Pengembangan Metode Backpropagation dengan Menggunakan Adaptive Learning Rate dan Parallel Training dalam Pengenalan Huruf Atau Angka pada Citra Digital

Abstract

Identification of characters in digital media to be one of the major concerns in the current era of technological development . Background of attempts to identify characters into digital form is not human activities release of documents or files manually in daily activities . Transformation process manually by way of input data and the information manually takes a long time , so it is considered a need for a mechanism to transform data and manual information into digital form automatically. The identification can’t be separated from the process of classification . Artificial neural networks have long been used in the classification process , which offers the flexibility of neural networks to the features of the object to be classified and small storage space . One method which is wellknown artificial neural network is backpropagation method . The biggest drawback of the backpropagation network is the time taken by the network to learn to be very long for large data conditions of learning and the conditions in which the features between different objects have small differences . To overcome the weaknesses of the implementation of the development is carried out by applying the concept of parallel adaptive learning rate and training in order to improve the ability of the network in the learning process.

Identifikasi karakter pada media digital menjadi salah satu perhatian utama di era perkembangan teknologi saat ini. Latar belakang munculnya upaya untuk mengidentifikasi karakter menjadi bentuk digital adalah tidak terlepasnya aktifitas manusia dari dokumen atau berkas manual dalam kegiatan sehari-hari. Proses transformasi manual dengan cara menginputkan data dan informasi secara manual membutuhkan waktu lama, sehingga dianggap perlu adanya sebuah mekanisme untuk mentransformasikan data dan informasi manual tersebut ke dalam bentuk digital secara otomatis. Kegiatan identifikasi tidak terlepas dari proses klasifikasi. Jaringan syaraf tiruan telah lama digunakan dalam proses klasifikasi, dimana jaringan syaraf tiruan menawarkan fleksibilitas terhadap fitur dari objek yang akan diklasifikasikan dan ruang penyimpanan yang kecil. Salah satu metode jaringan syaraf tiruan yang terkenal adalah metode backpropagation. Kelemahan terbesar dari jaringan backpropagation adalah waktu yang dibutuhkan oleh jaringan untuk belajar menjadi sangat lama untuk kondisi data pembelajaran yang besar dan kondisi dimana fitur antara objek yang berbeda memiliki perbedaan yang kecil. Untuk mengatasi kelemahan itu maka dilakukan implementasi pengembangan dengan menerapkan konsep adaptvie learning rate dan parallel training dalam rangka meningkatkan kemampuan jaringan dalam proses pembelajaran.