BAB I
PENDAHULUAN

1.1 Latar Belakang
Melihat perkembangan ekonomi dunia yang begitu pesat, banyak dokumen-dokumen ataupun transaksi perbankan yang dibutuhkan setiap harinya. Dokumen tersebut membutuhkan suatu validitas yang memperkuat keberadaan dan konsistensi terhadap isi dari dokumen. Salah satu validitas yang dibutuhkan dari dokumen adalah tandatangan sebagai bukti identitas. Dengan perkembangan teknologi dewasa ini, tandatangan dapat diproses dalam bentuk data secara digital dengan bantuan komputer yang mempunyai kemampuan untuk mengolah dan mengenali informasi dari data digital yang didapatnya. Untuk itu diperlukan metoda-metoda untuk membekali komputer agar menjadi mesin yang pintar. Salah satunya adalah penggunaan Jaringan Syaraf Tiruan atau neural network.
Neural network mempunyai kemampuan pembelajaran terhadap informasi yang telah diterima. Neural network tidak hanya dominan dalam bidang ilmu komputer, namun sudah merambah di berbagai disiplin ilmu. Disiplin ilmu yang dapat diselesaikan dengan neural network seperti: image processing atau pengolahan citra, pattern recognition atau pengenalan pola, medicine atau ilmu kedokteran, speech recognition atau pengenalan suara, dan bisnis.
Salah satu penggunaan neural network yang paling umum adalah untuk pengenalan pola. Banyak sekali permasalahan yang menarik dalam pengenalan pola seperti: pengenalan pola sidik jari, pengenalan pola wajah, pengenalan pola karakter, pengenalan pola retina mata dan sebagainya.
Dari permasalahan pengenalan pola tersebut, sedang dikembangkan aplikasi pengenalan pola terhadap karakter tulisan tangan dengan neural network. Pengenalan pola karakter dimaksudkan agar komputer dapat mengenali karakter dengan cara mengkonversi gambar karakter, baik yang dicetak ataupun ditulis tangan ke dalam data digital. Data tersebut disimpan ke dalam file data, sehingga dapat diedit dan dimanipulasi pada sebuah komputer.
Pola tandatangan merupakan salah satu contoh pengenalan terhadap pola karakter. Dalam pengenalan pola karakter, banyak sekali jenis karakter yang telah dapat dikenali melalui komputer dan diselesaikan dengan berbagai algoritma dalam neural network. Pola tandatangan merupakan pola karakter yang kompleks, karena mempunyai banyak kemiripan dan bentuk yang rumit antara setiap individu karakter.
Pengenalan Pola Tandatangan (Signature Recognition) dapat dibagi menjadi 2 tipe : on-line dan off-line. Metode on-line dilakukan ketika seseorang menuliskan tandatangannya, sedangkan metode off-line dilakukan sesudah tandatangan selesai ditulis. Pada dasarnya metode on-line memerlukan peralatan khusus yang digunakan untuk mendapatkan informasi secara real-time, dan pada metode off-line menggunakan pengenalan pola karakter yang fokus pada analisis bentuk, struktur dan fitur lain dari sebuah tandatangan (Sheng-Fuu Lin et al, 2002).
Untuk menyelesaikan masalah pengenalan pola tandatangan dalam neural network, dibandingkan algoritma Kohonen Neural Network dengan Learning Vector Quantization yang dianalisis dari segi akurasi terhadap pengenalan pada pola tandatangan dan waktu yang diperlukan untuk pelatihan pola tandatangan tersebut. Kedua algoritma tersebut merupakan pengembangan dari Neural Network atau Jaringan Saraf Tiruan yang dapat digunakan untuk pengklasifikasian pola.

1.2 Perumusan Masalah
Dalam Tugas Akhir ini, dibahas perbandingan pada pengenalan pola karakter, khususnya terhadap pola tandatangan dengan algoritma Kohonen Neural Network dan Learning Vector Quantization. Kedua metode tersebut dibandingkan dari segi akurasi terhadap pengenalan pola dan waktu yang diperlukan untuk pelatihan pola kedua algoritma tersebut. Sebagai alat bantu dalam proses pengenalan pola tandatangan digunakan sebuah piranti lunak dengan Microsoft Visual Basic 6.0.

1.3 Pembatasan Masalah
Permasalahan yang akan dibahas dalam Tugas Akhir ini, akan dibatasi pada :
1. Metode offline
2. Hasil pengenalan pola tandatangan akan ditampilkan sebagai nama pemilik tandatangan tersebut.
3. Untuk perubahan bobot digunakan learning rate = 0.6 , faktor reduksi learning rate = 0.99, dan maxepoh = 100.
4. Pada pembelajaran Kohonen Neural Network hanya akan menggunakan metode subtractive dengan kesalahan terkecil = 0.1
5. Pembelajaran oleh network terbatas pada pola-pola yang diberikan.
6. Perbandingan terhadap waktu yang dibutuhkan untuk proses pelatihan dan keakuratan dalam pengenalan pola.

1.4 Tujuan
Tujuan penulisan Tugas Akhir ini adalah:
1. Menerapkan algoritma Kohonen Neural Network dan Learning Vector Quantization untuk mengenali pola tandatangan.
2. Menyusun sebuah piranti lunak yang dapat digunakan sebagai alat bantu dalam pengenalan pola tandatangan dengan Microsoft Visual Basic 6.0.
3. Perbandingan antara algoritma Kohonen Neural Network dan Learning Vector Quantization dalam pengenalan pola tandatangan dari segi waktu yang diperlukan untuk proses pelatihan dan keakuratan dalam pengenalan pola.

1.5 Sistematika Penulisan
Sistematika penulisan yang digunakan dalam Tugas Akhir ini terbagi dalam beberapa pokok bahasan, yaitu:
Pendahuluan, berisi tentang uraian latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan pembuatan Tugas Akhir, dan sistematika penulisan.
Dasar Teori, berisi tentang penjelasan tentang Neural Network, Kohonen Neural Network dan Learning Vector Quantization. Di sini juga dibahas sekilas mengenai teori vektor yang akan digunakan dalam proses pengenalan dan pembelajaran pada Kohonen Neural Network dan Learning Vector Quantization.
Pembahasan, berisi tentang perbandingan algoritma Kohonen Neural Network dan Learning Vector Quantization dari segi waktu pelatihan dan tingkat akurasi pengenalan pola tandatangan dan perancangan piranti lunak dengan menggunakan bahasa pemrograman Microsoft Visual Basic 6.0 Enterprise Edition.
Kesimpulan, berisi kesimpulan perbandingan algoritma Kohonen Neural Network dan Learning Vector Quantization.