PENGGUNAAN ALGORITMA HEBB DALAM POLA PENGENALAN HURUF

Authors

  • Novera Kristianti Universitas Palangka Raya
  • Widiatry Widiatry

DOI:

https://doi.org/10.47111/jti.v18i1.12561

Keywords:

Hebb, Pengenalan Huruf, Jaringan Syaraf Tiruan

Abstract

Dalam ilmu komputer, Jaringan Syaraf Tiruan (JST) adalah pendekatan populer yang bertujuan untuk menyelesaikan berbagai permasalahan, seperti pengenalan pola atau klasifikasi, melalui pembelajaran. Penelitian ini mengeksplorasi penggunaan algoritma Hebb Rule dalam konteks pengenalan pola huruf menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan adalah model pemrosesan informasi yang terinspirasi oleh struktur jaringan syaraf biologis manusia. Algoritma Hebb Rule digunakan untuk melatih jaringan agar dapat mengidentifikasi dan membentuk asosiasi antara pola input dan output. Penelitian ini fokus pada penggunaan algoritma Hebb Rule dalam mengenali pola huruf “T” dan “U” dalam format matriks 5x5 dengan representasi data bipolar, di mana “X” diwakili sebagai -1 dan “O” diwakili sebagai 1. Metodologi penelitian mencakup identifikasi masalah, tujuan penelitian, pengenalan pola huruf, penerapan algoritma Hebb Rule, dan hasil pola. Hasil penelitian menunjukkan bahwa pola pada huruf “T” dan “U” dapat diidentifikasi menggunakan algoritma Hebb dengan nilai bersih 32 dan -32, masing-masing. Penelitian ini juga mencakup perubahan bobot dan bias pada jaringan Hebb melalui serangkaian iterasi, serta perhitungan nilai aktivasi jaringan untuk menentukan keberhasilan pengenalan pola. Kesimpulannya, penelitian ini memberikan wawasan yang lebih dalam tentang penggunaan algoritma Hebb dalam pengenalan pola huruf dan potensinya dalam pengembangan aplikasi praktis.

Downloads

Download data is not yet available.

References

Rahman, S. 2023. Mengambil Hikmah dari Cara Kerja Artificial Neural Network (ANN): Sebuah Motivasi untuk Terus Menuntut Ilmu. Diakses pada 4 Oktober 2023, dari https://www.djkn.kemenkeu.go.id/kpknl- banjarmasin/baca-artikel/16305/Mengambil-Hikmah-dari-Cara-Kerja-Artificial-Neural-Network-ANN- Sebuah-Motivasi-untuk-Terus-Menuntut-Ilmu.html

Widianto, M. H. 2021. Analisis Performa Algoritma Backpropagation Jaringan Syaraf Tiruan. Diakses pada 4 Oktober 2023, dari https://binus.ac.id/bandung/2021/04/analisis-performa-algoritma-backpropagation-jaringan-syaraf-tiruan/

Agustin, M. & Prahasto, T. 2012. Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer Di Politeknik Negeri Sriwijaya. Jurnal Sistem Informasi Bisnis, 02, 89-97.

Permatasari, Z. & Sifaunajah, A. 2019. Jaringan Syaraf Tiruan Propagasi Balik untuk Klasifikasi Data. Jombang : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas KH. A. Wahab Hasbullah.

H. Masrani, I. Ruslianto, & Ilhamsyah. 2018. Aplikasi Pengenalan Pola Pada Huruf Tulisan Tangan Menggunakan Jaringan Saraf Tiruan Dengan Metode Ekstraksi Fitur Geometri. Coding, Sistem Komputer Untan, 06(02), 69–78.

Yendrizal. 2022. Jaringan Saraf Tiruan Pengenalan Pola Huruf Sistem Matriks dengan Algoritma Hebb Rule. JURIKOM (Jurnal Riset Komputer), 9(5), 1466−1471. 10.30865/jurikom.v9i5.5015

Faisol, Amalia . R., Kuzairi, Yulianto. T., Mardianto . M. F. F. 2015. Aplikasi Jaringan Hebb dalam

Pengenalan Huruf. Zeta - Math Journal, 1(1), 10-14.

Mulyana, T. M. S. 2015. Perbandingan Hebb-Rule Dan Perceptron Dalam Segmentasi Citra Menggunakan Input Variasi RGB. JURNAL TEKNOLOGI INFORMASI, 11(2), 30-39.

Khairina, N. 2019. Jaringan Syaraf Tiruan. Universitas Medan Area.

Downloads

Published

2024-01-31