Pengenalan Huruf dan Angka pada Citra Digital Menggunakan Jaringan Syaraf Tiruan dengan Algoritma Hopfiled sebagai Metode Pembelajaran

Perkembangan keanekaragaman sumberdaya informasi berbasis elektronik saat ini

penting dalam pemenuhan kebutuhan masyarakat akan informasi. Berbagai sumber

informasi seperti buku belum semuanya tersedia dalam edisi elektronik, maka diperlukan

proses entry data dari hardcopy ke dalam softcopy jika kita ingin melakukan pengolahan

data lebih lanjut dengan komputer. Untuk itu akan dikembangkan suatu sistem

pengenalan karakter dari suatu kata dalam paragraf secara otomatis yang dilakukan pada

citra digital berupa image dari hasil print screen dokumen.

Tujuan dari penelitian ini adalah membuat perangkat lunak yang dapat melakukan

pengenalan karakter dari suatu kata dalam paragraf pada citra dokumen dengan

menggunakan metode jaringan syaraf tiruan. Arsitektur jaringan syaraf tiruan yang

digunakan adalah single layer neural network, dengan algoritma pembelajaran Hopfield.

Untuk membantu pengenalan karakter, dilakukan proses segmentasi gambar metode

pemetaan.

Hasil pengujian menunjukan bahwa untuk pengenalan tiap karakter yang sejenis dengan

yang dilatihkan akurasinya sebesar 96,77%, dan untuk pengenalan tiap karakter yang

berbeda dengan yang dilatihkan akurasinya sebesar 89,52%. Pengenalan karakter dari

suatu kata dalam paragraf didapat akurasi sebesar 99,19% untuk karakter yang sejenis

dengan yang dilatihkan, dan 89,49% untuk karakter yang berbeda dengan yang

dilatihkan. Akurasi untuk pengenalan karakter berwarna sangat bergantung pada

perubahan parameter threshold.

The development of diversity based electronic information at this time important in the

fulfillment of community needs of information. Various sources of information like book

not all available in electronic edition, required data entry process from hardcopy to

softcopy if we want to do further data processing with computers. For that will be

developed a system character recognition of a words in a paragraph automatically of

digital image in the form of result print screen document.

The objective of this research is to create software that can recognize character of a

words in a paragaph from document image using artificial neural network methods. The

architecture used is single layer neural network using hopfield learning algorithm. To

help the character recognition, the image is segmentated by mapping method.

The result of testing shows that the recognition for each similar character with a training

pattern is 96.77% of accuracy, and for recognition of each different character with a

training pattern the accuracy of 89.52%. Recognition to the character of a word in a

paragraph acquired 99.19% of accuray for character with a similar of training pattern,

and 89.49% for different character with the training pattern. Accuracy for recognition on

the color character depends on the change threshold parameters.