ANALISIS JARINGAN SYARAF TIRUAN PENGENALAN POLA HURUF DENGAN

METODE JARINGAN HEBB

ABSTRAK
Jaringan hebb merupakan metode pelatihan jaringan saraf yang pertama kali ada dan yang
paling sederhana dan merupakan salah satu metode pengenalan yang sering digunakan pada
sistem jaringan syaraf tiruan. Jaringan Hebb biasanya digunakan untuk mengklasifikasikan
pola tertentu seperti pengenalan pola huruf. Proses jaringan Hebb itu sendiri terdiri dari
proses inisialisasi, melakukan perubahan bobot untuk mendapatkan nilai bobot baru. Dalam
paper ini akan di bahas tentang analisis pengenalan pola sederhana dengan menggunakan
jaringan syaraf tiruan yaitu metode hebbian. Dengan menggunakan bias 1 dengan nilai bobot
awal 0, pola I dan A di inisialisasi dengan karakter x bernilai 1 dan karakter O bernilai -1 dan
fungsi aktivasi yang digunakan adalah sign function dengan output bipolar, I target 1 dan A
target -1.

Pendahuluan

Pengenalan pola (pattern recognition) merupakan salah satu masalah lazim yang
banyak menyita perhatian, baik pengenalan pola wajah, sidik jari, tulisan tangan, huruf,
maupun pola karakter hasil cetakan.
Tahapan dalam pengenalan pola terdiri dari prapengolahan, ekstraksi ciri, dan
klasifikasi. Dalam artikel ini akan di bahas tentang analisis pengenalan pola
sederhana dengan menggunakan jaringan syaraf tiruan yaitu metode hebbian.
Jaringan syaraf tiruan (Artifial Neural Network) merupakan salah satu
sistem pemrosesan informasi yang di desain dengan menirukan cara kerja
otak manusia dalam menyelesaikan suatu masalah dengan melakukan
proses belajar melalui perubahan bobot sinapsisnya. Jaringan saraf tiruan
mampu melakukan pengenalan kegiatan berbasis data masa lalu. Data
masa lalu akan di pelajari oleh jaringan syaraf tiruan sehingga mempunyai
kemampuan untuk memberikan keputusan terhadap data yang belum
pernah dipelajari

Hasil dan pembahasan

Pada penelitian ini menggunakan dua pola huruf yaitu I dan A dengan menggunakan inputan
sebanyak 9 titik dari setiap patern. Pola dapat dilihat pada gambar dibawah:
 Pola 1 = Huruf I Pola 2 = Huruf A
# # # O # O
O # O O # O
# # # # O #

Selanjutnya diubah kedalam representasi nilai bipolar, X = 1 dan O = -1. Dapat dilihat pada
gambar dibawah :

| | | |
X1 X2 X3
| |
¿ ¿ ¿ 1 1 1
O ¿ O  X4 X5 X 6  −1 1 −1
¿ ¿ ¿ X7 X8 X 9 1 1 1

Representasi pola 2 dalam bipolar

| | | | | |
O ¿ O X1 X2 X3 −1 1 −1
O ¿ O  X4 X5 X 6  −1 1 −1
¿ O ¿ X7 X8 X 9 1 −1 1

Kemudian lakukan tahap training (pelatihan)

 Inisialisasi untuk pola 1 yaitu untuk huruf I
w 1, w 2, w 3, w 4 , w 5, w 6, w 7, w 8, w 9, b = 0

 Kemudian Update weight pada pola 1 dengan rumus : w baru=wlama +( x i∗y i )

w 1 baru=0+ ( 1 x (−1))=−1
w 2 baru=0+ ¿

w 3 baru=0+ ( 1 x (−1))=−1

w 4 baru =0+ (−1 x (−1) )=1

w 5 baru=0+ ( 1 x (−1))=−1

w 6 baru=0+ (−1 x(−1) ) =1

w 7 baru=0+ ( 1 x (−1))=−1

w 8 baru=0+ ( 1 x (−1))=−1

w 9 baru=0+ ( 1 x (−1))=−1

 Selanjutnya update bias : b baru=b lama + y

b baru=0+ (−1 )=−1
Setelah dilakukan tahap training pada pola 1, selanjutnya dilakukan pola testing untuk
pola 2 yaitu untuk huruf A

