SMART CONTROL PERALATAN LISTRIK BERBASIS CITRA DENGAN JARINGAN SARAF TIRUAN
IMAGE-BASED SMART CONTROL of ELECTRICAL DEVICE WITH ARTIVICIAL NEURAL NETWORK
DOOSTENREYK NIALA KANTOHE
PROGRAM PASCASARJANA UNIVERSITAS HASANUDDIN
MAKASSAR
2013
SMART CONTROL PERALATAN LISTRIK BERBASIS CITRA DENGAN JARINGAN SARAF TIRUAN
IMAGE-BASED SMART CONTROL of ELECTRICAL DEVICE WITH ARTIVICIAL NEURAL NETWORK
DOOSTENREYK NIALA KANTOHE
PROGRAM PASCASARJANA UNIVERSITAS HASANUDDIN
MAKASSAR
2013
SMART CONTROL PERALATAN LISTRIK BERBASIS CITRA DENGAN JARINGAN SARAF TIRUAN
Tesis
Sebagai Salah Satu Syarat Untuk Mencapai Gelar Magister
Program Studi Teknik Elektro
Disusun dan diajukan oleh
Doostenreyk Niala Kantohe
Kepada
PROGRAM PASCASARJANA UNIVERSITAS HASANUDDIN
MAKASSAR
2013
PERNYATAAN KEASLIAN TESIS
Yang bertanda tangan dibawah ini :
Nama : Doostenreyk Niala Kantohe
Nomor Pokok : P2700211453
Program Studi : Teknik Elektro Konsentrasi : Teknik Informatika
Menyatakan dengan sebenarnya bahwa tesis yang saya tulis ini benar-benar merupakan hasil karya saya sendiri, bukan merupakan pengambilalihan tulisan atau pemikiran orang lain. Apabila kemudian hari terbukti atau dapat dibuktikan bahwa sebagian atau keseluruh tesis ini hasil karya orang lain, saya bersedia menerima sanksi atas perbuatan tersebut.
Makassar, Agustus 2013
Yang menyatakan
Doostenreyk Niala Kantohe
PRAKATA
Puji syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan hikmat dan pengetahuan, sehingga penyusunan tesis ini dapat diselesaikan.
Kelancaran dan keberhasilan penulis dalam menyelesaikan penyusunan hasil penelitian ini adalah berkat bantuan dari berbagai pihak.
Pada kesempatan ini penulis dengan tulus menyampaikan terima kasih kepada yang terhormat Prof. Dr. Ir. H. Salama Manjang, MT sebagai Ketua Komisi Penasehat yang juga selaku Ketua Program Studi Pascasarjana Teknik Elektro Universitas Hasanuddin Makassar dan Dr. Ir. H. Andani Achmad, MT sebagai Anggota Komisi Penasehat atas bantuan dan bimbingan yang telah diberikan mulai dari pembimbingan proposal penelitian, pelaksanaan penelitian sampai dengan penulisan hasil penelitian ini. Terima kasih juga penulis sampaikan kepada para penguji atas masukan dan saran yang sudah diberikan. Terima kasih kepada partisipan yang telah banyak membantu dalam rangka pengumpulan data dan informasi dalam pengujian aplikasi, serta kepada rekan-rekan mahasiswa pascasarjana Teknik Informatika Universitas Hasanuddin angkatan 2011 yang telah banyak membantu penulis dalam menyelesaikan hasil penelitian ini.
Makassar, Agustus 2013
Doostenreyk Niala Kantohe
ABSTRAK
Doostenreyk Niala Kantohe, Smart Control Peralatan Listrik Berbasis Citra Dengan Jaringan Saraf Tiruan (dibimbing oleh : Prof. Dr. H. Salama Manjang dan Dr. Ir. H. Andani Achmad, MT)
Kamera webcam yang pada umumnya digunakan untuk mengambil gambar atau merekam video kini dalam pengembangannya kamera webcam bisa digunakan sebagai sensor untuk mempermudah pengguna dalam menghidupkan dan mematikan Lampu pada sebuah ruangan, maka tujuan dari penelitian ini adalah mendesain pola pencitraan dalam capaian dimensi ruang yang terdapat peralatan listrik yang akan dikontrol dan mengontrol peralatan listrik yang terintegrasi dengan kamera.
