<![CDATA[Karakter pola yang unik dari setiap huruf tulisan tangan diterjemahkan dalam suatu vektor tertentu yang terdiri dari titik awal, titik percabangan dan titik akhir. Neural Network Back-Propagation diaplikasikan pada proses training dan klasifikasi, untuk mencari karakter-karakter yang memiliki pola vektor yang serupa. Input dari sistem berupa file gambar tulisan tangan. Pengujian yang dilakukan bertujuan untuk mengetahui seberapa besar pengaruh jumlah input layer dan output layer dalam Neural Network terhadap tingkat akurasi hasil recognize dengan jumlah hidden layer konstan, 64. Pengujian proses training dilakukan dengan karakter dari font Arial ukuran 20. Sedangkan pengujian recognition dilakukan dengan mengaplikasikan ke-81 skenario pengujian terhadap suatu gambar tulisan tangan. Gambar tulisan tangan yang digunakan berisikan huruf abjad besar dan kecil dengan penulisan terpisah untuk setiap karakternya. Dari uji statistik (Pearson Correlation) yang dilakukan diperoleh hasil bahwa input layer dan output layer sangat berpengaruh terhadap tingkat akurasi, yaitu 0.733 untuk input layer dan 0.480 untuk output layer. Sedangkan pengaruh keduanya secara bersamaan terhadap tingkat akurasi adalah 0.876 atau 87.6 %, dan 12.4 % dipengaruhi oleh faktor lain yang tidak diukur dalam penelitian ini.]]>
Copyrights © 2015
