ABSTRAKSI: Tulisan-tulisan penting pada sejarah, dokumen perusahaan, karya ilmiah dan hal-hal lainya sangat rentan terhadap kerusakan. Hal ini menyebabkan banyak individu atau instansi yang mencoba mengetik data tersebut ke komputer, tetapi hal ini menjadi tidak efisien jika harus mengetikkan karakter tersebut satu persatu. Oleh karena itu dibutuhkan suatu teknologi pengenalan tulisan tangan (Handwriting Character Recognitinon). Salah satu algoritma yang dapat mempelajari dan mengenali pola tulisan tangan dengan baik adalah Artificial Neural Network(ANN). Salah satu model ANN yang dapat menyimpan beberapa informasi tentang pola data dalam struktur jaringan adalah Recurrent Neural Network (RNN).
Pada Tugas Akhir ini dikembangkan suatu sistem yang dapat mengenali tulisan tangan menggunakan Recurrent Neural Network (RNN). Semakin optimal struktur RNN yang dibangun maka makin baik performansi dari RNN tersebut. Untuk mendapatkan struktur RNN yang optimal maka digunakanlah Algoritma Genetika dalam pencarian struktur RNN tersebut.
Berdasarkan pencarian struktur optimal pada RNN dengan menggunakan Algoritma Genetika maka didapat bahwa RNN memiliki kemampuan mengenal tulisan tangan pada data uji dengan akurasi sebesar 67.69%.Kata Kunci : Pengenalan Tulisan Tangan, Artificial Neural Network, RecurrentABSTRACT: Important scripts in history, coorporate confidential doccuments, sciencetific paper and other similar things were easily deteorated. This facts encouraged individuals and institution tried to retype the scripts by using computer . but this would not be efficient if they were typed one by one.Therefore a technology of hand writing recognition is absolutely needed. One of the algorithm which could learn and recognize hand writing well was artificial neural network (ANN). One of the ann model which could store some information about data pattern in network structure was recurrent neural network (RNN).
In this final project a system which can recognize hand writing was developed using RNN. The more optimum RNN structure is developed , the better performance of the RNN will be. To find an optimum RNN structure, genetical algorithm was used.
The result of searching optimum structure in RNN using genetical algorithm, showed that RNN had the ability to recognize hand writing of a set of test data by 67,69 % acuuracy.Keyword: Handwriting Character Recognition, Artificial Neural Network, Recurrent Neural Network, Genetic Algorithm.