Identifikasi Citra Tulisan Tangan Digital Menggunakan Convolutional Neural Network (CNN)

Abstract

Handwriting recognition adalah sebuah proses untuk mengenali tulisan tangan seseorang yang didapatkan dari sebuah citra digital kemudian sistem akan mengenali tulisan tersebut menggunakan metode klasifikasi. Adapun pemanfaatan dari pengenalan tulisan tangan ini adalah mengidentifikasi dokumen – dokumen penting, seperti : identifikasi tanda tangan dalam sebuah dokumen perjanjian / kontrak, pengenalan angka dan huruf dalam sebuah dokumen yang diharuskan dalam bentuk tulisan tangan. Namun dengan adanya dokumen yang ditulis tangan menyebabkan permasalahan dalam pemrosesan data tersebut. Seseorang harus menuliskan kembali data tersebut dalam bentuk digital dengan kata lain data tersebut diketikkan kedalam komputer. Hal ini tidak efisien dan membutuhkan waktu yang lama karena mengerjakan hal yang sama dua kali. Untuk mengatasi hal tersebut dapat digunakan sebuah sistem cerdas dimana komputer akan diatur sedemikian rupa agar dapat memiliki kemampuan seperti manusia. Metode atau algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN memiliki 2 tahap yaitu feature extraction layer dan fully connected layer. Tahap pertama merupakan tahap untuk mengekstraksi citra menjadi beberapa feature berupa angka atau nilai yang merepresentasikan citra tersebut. Tahap kedua merupakan tahap pembelajaran data dan klasifikasi menggunakan multilayer perceptron. Sebelum proses training, dilakukan resize image yaitu mengubah ukuran citra dari 28 x 28 menjadi 32 x 32 pixel. Setelah itu, dilakukan proses ekstraksi citra dengan menggunakan konvolusi layer dan average pooling layer sebanyak dua kali. Selanjutnya dilakukan proses pembelajaran menggunakan feed forward dan backpropagation sehingga menghasilkan bobot dan bias dari masing – masing kelompok citra. Dataset yang digunakan dalam penelitian ini adalah database MNIST baik untuk proses training maupun testing. Selain menggunakan database MNIST, testing dilakukan terhadap tulisan tangan 20 orang koresponden yang menuliskan angka 0 hingga 9. Adapun hasil pengujian dari proses klasifikasi menggunakan CNN menunjukkan akurasi sebesar 98,6 % untuk dataset MNIST dan sebesar 88% untuk data koresponden. Hal ini dapat disimpulkan bahwa metode CNN mampu mengenali tulisan angka dengan baik.