IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN
METODE SELF-ORGANIZING FEATURE MAPS (SOFM)
SKRIPSI
ANNY MAGHFIRAH 081401013
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN
METODE SELF-ORGANIZING FEATURE MAPS (SOFM)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Ilmu Komputer
ANNY MAGHFIRAH 081401013
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI JARINGAN SYARAF TIRUAN
DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN METODE SELF-ORGANIZING FEATURE MAPS (SOFM)
Kategori : SKRIPSI
Nama : ANNY MAGHFIRAH
Nomor Induk Mahasiswa : 081401013
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA
NIP. - NIP. 196203171991021001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM MENDETEKSI PENYAKIT PADA AYAM DENGAN
METODE SELF-ORGANIZING FEATURE MAPS (SOFM)
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 23 Juli 2013
PENGHARGAAN
Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah SWT atas limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Shalawat dan salam kepada Rasulullah Muhammad SAW.
Pada pengerjaan skripsi dengan judul Implementasi Jaringan Syaraf Tiruan dalam Mendeteksi penyakit pada Ayam dengan Metode Self-Organizing Feature Maps (SOFM) penulis menyadari bahwa banyak campur tangan pihak yang turut membantu dan memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada:
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K), selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. dan Pembantu Dekan.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku dosen pembimbing dan Ketua Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
4. Sekretaris Program Studi Ilmu Komputer Ibu Maya Silvi Lydia, B.Sc, M.Sc, dan semua dosen pada Program Studi S1 Ilmu Komputer FASILKOMTI USU dan semua pegawai di Program Studi S1 Ilmu Komputer USU.
5. Bapak Amer Sharif, S.Si, M.Kom sebagai pembimbing yang telah memberikan arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini.
6. Bapak Dr. Marhaposan Situmorang dan Muhammad Andri Budiman, ST, MCompSC, MEM sebagai dosen penguji yang telah memberikan saran dan kritik kepada penulis dalam penyempurnaan skripsi ini.
7. drh. Mulia Riski yang telah bersedia meluangkan waktunya kepada penulis untuk berkonsultasi tentang penyakit ayam.
8. Ayahanda Muhammad Amin dan Ibunda Yusnidar yang telah memberikan do’a, dukungan, perhatian serta kasih sayang yang tulus serta pengorbanan yang tidak ternilai harganya.
besar penulis secara khusus kak Winda Rezki Armasari, SE yang tidak henti-hentinya memberikan dorongan, semangat kepada penulis.
10.Teman-teman seperjuangan mahasiswa S1-Ilmu Komputer stambuk 2008 secara khusus Heny Muliana, S.Kom, Mirnawati, S.Kom, Ratnaningtyas Yoga Wijayanti, S.Kom, Sadifa Asrofa, S.Kom, dan Zainuddin Siregar yang telah memberikan motivasi dan perhatiannya.
11.Teman-teman semasa sekolah, Titien Juliyanti, Intan Rukiyah, Maulidannur yang selalu memberikan semangat dan motivasinya.
12.Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, 23 Juli 2013
ABSTRAK
Dengan teknologi yang semakin berkembang saat ini, sebuah sistem dapat mendeteksi penyakit baik pada manusia, tumbuhan maupun hewan. Self-Organizing Feature Maps adalah salah satu metode jaringan syaraf tiruan yang dapat melakukan pendeteksian, dimana neuron yang mempunyai jarak yang paling kecil adalah neuron pemenang atau neuron yang paling sesuai denga input yang diberikan. Parameter dalam sistem adalah penyakit ayam. Input dalam sistem yaitu berupa 60 ciri dan gejala penyakit dan outputnya adalah 16 jenis penyakit ayam. Pada sistem ini terdapat proses pelatihan dan proses pengujian. Pada tugas akhir ini sistem menggunakan Matlab R2007b dan Microsoft Office Excel 2007 untuk sebagai tempat penyimpanan data yaitu terdiri dari 60 ciri dan 16 jenis penyakit dikelompokkan ke dalam 4 JST. JST pertama terdiri dari 15 ciri dan gejala penyakit yang dimulai dari ciri yang pertama sampai ciri yang ke-15. Begitu juga dengan JST 2 dimulai dari ciri yang ke-16 sampai ciri yang ke-30. Begitu seterusnya sampai JST 4. Sistem ini dilatih dengan 100 iterasi. Dengan menginputkan ciri dan gejala penyakit, maka akan diperoleh output berupa salah satu penyakit ayam dari 16 jenis penyakit. Akan tetapi keakuratan dalam jaringan syaraf tiruan dengan metode Self Organizing Feature Maps tidak 100% benar yang ditunjukkan ada beberapa input yang tidak menghasilkan output yang benar.
