Pemodelan Downsampling untuk Optimasi Pengenalan Pola Jaringan Saraf Tiruan (Studi Kasus: Lembar Jawaban Jawaban Ujian Perguruan Tinggi)

Abstract

Saat ini kemajuan teknologi digital telah mempercepat transformasi di bidang teknologi informasi memberikan inspirasi positif bagi para ilmuwan. Baru-baru ini dalam aplikasi Jaringan Saraf Tiruan (JST) dari pengenalan pola, telah digunakan untuk pengenalan pola tulisan tangan, namun, metode ini belum diterapkan di digunakan dalam mengenali huruf pada lembar jawaban ujian. Oleh karena itu, studi bertujuan memodelkan praproses untuk pengurangan pixel menggunakan teknik downsampling dengan harapan mengoptimalkan pengenalan pola pada Jaringan Saraf Tiruan (JST). Penelitian ini mengambil studi kasus pola tulisan tangan untuk tulisan tangan huruf 'A', 'B', 'C', 'D' dan 'E'. Teknik Model downsampling yang diusulkan adalah dengan mereduksi matriks citra pada kolom dan baris sehingga menghasilkan vektor sebagai input JST. Hasil percobaan, menunjukkan bahwa ketika kedua kolom dan baris matriks yang direduksi mendapatkan akurasi yang lebih tinggi (98,8%) dengan rentang rendah (3,30%) dan konvergensi waktu yang rendah (9 menit dan 20 detik) bila dibandingkan dengan Backpropagation normal, sehingga metode yang diusulkan disajikan keandalan yang lebih tinggi untuk pengenalan pola tulisan tangan dengan RMSE rata-rata 0,1.