Metode yang digunakan adalah rancang bangun system smart control peralatan listrik dengan menggunakan Jaringan Saraf Tiruan. Metode ini diharapkan dapat menghasilkan keputusan yang optimal untuk menentukan nilai citra dari kondisi lampu pada ruangan.
Hasil yang diharapkan dalam penelitian ini adalah system dapat mengenal citra ruangan ketika peralatan listrik berupa lampu dalam keadaan menyala atau padam. Sistem tersebut dapat mengambil keputusan untuk menyalakan atau memadamkan lampu.
Kata kunci : Jaringan saraf tiruan, pengenalan citra peralatan listrik
ABSTRACT
Doostenreyk Niala Kantohe, Image-based Smart Control of Electrical Device with Artivicial Neural Network (Supervised by : Prof. Dr. Ir. H.
Salama Manjang, MT and Dr. Ir. H. Andani Achmad, MT)
The webcam camera in general to do for take picture or video record, now it hasbuilt up and to be use as cencor and it means to easier the user on and off the light in the room. So, the study aims to design imaging pattern within the dimension of a room in which exist electrical devices to be
controlled. The control of the electrical devices is integrated with a camera.
The method used in this study is to design a smatr control system of electrical device using artivicial neural network. This method is expected to yield an optimal decision of the image value of the light condition in the room.
The result showsthat the system is capable of identifying the image of the romm in which the lights are in an ‘on’ or ‘off’ condition and the system also is capable of deciding to turn on/of the lights in the room.
Key word : Artificial neural network, identifying image of electrical devices
DAFTAR ISI
halaman
HALAMAN JUDUL i
HALAMAN PENGAJUAN ii
HALAMAN PENGESAHAN iii
PERNYATAAN KEASLIAN iv
PRAKATA i v
ABSTRAK vi
ABSTRACT vii
DAFTAR ISI viii
DAFTAR GAMBAR xi
DAFTAR TABEL xiii
DAFTAR LAMPIRAN xiv
BAB I PENDAHULUAN 1
A. Latar Belakang Masalah 1
B. Rumusan Masalah 4
C. Tujuan Penelitian 4
D. Manfaat Penelitian 5
E. Ruang Lingkup/Batasan Penelitian 5
BAB II TINJAUAN PUSTAKA 6
A. Otomatisasi 6
B. Mikrokontroler 7
C. Mikrokontroler Arduino 9
D. Jaringan Saraf Tiruan 12
1. Sejarah Jaringan Saraf Tiruan 12
2. Arsitektur Jaringan 15
3. Fungsi Aktivasi 19
E. Matlab 26
Pemrograman Matlab 26
1. Membentuk M-File 26
2. Masukan dan Keluaran 29
3. Statemen Kendali 33
4. Statemen Perulangan 35
F. Roadmap Penelitian 37
G. Kerangka Konseptual 39
BAB III METODOLOGI PENELITIAN 40
A. Tempat dan Waktu Penelitian 40
B. Teknik Pengumpulan Data 40
C. Alat dan Bahan 41
D. Tahapan Penelitian 42
E. Rancangan Penelitian 43
F. Rancangan Hardware 44
G. Rancangan Software 45
BAB IV HASIL DAN PEMBAHASAN 48
A. Citra Ruangan 48
B. Pengenalan Ruangan 49
C. Desain Proses Inisial dan Input Ruangan 50 D. Desain Proses Image – Neural Network 51
E. Pengujian Kondisi Citra Biner 54
F. Pengujian Kondisi Output Berdasarkan Input Ruangan 55
G. Pengujian Kontrol 57
H. Image Processing 57
I. Neural Network 59
1. Training Citra Ruangan Kondisi 1 59 2. Training Citra Ruangan Kondisi 2 63 3. Training Citra Ruangan Kondisi 3 67 4. Training Citra Ruangan Kondisi 4 72
J. Hasil Pengujian 75
BAB V PENUTUP 77
A. Kesimpulan 77
B. Saran 78
Daftar Pustaka 79
Lampiran 80
DAFTAR GAMBAR
Nomor halaman
1. Mikrokontroler Arduino 9