Katakunci : Jaringan Syaraf Tiruan, Jaringan Kompetitif Self-Organizing Feature Maps (SOFM), Penyakit Ayam, Iterasi, Pelatihan
Kata Kunci: Pengenalan Pola, Tanda Tangan, AnalisisKomponen Utama, Jaringan
Saraf Tiruan, Backpropagation
IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORKS FOR DETECTING DISEASES IN CHICKEN BY METHOD
SELF-ORGANIZING FEATURE MAPs (SOFM)
ABSTRACT
With the development of technology, a system can detect diseases in humans, plants and animals. Self-Organizing Feature Maps is one method of neural network that can perform detection, where the neuron that has the smallest distance is the winner neuron or neurons that best suits a given input. Parameter in the system are chicken diseases. Input into the system are 60 traits and symptoms of the diseases and the output are 16 kinds of chicken diseases. There are training and simulation stages in the system. The system uses Matlab2007b and Excel 2007 as data storage which consists of 60 traits and diseases which are then grouped into 4 artificial neural network. The first artificial neural network has 15 traits and symptoms of the disease, starting from trait #1 to #15. Traits #16 to #30 are placed in the second artificial neural network, and so forth until the fourth artificial neural network. The system is trained with 100 iterations. By inputting traits and symptoms, the system will output one of the 16 chicken diseases. However, the accuracy of the artificial neural networks with SOFM method is not 100% correct which was indicated by some input not resulting in the correct output.
DAFTAR ISI 2.3 Jaringan Syaraf Tiruan 9 2.3.1 Komponen Jaringan Syaraf 12
2.3.2 Manfaat Jaringan Syaraf Tiruan 13
2.4 Keunggulan Jaringan Syaraf Tiruan 14
Bab 3 Analisis Dan Perancangan Sistem
3.1 Analisis Permasalahan 24
3.2 Analisis Sistem 24
3.2.1 Analisis Masukan dan Keluaran Sistem 25
3.2.2 Analisis Jaringan Syaraf Tiruan 27
3.2.3 Analisis Self-Organizing Feature Maps 28
3.3 Perancangan Sistem 33
3.3.1 Perancangan Prosedural 34
3.3.1.1 Proses Pelatihan JST 34
3.3.1.2 Proses Pengujian JST 35
3.3.2 Perancangan Data Flow Diagram (DFD) 37 3.3.3 Tabel Penyakit, Ciri Dan Gejalanya 38
3.3.4 Perancangan Antarmuka 52
3.3.4.1. Antarmuka Depan 52
3.3.4.2. Antarmuka Diagnosa Penyakit 53
3.3.4.3. Antarmuka Jenis Penyakit 55
3.3.4.4. Antarmuka Lihat Jenis Penyakit 56
Bab 4 Implementasi Dan Pengujian Sistem
4.1 Implementasi Sistem 58
4.1.1 Tampilan Antarmuka Sistem 58
4.1.1.1 Antarmuka Depan 59
4.1.1.2 Antarmuka Diagnosa Penyakit 59
4.1.1.3 Antarmuka Lihat Jenis Penyakit 61
4.1.1.4 Antarmuka Keluar 62
4.2 Pengujian Sistem 63
4.2.1 Pengujian Pengenalan Penyakit 63
Bab 5 Kesimpulan Dan Saran
5.1 Kesimpulan 71
5.2 Saran 72
DAFTAR TABEL
Halaman
3.1 Penyakit, ciri dan Gejala 38
4.1 Perbandingan Hasil Pengujian Pertama 66
4.2 Perbandingan Hasil Pengujian Kedua 66
4.3 Perbandingan Hasil Pengujian Ketiga 67
4.4 Perbandingan Hasil Pengujian Keempat 68
DAFTAR GAMBAR
Halaman
1.1 Diagram Alir Sistem 5
2.1 Struktur Dasar Jaringan Syaraf Tiruan dan Struktur Sederhana Sebuah
Neuron 9
2.2 Model Neuron 11
2.3 Struktur Neuron Jaringan Syaraf Tiruan 12
2.4 Jaringan Umpan-Maju Lapisan Tunggal 15
2.5 Jaringan Umpan-Maju Lapisan Banyak 16
2.6 Jaringan Syaraf Tiruan Recurrent 17
2.7 Arsitektur Jaringan Self-Organizing Feature Maps 19
3.1 Diagram Alir Proses Pelatihan JST 34
3.2 Diagram Alir Proses Pengujian JST 35
3.3 Diagram Konteks Sistem Pengenal Penyakit 37
3.4 DFD Level 1 Sistem Pengenal Penyakit 38
3.5 Tampilan Rancangan Antarmuka Depan 53
3.6 Tampilan Rancangan Antarmuka Diagnosa Penyakit 54 3.7 Tampilan Rancangan Antarmuka Diagnosa Penyakit Kedua 55 3.8 Tampilan Rancangan Antarmuka Jenis Penyakit 56 3.9 Tampilan Rancangan Antarmuka Lihat Jenis Penyakit 57
4.1 Tampilan Antarmuka Depan 59
4.2 Tampilan Antarmuka Diagnosa Penyakit Pertama 60
4.3 Tampilan Antarmuka Diagnosa Penyakit Kedua 61
4.4 Tampilan Antarmuka Lihat Jenis Penyakit 62
4.5 Tampilan Antarmuka Konfirmasi Keluar 62
4.6 Tampilan Input Ciri Dan Gejala Penyakit Pertama 63 4.7 Tampilan Input Ciri Dan Gejala Penyakit Kedua 64 4.8 Tampilan Hasil Pengujian Sistem Dalam Penganalan Penyakit 65
LAMPIRAN
A. Listing Program A-1
B. Jenis Penyakit, Ciri Dan Gejalanya B-1
