pengembangan prototipe aplikasi grafologi...
TRANSCRIPT
PENGEMBANGAN PROTOTIPE APLIKASI
GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN
ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
NASKAH PUBLIKASI
diajukan oleh
Shofiyati Nur Karimah
08.11.2317
kepada
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
AMIKOM
YOGYAKARTA
2012
DEVELOPMENT OF A PROTOTYPE
THE COMPUTERIZED GRAPHOLOGY APPLICATION
USING ARTIFICIAL NEURAL NETWORK BACKPROPAGATION ALGORITHM
PENGEMBANGAN PROTOTIPE APLIKASI
GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN
ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Shofiyati Nur Karimah
Jurusan Teknik Informatika
STMIK AMIKOM YOGYAKARTA
ABSTRACT
Handwritting is one of communication media besides verbal. The handwritting
has a lot of information that can identication the personal characteristic, maturity, and the
body health due to learning. Graphology is one of knowledge which learn and analyse the
handwritting to interpret its character and personality.
Character identification of handwritting analysis can be done using software
based on artificial intelligence and implement algorithm of Artificial Neural Network
Backpropagation (ANN-BP). There are 2 processes to build prototype of application using
ANN-BP, they are process of build datasets with backpropagation algorithm and testing
process. In this system, there are 4 steps to build the datasets, they are: data collection,
segmentation by using cropping, feature extraction and determine the target. In this
research, graphology aspect which is used is classification of “i” character.
The goal of this research is to build a prototype of computerize graphology
application that can be more developed to be ready install and use application in every
private connected computer so that can updated the data and controlled by graphologist.
Keywords : Graphology, Character, Artificial Neural Network
1. Pendahuluan
Tulisan tangan merupakan hasil dari pikiran sadar dan bawah sadar
manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia.
Tulisan tangan menyimpan informasi yang dapat mengidentifikasi sifat,
perkembangan jiwa dan tingkat kesehatan seseorang. Dalam cabang ilmu psikologi,
ilmu yang mempelajari karakter kepribadian seseorang dengan cara menganalisa
tulisan tangan disebut grafologi.
Di Indonesia, tenaga ahli di bidang grafologi masih sangat langka, selain itu
sedikitnya publikasi juga menyebabkan ilmu ini kurang populer sehingga tidak
banyak orang yang mengenal dan memanfaatkannya. Alasan lain yang
menyababkan kurangnya pemanfaatan grafologi adalah karena tingkat keauratan
yang masih diragukan. Ketepatan seorang grafologis menganalisis tulisan tangan
bergantung pada keahlian sebagaimana pakar psikologi klinikal karena ada
beberapa aspek psikologi yang harus dianilisis dalam sebuah tulisan tangan.
Konsep perhitungan dan analisis tulisan tangan pada komputer dimulai
dengan identifikasi pola tulisan tangan. Identifikasi pola tulisan tangan adalah
pengenalan tulisan tangan oleh komputer atau disebut Handwritting Recognition.
Dari uraian di atas, penulis mengambil judul untuk penelitian ini “PENGEMBANGAN
PROTOTIPE APLIKASI GRAFOLOGI TERKOMPUTERISASI MENGGUNAKAN
ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK”.
2. Landasan Teori
2.1 Grafologi
2.1.1 Pengertian grafologi
Secara etimologis, kata grafologi berasal dari bahasa yunani, yaitu “grapho”
yang berarti menulis, dan “logos” yang berarti sebuah cabang studi ilmiah.
Sehingga grafologi dapat diartikan sebagai suatu cabang ilmu yang mempelajari
dan menganalisis tulisan tangan yang secara khusus berkaitan dengan Psikologis
manusia1.
Tulisan tangan terbentuk dari rangsangan kecil dari otak sehingga sering
sekali para ahli grafologis menyebut tulisan tangan adalah “tulisan otak.” Grafologi
merupakan sebuah ilmu yang empirik, karena ilmu ini dibuktikan berdasarkan
fenomena dalam satu populasi dan ada kuantifikasi hasil atau ada hasil dari uji
statistik yang bisa dipertanggungjawabkan.
1 Dwi Sunar Prasetyo, Bedah Lengkap Grafologi Membaca Kepribadian orang lewat Tulisan
Tangan, Diva Press, 2010, hal 11.
Tulisan tangan yang dianalisis dalam grafologi antara lain tingkat kemiringan,
besar kecil tulisan, naik turun tulisan, klasifikasi per-huruf dan penulisan huruf kapital.
