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.