2. Mikrokontroler Arduino Uno 10
3. Model Sederhana Jaringan Saraf Tiruan 14
4. Jaringan Layar Tunggal 16
5. Jaringan Layar Jamak 17
6. Model JST Dua Lapisan Dengan Umpan Balik 18
7. Model JST Lapisan Kompetitif 19
8. Struktur Neuron Jaringan Saraf 20
9. Fungsi Aktivasi Pada Jaringan Saraf Sederhana 22
10. Fungsi Aktivasi Sigmoid Biner 24
11. Fungsi Aktivasi Sigmoid Bipolar 25
12. Fungsi Aktivasi Linier (Identitas) 25
13. Editor Matlab 27
14. Bagan lir if – then 33
15. Bagan Alir if – then – else 34
16. Kerangka Konseptual 39
17. Tahapan Penelitian 42
18. Blok Diagram Rancangan Sistem 43
19. Wiring Diagram System 44
20. Diagram Alir Pengambilan Citra Referensi 45 21. Diagram Alir Pengidentifikasian Ruangan 46
22. Citra Hasil Pengambilan Gambar Dengan Webcam 48
23. Citra Lampu TL 49
24. Aplikasi Pengambilan Ruangan 50
25. Pemasukan Citra Rangan sebagai Input 51
26. Hasil Citra Ruangan Yang Sudah Diproses Dalam Program 52 27. Citra Ruangan Dalam Bentuk Citra Grayscale, Citra Biner dan Nilai
Biner 55
28. Tampilan Sistem Kontrol 57
29. Pemasukan Citra Ruangan Sebagai Input 58
30. Citra Ruangan Dalam Bentuk Citra Biner 59
31. Tampilan Pemasukan Parameter Pelatihan Kondisi 1 60
32. Tampilan Hasil Training JST Kondisi 1 61
33. Grafik Performance Kondisi 1 62
34. Tampilan Pemasukan Parameter Pelatihan Kondisi 2 64
35. Tampilan Hasil Training JST Kondisi 2 65
36. Grafik Performance Kondisi 2 66
37. Tampilan Pemasukan Parameter Pelatihan Kondisi 3 68
38. Tampilan Hasil Training JST Kondisi 3 69
39. Grafik Performance Kondisi 3 70
40. Tampilan Pemasukan Parameter Pelatihan Kondisi 4 72
41. Tampilan Hasil Training JST Kondisi 4 73
42. Grafik Performance Kondisi 4 74
DAFTAR TABEL
Nomor halaman
1. Konversi Karakter 30
2. Karakter Pengontrol 31
3. Tipe Berkas 32
4. Operator Logika 35
5. Citra Ruangan dan Data Referensi 53
6. Karakter Objek Ruangan 54
7. Hasil Pengujian Lampu Dalam Ruangan Dengan 4 Kondisi 56
8. Hasil Pengujian Citra Ruangan 76
DAFTAR LAMPIRAN
Nomor halaman
1. Program Pencitraan 80
2. Program Mokrokontroler 92
3. Gambar Alat 94
4. Gambar Simulasi 95
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Perkembangan teknologi sekarang ini semakin maju pesat, banyak perusahaan industri yang memproduksi barang-barang elektronik yang kompatibel dengan komputer.
Otomatisasi dapat dikaitan dengan aplikasi mekanik, elektronik dan sistem berbasis komputer (Computer, Microcontroller, Programmable Logic Control atau PLC) yang digabung menjadi satu system untuk memberikan fungsi terhadap manipulator (mekanik) sehingga akan memiliki fungsi sebagai pengontrol.
Sejarah perkembangan otomatisasi bermula dari govenour sentrifugal yang berfungsi untuk mengontrol kecepatan mesin uap yang dibuat oleh James Watt pada abad kedelapan belas, dengan semakin berkembangnya komputer maka peran dari system otomatisasi konvensional yang masih menggunakan peralatan- peralatan mekanik sederhana, sedikit demi sedikit mulai memudar. Penggunaan komputer dalam suatu system otomatisasi akan menjadi lebih praktis karena dalam sebuah komputer terdapat miliaran komponen elektronik yang berinteraksi dalam beberapa milli detik, praktis karena sebuah PC (personal komputer) memiliki ukuran relatif kecil dan memberi fungsi yang lebih baik dari pada pengendali mekanis.