Namun ada beberapa hal yang tidak dapat dianalisis melalui grafologi seperti gender,
usia, karakter fisik, masa depan, suku, ras dan agama.
2.1.2 Teknik grafologi
2.1.2.1 Analisa huruf “i”
Bentuk batang huruf kecil “i” merefleksikan betapa jelas dan tidaknya personal
kita dalam mengintrepretasikan situasi-situasi ketika kita terlibat secara pribadi dan
sejauh mana kita menelaahnya. Penempatan titik di “i” mendeskripsikan tentang
fokus perhatian si penulis.
Huruf “i” dengan titik berada di sebelah kanan menunjukkan perhatian yang
fokus ke masa depan. Huruf “i” dengan titik berada di sebelah kiri menunjukkan
fokus perhatian pada masa lalu, sedangkan jika titik huruf “i” berada di tepat di atas
batang, menunjukkan fokus penulis pada kondisi yang sekarang sedang dijalani.
Huruf “i” dengan titik yang seringkali hilang atau “i” tanpa titik, bisa berarti
banyak hal. Dalam tulisan medium atau besar, huruf “i” tanpa titik melambangkan
seseorang yang melihat “gambaran besar” dan membiarkan orang lain mengisi
detailnya. Dalam tulisan yang kecil atau mungil melambangkan orang yang memiliki
kecerdasan yang tinggi, begitu asyik dengan detail-detail kecil dari tugas mereka
dan pikiran yang fokus serta analitis tidak memperhatikan hal lain termasuk titik “i”.2
2.2 MatLab
MatLab singkatan dari Matrix Laboratory. MatLab merupakan bahasa
pemrogaman yang dikembangkan oleh The Mathwork, Inc. Bahasa pemograman ini
banyak digunakan untuk perhitungan numerik keteknikan, komputasi simbolik,
visualisasi grafis, analisis data matematis, statistika, simulasi pemodelan, dan
desain graphical user interface (GUI). Pada awalnya, program ini merupakan
interface untuk koleksi rutin numerik dari proyek LINPACK dan EISPACK, namun
sekarang merupakan produk komersial dari perusahaan Mathworks, Inc.
2.3 Pengenalan Pola
Pengenalan pola (pattern recognition) merupakan salah satu cabang ilmu
komputer yang dapat diartikan sebagai pengumpulan data mentah untuk dapat
diklasifikasikan dengan maksud tujuan tertentu.(Hafiz,2010)
2 Vimala Rodgers, Kenali Kepribadian melaluiTulisan Tangan, Kaifa, hal 154
Pengenalan yang berhubungan dengan tulisan tangan dapat dikategorikan
ke dalam pembagian yaitu secara online dan offline. Pengenalan secara offline
dilakukan dengan memfokuskan informasi pencitraan dari kertas yang sudah ditulisi
terlebih dahulu, kemudian proses digitalisasi dengan menggunakan scanner atau
kamera.
Pengenalan secara online dilakukan dengan memfokuskan pengelolaan
informasi pada saat dilakukannya proses penulisan secara langsung. Proses ini
membutuhkan alat khusus seperti digitizer, kemudian tulisan tangan tersebut
direkam sebagai proses yang tergantung dari waktu (timedependent process).
Gambar 2. 1 Pembagian proses pengenalan tulisan
Setiap informasi (sinyal) baik disajikan di kawasan spasial, waktu atau
frekuensi, mempunyai pola dengan ciri-ciri tertentu untuk membedakan suatu pola
dengan pola lainnya.
2.4 Jaringan Syaraf Tiruan (JST)
Jaringan syaraf tiruan didefinisikan sebagai suatu sistem pemrosesan
informasi yang mempunyai karakteristik menyerupai jaringan syaraf manusia.
Jaringan syaratf tiruan tercipta sebagai suatu generalisasi model matematis dari
pemahaman manusia (human cognition) yang didasarkan atas asumsi sebagai
berikut:
1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron.
2. Isyarat mengalir di antara sel saraf/neuron melalui suatu sambungan
penghubung
3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan
digunakan untuk menggandakan/mengalikan isyarat yang dikirim melaluinya
Handwritting
Online Offline
digitizer scanner
atau kamera
Pengenalan Verifikasi Identifikasi
4. Setiap sel saraf akan menerapkan fungsi aktivasi terhadap isyarat hasil
penjumlahan berbobot yang masuk kepadanya untuk menetukan isyarat
keluarannya.
