)

Slamet Boediono(2009)

• Metode momen invarian untuk ektraksi fituruntuk dijadikan input dalam jaringan syaraftiruan Kohonen SOM untuk pengenalan wajah.

MOMEN INVARIAN

1. order nol (m00)

2. order 1 atau central momen (m01 dan m10)

Informasi yang diambil dari momen yaitu :

2. order 1 atau central momen (m01 dan m10)

3. order ≥ 2 atau momen invarian

Untuk fungsi kontinu 2D, momen order (p +q )

∫∞−∞ ∫

∞−∞= dxdyyxf

qypxpqm ),(

Untuk p,q = 0,1,2,…

secara diskrit ditulis :

LANJUTAN………….

∑∑=x y

qp

pq yxfyxm ),(

Momen order nol

∑∑=x y

yxfm ),(00

Momen order 1 menyatakan center of gravity dari suatu

obyek dengan melibatkan momen order 0, dinyatakan:

),( yx

00

10

),(

),(.

m

m

yxf

yxfx

x

x y

x y ==∑∑

∑∑

00

01

),(

),(.

m

m

yxf

yxfy

y

x y

x y ==∑∑

∑∑

Momen yang dihitung dengan mempertimbangkan center of

gravity hasilnya disebut momen pusat

LANJUTAN………….

gravity hasilnya disebut momen pusat

( ) ( ) ( )∑∑ −−=x y

qp

pq yxfyyxx ,µ

Normalisasi momen pusat dinyatakan

γµ

µη

00

pq

pq = dimana 12

++

=qp

γ

Dari hasil normalisasi diperoleh 7 parameter invarian momen (Gonzales).

JARINGAN SYARAF TIRUAN

1. Pola hubungan antar neuron disebut arsitektur jaringan.

2. Metode untuk menentukan bobot penghubung disebut

Suatu sistem pemproses informasi yang memiliki karekteristik

kinerja tertentu yang mirip dengan jaringan biologi.

metode training/learning.

3. Fungsi aktivasi, digunakan untuk menentukan keluaran suatu

neuron.

JARINGAN SYARAF FUNGSI RADIAL BASIS

Merupakan bagian dari jaringan umpan balik lapis

banyak (Multilayered Feedforward Neural Network) terdiri :

• input layer

• hidden layer

• output layer1x

1ϕ1y

∑

Hidden layer Output layer

2x

M1jx

M

2ϕ

2jϕ

M

∑

∑

2y

3jy

Input layer

Bentuk umum dari RBFNN

∑=

==n

i

ii rwxfy1

)()( ϕ

iwi -keneuron padaBobot =

i-keneuron pada radial basis fungsi )( =rϕ i-keneuron pada radial basis fungsi )( =riϕ

output =y

−−=

2

2

exp )(i

icxr

σϕ

Fungsi Gaussian