Implementasi Algoritma Hopfield Discreate dalam Rekognisi Aksara Batak Toba
DOI:
https://doi.org/10.53513/jursi.v3i6.10558Keywords:
Aksara Batak Toba, Jaringan Syaraf Tiruan, Metode Hopfield DiscreateAbstract
Aksara Batak Toba merupakan salah satu aksara tulisan di Indonesia dari salah satu budaya yang ada. Aksara batak toba ini menjadi salah satu di antara aksara batak yang ada yang memiliki ciri khas tertentu. Disamping itu karena ini merupakan salah satu peninggalan budaya, sebagai warga negara yang baik tentunya harus menjaga agar aksara batak toba ini tetap eksis. Jaringan syaraf tiruan merupakan salah satu cabang ilmu kecerdasan buatan yang berkembang. Di dalam jaringan syaraf tiruan terdapat berbagai metode yang dapat di adopsi atau dikembangkan diantaranya metode Hopfield. Metode ini memiliki tingkat akurasi yang cukup baik di dalam pengenalan pola-pola atau data yang terstruktur. Pada penelitian ini akan dilakukan sebuah rekognisi aksara batak toba berdimensi 30x30 piksel dengan citra gambar .png. Berdasarkan hasil ujicoba terhadap pola aksara toba diketahui bahwa metode hopfield dapat mengenali pola lebih baik dan lebih cepat dengan rata-rata waktu pengenalan 0,9792 detik. Sedangkan untuk ketepatan metode Hopfield 90% dapat mengenali poa Aksara Batak Toba.References
D. E. R. Purba, “Perancangan Aplikasi Berbasis Android Game Edukasi Pengenalan Aksara Batak-Indonesia-Inggris,” J. Dunia Ilmu, vol. 1, no. 1, pp. 1–10, 2021.
L. Sinaga, E. Irawan, and W. Saputra, “Penerapan Jaringan Saraf Tiruan Metode Backpropogation Dalam Memprediksi Distribusi Air Pada PDAM Tirtauli Kota Pematangsiantar,” vol. 2, pp. 161–168, 2020.
H. Abubakar and S. Sathasivam, “Developing random satisfiability logic programming in Hopfield neural network,” AIP Conf. Proc., vol. 2266, no. October, 2020, doi: 10.1063/5.0018058.
Q. A. Al-Haija and N. A. Jebril, “A Systemic Study of Pattern Recognition System Using Feedback Neural Networks,” Wseas Trans. Comput., vol. 19, pp. 115–121, 2020, doi: 10.37394/23205.2020.19.16.
M. Widrich, M. Hofmarcher, V. Patil, A. Bitto-Nemling, and S. Hochreiter, “Modern Hopfield Networks for Return Decomposition for Delayed Rewards,” Deep Reinf. Learn. Work. Neural Inf. Process. Syst., pp. 1–9, 2021.
F. Alenezi and K. C. Santosh, “Geometric Regularized Hopfield Neural Network for Medical Image Enhancement,” Int. J. Biomed. Imaging, vol. 2021, 2021, doi: 10.1155/2021/6664569.
M. A. Belyaev and A. A. Velichko, “Classification of handwritten digits using the Hopfield network,” IOP Conf. Ser. Mater. Sci. Eng., vol. 862, no. 5, 2020, doi: 10.1088/1757-899X/862/5/052048.
S. H. Hasanah and S. M. Permatasari, “UNIVERSITAS TERBUKA Backpropagation Artificial Neural Network Classification Method In Statistics Students of Open University,” vol. 14, no. 2, pp. 243–252, 2020.
T. B. Butar, B. Nadeak, and I. Saputra, “Implementasi Metode Convolutional Neural Network Untuk Identifikasi Pola Aksara Batak,” vol. 1, no. 2, pp. 49–53, 2022.
M. C. Azmi and S. Sinurat, “Mendiagnosa Penyakit Mata Menggunakan Jaringan Saraf Tiruan dengan Menggunakan Metode Backpropagation dan Hopfield,” vol. 7, no. 6, pp. 558–563, 2020, doi: 10.30865/jurikom.v7i6.2592.
M. Dahiya and S. Gill, “Detection of rogue access point in WLAN using Hopfield Neural Network,” Int. J. Electr. Comput. Eng., vol. 7, no. 2, pp. 1060–1070, 2017, doi: 10.11591/ijece.v7i2.pp1060-1070.
D. Nofriansyah and H. Freizello, “Python application: Visual approach of hopfield discrete method for hiragana images recognition,” Bull. Electr. Eng. Informatics, vol. 7, no. 4, pp. 609–614, 2018, doi: 10.11591/eei.v7i4.691.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
This work is licensed under a Creative Commons Attribution 4.0 International License.