Jaringan syaraf tiruan dikenal juga sebagai model free-estimator karena
dibandingkan dengan cara perhitungan konvensional, Jaringan syaraf tiruan tidak
memerlukan suatu model matematis dari permasalahan yang dihadapi. Jaringan
syaraf tiruan dikenal juga sebagai black box technology (kotak hitam) atau opaque
(tidak transparan), karena Jaringan syaraf tiruan tidak dapat menerangkan
bagaimana suatu hasil didapatkan. Hal inilah yang membuat jaringan syaraf tiruan
mampu digunakan untuk menyelesaikan persoalan yang tidak terstruktur dan sulit
didefinisikan. Dan penerapannya yang telah meluas dipakai sebagai alat bantu
memecahkan masalah pada berbagai bidang dan disiplin ilmu.
Karakteristik jaringan syaraf tiruan ditentukan oleh:
1. Pola hubungan antar neuron (disebut dengan arsitektur jaringan)
2. Metode penentuan bobot-bobot sambungan (disebut dengan pelatihan atau
proses belajar jaringan)
3. Fungsi aktivasi
2.4 Metode Propogasi Balik (Backpropogation)
Arsitektur dari backpropogation adalah jaringan multilayer yang memiliki satu
atau lebih layar tersembunyi. Backpropagation menggunakan error output untuk
mengubah nilai bobot-bobotnya dalam arah mundur (backward). Untuk
mendapatkan error ini, tahap perambatan maju (forward propagation) harus
dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron diaktifkan
dengan menggunakan fungsi aktivasi yang dapat dideferensiasikan, seperti sigmoid,
tansig atau purelin.
3. Analisis
Analisis sistem adalah penguraian dari suatu sistem secara utuh dengan
membaginya menjadi beberapa bagian komponen dengan maksud untuk
mengidentifikasi dan mengevaluasi permasalahan, ketangguhan, hambatan dan
kebutuhan yang diharapkan sehingga dapat di usulkan untuk perbaikan sistem.
3.1 Analisis kebutuhan sistem
Analisis kebutuhan sistem merupakan langkah utuk mengidentifikasi
kebutuhan-kebutuhan baik alat maupun bahan yang akan digunakan untuk
membantu dan mendukung proses pembuatan suatu sistem. Analisis ini juga
berguna untuk pengembangan sistem baru yang diusulkan untuk menyelesaikan
masalah di sistem lama yang direalisasikan.
3.1.1 Analisis kebutuhan fungsional
Pembangunan prototipe aplikasi grafologi terkomputerisasi berdasarkan
klasifikasi huruf “i” ini diharapkan dapat memenuhi beberapa kebutuhan fungsional,
antara lain:
a. Memotong citra tulisan pada huruf “i”
b. Menentukan klasifikasi huruf “i” dengan titik dan tanpa titik
c. Menyimpan matrik ciri dari huruf “i”
d. Melihat citra hasil ekstraksi ciri
3.2 Perancangan Sistem
Perancangan sistem secara umum dilakukan dengan maksud untuk
memberikan gambaran umum tentang sistem yang baru atau sistem yang akan
diusulkan. Rancangan ini mengidentifikasi komponen – komponen sistem informasi
yang dirancang. Melalui perancangan sistem ini juga akan sangat membantu pada
saat proses pengembangan terutama penulisan program, dari segi waktu akan
menjadi lebih efisien. Selain itu dari perancangan sistem prototipe aplikasi ini
diharapkan dapat membantu untuk kepentingan pengembangan kedepannya.
3.2.1 Perancangan flowchart
Perancangan flowchart ini bertujuan untuk memberi gambaran bagaimana
aliran proses dari prototipe aplikasi grafologi terkomputerisasi berdasarkan
klasifikasi huruf “i” ini berjalan. Mulai dari awal ketika tombol browse diklik diklik
hingga tampil deskripsi karakter dari klasifikasi huruf “i”.
Flowchart prototipe aplikasi yang akan dikembangkan dapat dilihat pada
Gambar 3.1.
Penjelasan dari alur pada Gambar 3.3 adalah sebagai berikut :
1. Inputan yang dimasukkan merupakan tulisan tangan sukarelawan dengan
menuliskan kata “amikom” dari digitizer dan hasil tulisan disimpan dalam bentuk
*.png atau *.jpg.