| | | | | |
O ¿ O X1 X2 X3 −1 1 −1
O ¿ O  X4 X5 X 6  −1 1 −1
¿ O ¿ X7 X8 X 9 1 −1 1

 Lakukan Inisialisasi pola 2

w 1=−1, w 2=−1, w 3=−1, w 4=1, w 5=−1, w 6=1, w 7=−1, w 8=−1, w 9=−1

b = -1

 Kemudian update weight dengan rumus: w baru=wlama +(x ¿ ¿ i∗y i) ¿

Berikut tahap update weight untuk pola 2 :
w 1 baru=−1+ (−1 x 1 ) =−2

w 2 baru=−1+ ( 1 x 1 )=0

w 3 baru=−1+ (−1 x 1 ) =−2

w 4 baru =1+ (−1 x 1 )=0

w 5 baru=−1+ ( (1 ) x 1 ) =0

w 6 baru=1+ (−1 x 1 ) =0

w 7 baru=−1+ (1 x 1 ) =0

w 8 baru=−1+ (−1 x 1 )=−2

w 9 baru=−1+ (1 x 1 ) =0

 Setelah itu lakukan update bias baru untuk pola 2 : b baru=b lama + y
b baru=−1+1=0

Tahap kedua dengan metode jaringan Heb yaitu tahap Testing, gunakan bobot pada
masing-masing pola untuk dilakukan testing atau pengujian seperti dibawah ini :
Bobot yang digunakan untuk testing (pengujian)
w 1=−2, w 2=0 , w 3=−2, w 4=0, w 5=0 , w 6=0 , w 7=0 , w 8=−2 , w 9=0

b=0
 Melakukan uji untuk pola 1 :
 net=∑ wi xi +b

net = {(−2 x 1 )+ ( 0 x 1 ) + (−2 x 1 ) + ( 0 x (−1 ) ) + ( 0 x 1 )+ ( 0 x 1 ) + ( 0 x 1 ) + (−2 x 1 ) +( 0 x 1) }+0

net=−6
−6< 0 , F 12=−1  sesuai nilai target pola 1  mengenali pola huruf I

 Melakukan uji pola 2

net=∑ wi xi +b

net= {(−2 x (−1) ) + ( 0 x 1 ) + ( −2 x (−1) ) + ( 0 x (−1 ) ) + ( 0 x 1 )+ ( 0 x−1 )+ ( 0 x 1 ) + (−2 x(−1) ) +(0 x 1) }+2

net=6
6 ≥ 0 , F 12=1  sesuai nilai target pola 2  mengenali pola huruf A

Setelah tahap testing dilakukan, selanjutnya dilakukan pengujian terhadap sebuah input pola
uji berikut

Pola uji 1 = I
O # O
O # O
O # O

| | | | | |
O ¿ O X1 X2 X3 −1 1 −1
O ¿ O  X4 X5 X 6  −1 1 −1
O ¿ O X7 X8 X 9 −1 1 −1

net=∑ wi xi +b

net= {(−2 x (−1) ) + ( 0 x 1 ) + ( −2 x (−1) ) + ( 0 x (−1 ) ) + ( 0 x 1 )+ ( 0 x−1 )+ ( 0 x−1 )+ (−2 x 1 )+(0 x (−1)) }+ 0

net =2
2 ≥0 , F 12=−1  diklasifikasikan dalam kategori pola 1  tidak mengenali pola huruf I

Pola Uji = A
O # O
O # O
# # #
 | | | | | |
O ¿ O X1 X2 X3 −1 1 −1
O ¿ O  X4 X5 X 6  −1 1 −1
¿ ¿ ¿ X7 X8 X 9 1 1 1

net=∑ wi xi +b

net= {(−2 x (−1) ) + ( 0 x 1 ) + ( −2 x (−1) ) + ( 0 x (−1 ) ) + ( 0 x 1 )+ ( 0 x−1 )+ ( 0 x 1 ) + (−2 x 1 ) +( 0 x 1) }+ 0

net =2
2 ≥0 , F 12=1  diklasifikasikan dalam kategori pola 2  mengenali pola huruf A

1. Vektor input [0.5, 2.0] dan output menggunakan fungsi aktivasi threshold dan sigmoid :
Penyelesaian :
a. net = x 0 w0+ x 1 w1+ x 2 w 2
= 1(0.5)+(0.5)(1.5)+(2.0)(-1.0)= -0.75
 threshold function, maka f(x) = 0

b. sigmoid function, maka

1 1
fx= −net = −(−0.75) = 0.32082 0,32
1+exp 1+ exp