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．