2. Akuisisi citra dilakukan dengan mengunggah citra tulisan tangan dari
sukarelawan yang menuliskan kata “stmik amikom yogyakarta” dan tulisan
bebas lainnya melalui digitizer ke sistem perangkat lunak yang dibangun
sehingga menghasilkan citra digital yang siap diolah.
Mulai
Input huruf i
Cropping, preprocessing
Ekstraksi Ciri
Akuisisi Data
latih? Gunakan bobot
akhir (database)
Tentukan Target
JST / Cari bobot
Simpan bobot akhir
(database)
Target diketahui
Identifikasi
Selesai
Y
N
Gambar 3.1 Alur Aplikasi Program
3. Setelah citra tulisan tangan dapat diakuisisi ke dalam sistem, citra mengalami
pre-processingatau prapengolahan. Hal ini dilakukan untuk membersihkan
inputan dari noise sehingga tulisan tangan dapat dengan jelas dibaca pada
saat ekstrasi ciri. Langkah-langkah tersebut adalah :
a. Cropping (pemotongan) adalah roses pemotongan citra digunakan untuk
membuang pixel yang tidak diperlukan. Proses cropping dilakukan secara
otomatis dengan membuat fungsi tersendiri untuk memotong citra sehingga
ukuran citra yang dihasilkan sesuai dengan pixel paling tepi dari tulisan.
b. Pada tahap ini citra diubah menjadi citra grayscale kemudian diubah lagi
menjadi citra biner sebagai data masukan untuk proses ekstraksi ciri.
4. Untuk mencari pola masukan, matriks yang digunakan tidak boleh terlalu besar.
Maka dari itu dilakukakan ekstraksi ciri dengan cara menjumlahkan elemen
pixel-pixel yang ada pada gambar dan kemudian dibagi dengan jumlah
elemennya.
5. Selanjutnya adalah proses pengecekan tulisan yang diamati dengan cara
membandingkan ciri-ciri tulisan yang berupa matriks ke dalamdatabase yang
tersedia. Proses ini inilah yang disebut dengan recognition(pengenalan). Untuk
dapat mengenali pola tulisan, maka dilakukan proses training atau pelatihan
dengan menggunakan algoritma Jaringan Syaraf Tiruan Backpropagation. Jika
tidak ditemukan data yang cocok pada dataset, sistem akan mengulang
perhitungan sehingga ditemukan hasil yang mendekati ciri-ciri yang ada pada
dataset.
6. Setelah citra berhasil dikenali, sistem akan memunculkan hasil berupa infomasi
mengenai karakter kepribadian si penulis yang memasukkan inputan tulisan
tangan sebelumnya berdasarkan klasifikasi huruf “i”.
3.2.2 Use case diagram
Diagram use case menggambarkan apa yang dilakukan atau apa saja
aktifitas yang dilakukan oleh sistem dari sudut pandang pengamatan luar. Berikut
Gambar 3.3 berikut menunjukkan diagram use casedari prototipe aplikasi grafologi
terkomputerisasi yang akan dibangun.
Gambar 3. 2 use case diagram
Pada diagram dapat dilihat bahwa pengguna dapat melakukan berbagai
aktifitas pada sistem. Untuk membangun jaringan yang dimulai dari membangun
dataset, pengguna mulai dari browse tulisan yang telah dikumpulkan kemudian
menekan tombol-tombol yang berkaitan dengan prapengolahan, ekstraksi ciri,
penyimpanan matrik dan penggabungan dataset, setelah itu pengguna dapat
melakukan proses identifiksi atau uji data baru dengan dataset yang sudah
ditentukan karakter kepribadiannya sehingga data yang baru dimasukkan dapat
ditentukan karakter kepribadiannya pula.
3.2.3 Activity diagram
Diagram activity berfokus kepada aktifitas – aktifitas yang terjadi yang terkait
dalam suatu proses tunggal. Jadi dengan kata lain diagram ini menunjukkan
bagaimana aktifitas–aktifitas tersebut bergantung satu sama lain.Gambar 3.4 berikut
menunjukkan diagram activity dari prototipe aplikasi grafologi terkomputerisasi yang
akan dibangun.
Gambar 3. 3 Activity Diagram
Ketika pengguna sudah memasukkan citra tulisan tangan dan memotong
pada bagian huruf “i” maka selanjutnya dari sisi aplikasi melakukan proses-proses
pengolahan citra dan pengenalan pola seperti yang sudah dijelaskan di Bab II.
Setelah proses pelatihan selesai dan datanet dapat dipakai untuk mengidentifikasi
kemiripan, aplikasi akan menampilkan hasil identifikasinya.
3.2.4 Perancangan class diagram
Diagram class memberikan gambaran secara luas dari suatu sistem dengan
menunjukkan kelas-kelasnya dan hubungan mereka. Diagram ini menggambarkan
hubungan apa yang terjadi bukan apa yang terjadi jika mereka berhubungan.
Gambar 3.5 berikut menunjukkan class diagram dari prototipe aplikasi grafologi
terkomputerisasi yang akan dibangun.
Gambar 3. 4 Class Diagram
3.2.5 Sequence diagram
Diagram sequence diatur berdasarkan waktu. Obyek–obyek yang berkaitan
dengan proses berjalannya operasi diurutkan dari kiri ke kanan berdasarkan waktu
terjadinya dalam pesan yang terurut. Gambar 3.6 berikut menunjukkan
sequencediagram dari prototipe aplikasi grafologi terkomputerisasi yang akan
dibangun.
Gambar 3.5 Sequence diagram
Pada diagram terlihat ketika pengguna menekan tombol browse, ekstraksi,
simpan, gabung, latih, dan simpan net pada interface TrainingDataset kemudian
setelah proses pelatihan selesai, pengguna dapat langsung mencoba interface
Pengujian untuk menguji data baru dan untuk selanjutnya ditampilkan karakter
kepribadian dari tulisan yang diujikan.
4. Hasil Penelitian dan Pembahasan
Sistem yang dikembangkan merupakan prototipe aplikasi analisis tulisan
tangan untuk menentukan karakter kepribadian seseorang (E-Graphoanalysis) yang
dikembangkan memiliki dua interface. Perangkat lunak ini memiliki fungsi sebagai
berikut:
1. Menerima masukkan citra tulisan tangan yang mengandung huruf “i”. Kemudian
secara manual pada sistem citra dipotong pada bagian huruf “i”.
2. Melakukan ekstraksi ciri dari huruf yang telah diseleksi. Hasil dari ekstraksi ini
adalah bilangan 0 dan 1.
3. Melakukan pembangunan data latih tulisan atau dataset dan data uji atau data
training yang digunakan pada proses analisis pencocokan.
4. Menentukan karakter kepribadian dari tulisan tangan (pengujian pengetahuan)
dengan mencocokkan data uji yang akan dianalisis dengan dataset yang sudah
dilatih dan sudah diditentukan karakternya.
4.1 Implementasi dan Pembahasan Antarmuka
Rancangan antarmuka prototipe aplikasi E-Graphoanalysis dapat dilihat di
bab 3 Gambar 3.7 dan 3.8. Hasil implementasi antarmuka perangkat lunak dapat
dilihat pada gambar di bawah ini.
Gambar 4. 1 Implementasi antarmuka TrainingDataset
Gambar 4. 2 Implementasi antarmuka pengujian
4.2 Hasil Uji Coba Sistem
Uji coba dilakukan menggunakan 10 sampel citra dengan perbedaan nilai
target eror (mse) dan laju pemahaman (α).
Tabel 4. 1 Tabel hasil uji coba dengan nilai mse=0,01, α=0.1-0.5
α
mse
Waktu Training (detik)
Konvergen Persetase
true false true false
0.1 0.01 21 7 3 70% 30%
0.2 0.01 26 8 2 80% 20%
0.3 0.01 42 7 3 70% 30%
0.4 0.01 5 6 4 60% 40%
0.5 0.01 25 7 3 70% 30%
Rata-rata 15%
Tabel 4. 2 Tabel hasil uji coba dengan nilai mse=0,001-0.005, α=0.1
α
mse
Waktu Training (detik)
Konvergen Presetase
true false true false
0.1 0.001 42 8 2 80% 20%
0.1 0.002 42 6 4 60% 40%
0.1 0.003 42 6 4 60% 40%
0.1 0.004 42 7 3 70% 30%
0.1 0.005 42 5 5 50% 50%
Rata-rata 18%
5. Kesimpulan
Berdasarkan pembahasan dan penguraian dari bab-bab sebelumnya tentang
Pengembangan Prototipe Aplikasi Grafologi Terkomputerisasi Menggunakan Algoritma
Jaringan Syaraf Tiruan Propogasi Balik, maka dapat ditarik beberapa kesimpulan
sebagai berikut:
1. E-Graphoanalysis adalah prototipe aplikasi grafologi terkomputerisasi yang dapat
menentukan karakter berdasarkan huruf “i” dengan persentase kesalahan rata-rata
15% atau persentase keberhasilan sebesar 85% dengan nilai target eror 0.01 dan
laju pembelajaran antara 0.1-0.5.
2. Persentase keberhasilan prototipe aplikasi dengan laju pemahaman 0.1 dan nilai
target error antara 0.01-0.05 rata-rata adalah 82% dengan persentase kesalahan
sebesar 18%%
3. Dari hasil pengujian, memberikan indikasi bahwa JST-BP memungkinan untuk
mengembangkannya aplikasi grafologi terkomputerisasi dengan menambah aspek
atau target analisis grafologi oleh grafologis atau dapat pula dikembangkan dengan
teknik perbandingan kemiripan yang lain.
DAFTAR PUSTAKA
AlwiAslanPengenalan Pola Huruf-Huruf Lontara Bugis-Makasar dengan Menggunakan
Jaringan Syaraf Tiruan Metode Backpropogation.Yogyakarta,Tesis
Program Studi Ilmu Komputer Universitas Gadjah Mada,2010.
CHARACTER RECOGNITION.Handwritten character Recognition: Training a Simple NN
for classification using MATLAB.ZadnikŽiga, PotočnikPrimož
ChoyriyanieUlvaAplikasi Pengklasifikasian Karakter Tulisan Tangan Menggunakan
Ekstraksi Ciri Chain Code dan Pola Segmen.Jakarta,Skripsi Program Studi
Teknologi Informatika Universitas Gunadarma,2010.
HafizRizwarAPPLICATION FOR HANDWRITTEN RECOGNITION BASED ON
SEGMENT PATTERN AND CHAIN CODE CLASSIFICATION.Jakarta,
Publikasi Fakultas Teknik Industri Universitas Gunadarma,2010.
HermawanAriefJaringan Syaraf Tiruan, Teori dan Aplikasi .Yogyakarta,Andi Offset,
2006.
HidayatImronPengenalan Tulisan Tangan untuk Menentukan Karakter Psikologis
Seseorang dengan Algoritma Jaringan Saraf Tiruan Propogasi Balik .
Bandung,Skripsi Program Studi Ilmu Komputer Universitas Pendidikan
Indonesia,2011.
Identifikasi Tanda-Tangan menggunakan Jaringan Syaraf Tiruan Perambatan-Balik
(Backpropagation).HidayatnoAchmad, IsnantoR.Rizal, BuanaDianKurnia
Widya2008,Jurnal Teknologi volume 1 Nomor 2,pp.100-106.
MunirRenaldiPengolahan Citra Digital dengan Pendekatan Algoritmik.Bandung,
Informatika,2004.
PaulusErick, NatalianiYessicaGUI Matlab.Yogyakarta,Penerbit Andi,2007.
PrasetyoDwiSunarGrafologi.Yogyakarta ,Diva Press,2011.
SiangJongJekJaringan Syaraf Tiruan & Pemrogramannya Menggunakan MATLAB.
Yogyakarta,Andi Offset,2009.
SugihartoArisPemrograman GUI dengan MATLAB.s.l.,Penerbit Andi,2006.
SumarnoLinggoKajian Teknik Pengenalan Kata Tulisan-Tangan Menggunakan
Kombinasi Jaringan Syaraf Tiruan Perambatan-Balik.Yogyakarta,Disertasi
Ilmu Teknik Elektro Universitas Gadjah Mada,2010.
SuyantoArtificial Intelegence: Searching, Reasonging, Planning dan Learning.Bandung
,Informatika,2007.
UtariWirdaAyuPengenalan Pola dengan Menggunakan Metode Backpropagation
menggunakan MATLAB.Jakarta,Universitas Gunadarma.
WakhidahNurPengenalan Karakter Pada Plat Nomor Mobil Menggunakan Thinning dan
Blocking.s.l.,Tesis Program Studi Ilmu Komputer Universitas Gadjah Mada
,2010.
WardoyoSiswoIdentifikasi Tandatangan menggunakan Jaringan Syaraf Tiruan.
Yogyakarta,Tesis Program Studi Teknik Elektro Universitas Gadjah Mada,
2008.