Otomatisasi adalah suatu perangkat yang terhubung satu sama lain sehingga membentuk suatu system yang dijalankan oleh perangkat lunak atau pun perangkat keras untuk dapat menjalankan system. Otomatisasi dapat di definisikan suatu teknologi yang berkaitan dengan aplikasi mekanik, elektronik dan sistem berbasis komputer (Computer, Microcontroller, Programmable Logic Control atau PLC) yang digabung menjadi satu system untuk memberikan fungsi terhadap manipulator (mekanik) sehingga akan memiliki fungsi tertentu.
Saat ini system pengontrolan jarak jauh, banyak dikembangkan baik itu menggunakan kabel seperti PLC, mikokontroller, maupun yang menggunakan near kabel.
Sistem Kendali Turrep Coil Dengan menggunakan kamera, dapat mengendalikan Turrep coil dengan menggunakan kamera. Kondisi yang di kontrol hanya satu element. [ EEPIS BPPT, 2002]
Kendali Posisi pencitraan pada Neoutron Tomografy, mengendalikan pergerakan neoutron yang memantau secara real time suatu perubahan neoutron tomography. [Nugroho /STTN/Batan.ac.id/, 2006]
Pelacakan Objek Gambar Video berdasarkan sekmen citra, menganalisa Citra objek berdasarkan sekment pada gambar. Pada penelitian ini tidak ada perlakuan system terintegrasi dengan perangkat luar (interface) [Karya Ilmiah. UNISLA].
Jaringan saraf merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran
pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Ada beberapa tipe jaringan saraf, namun demikian, hampir semuanya memiliki komponen-komponen yang sama. Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron-neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron- neuron yang lain. Pada jaringan saraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut.
Kamera adalah suatu peralatan elektronik untuk memantau kondisi objek secara visual. Fungsi kamera sebagai alat monitoring objek, dapat berfungsi juga sebagai sensor untuk memonitoring keadaan peralatan dengan memanfaatkan metode pencitraan.
Kamera webcam pada umumnya dilakukan untuk menggambil gambar atau merekam video, kini dalam pengembangannya kamera webcam bisa digantikan sebagai sensor untuk mempermudah pengguna dalam menghidupkan dan mematikan Lampu pada sebuah ruangan. Kamera webcam akan menangkap gambar dan mengirim gambar pada program aplikasi yang dibuat menggunakan aplikasi MATLAB, lalu citra yang diambil oleh kamera tersebut di baca oleh aplikasi dan dilakukan pencitraan sesuai
dengan gambar normal yang diambil oleh kamera, lalu mikrokontroler menerima signal dari PC dan memerintahkan driver untuk melakukan pengotomatisasi on/off lampu.
B. Rumusan Masalah
Berdasarkan latar belakang tersebut diatas, diperoleh rumusan masalah dari penelitian ini yaitu:
1. Bagaimana merancang alat otomatisasi on/off lampu menggunakan kamera Webcam sebagai sensor.
2. Bagaimana sistem pencitraan kamera webcam menangkap gambar objek dan membandingkan antara capture normal dengan capture perubahan dengan menggunakan jaringan saraf tiruan untuk mengon/offkan peralatan listrik berupa lampu
C. Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Merancang pengontrol peralatan listrik dengan menggunakan mikrokontroler arduino yang terintegrasi dengan kamera.
2. Mengaplikasikan kamera untuk mencapture citra gambar dan menggunakan jaringan saraf tiruan untuk pengontrolan mati hidupnya lampu dalam satu ruangan.
3.
D. Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat untuk hal-hal sebagai berikut:
1. Pengontrolan lampu secara terpusat.
2. Mengambil keputusan saat terdapat beban listrik yang aktif tidak sesuai fungsi.
E. Ruang Lingkup / Batasan Penelitian
Ruang lingkup materi yang dibahas adalah;
1. Sistem kontrol mencakup; peralatan listrik yang dikontrol dengan citra.
2. Pencitraan mencakup; ruang tempat peralatan listrik yang terpola dengan pencitraan.
BAB II
TINJAUAN PUSTAKA
A. Otomatisasi
Otomatisasi dapat di definisikan suatu teknologi yang berkaitan dengan aplikasi mekanik, elektronik dan sistem berbasis komputer (Computer, Microcontroller, Programmable Logic Control atau PLC) yang digabung menjadi satu system untuk memberikan fungsi terhadap manipulator (mekanik) sehingga akan memiliki fungsi tertentu.
Sejarah perkembangan otomatisasi bermula dari govenour sentrifugal yang berfungsi untuk mengontrol kecepatan mesin uap yang dibuat oleh James Watt pada abad kedelapan belas, dengan semakin berkembangnya komputer maka peran dari sistem otomatisasi konvensional yang masih menggunakan peralatan- peralatan mekanik sederhana, sedikit demi sedikit mulai memudar. Penggunaan komputer dalam suatu sistem otomatisasi akan menjadi lebih praktis karena dalam sebuah komputer terdapat miliaran komponen elektronik yang berinteraksi dalam beberapa milli detik, praktis karena sebuah PC (personal komputer) memiliki ukuran relatif kecil dan memberi fungsi yang lebih baik dari pada pengendali mekanis.
Otomatisasi adalah suatu perangkat yang terhubung satu samalain sehingga membentuk suatu sistem yang di jalankan oleh perangkat lunak atau pun perangkat keras untuk dapat menjalankan system.
B. Mikrokontroler
Mikrokontroler, sebagai suatu terobosan teknologi mikroprosesor dan mikrokomputer, hadir memenuhi kebutuhan pasar (market need) dan teknologi baru. Sebagai teknologi baru, yaitu teknologi semikonduktor dengan kandungan transistor yang lebih banyak namun hanya membutuhkan ruang yang kecil serta dapat diproduksi secara masal (dalam jumlah banyak) membuat harganya menjadi lebih murah (dibandingkan mikroprosesor).
Sebagai kebutuhan pasar, mikrokontroler hadir untuk memenuhi selera industri dan para konsumen akan kebutuhan dan keinginan alat-alat bantu bahkan mainan yang lebih baik dan canggih.
Tidak seperti sistem komputer, yang mampu menanganiberbagai macam program aplikasi (misalnya pengolah kata, pengolah angkadan lain sebagainya), mikrokontroler hanya bisa digunakan untuk suatu aplikasi tertentu saja (hanya satu program saja yang bisa disimpan). Perbedaan lainnya terletak pada perbandingan RAM dan ROM. Pada sistem komputer perbandingan RAM dan ROM-nya besar, artinya program-program pengguna disimpan dalam ruang RAM yang relatif besar, sedangkan rutin-rutin antarmuka perangkat keras disimpan dalam ruang ROM yang kecil.
Sedangkan pada Mikrokontroler, perbandingan ROM dan RAM-nya yang besar, artinya program kontrol disimpan dalam ROM (bisa Masked ROM atau Flash PEROM) yang ukurannya relatif lebih besar, sedangkan RAM digunakan sebagai tempat penyimpan sementara, termasuk register-register yang digunakan pada mikrokontroler yang bersangkutan.
Adapun kelebihan dari mikrokontroller adalah sebagai berikut :
1. Penggerak pada mikrokontoler menggunakan bahasa pemograman assembly dengan berpatokan pada kaidah digital dasar sehingga pengoperasian sistem menjadi sangat mudah dikerjakan sesuai dengan logika sistem (bahasa assembly ini mudah dimengerti karena menggunakan bahasa assembly aplikasi dimana parameter input dan output langsung bisa diakses tanpa menggunakan banyak perintah). Desain bahasa assembly ini tidak menggunakan begitu banyak syarat penulisan bahasa pemrograman seperti huruf besar dan huruf kecil untuk bahasa assembly tetap diwajarkan.
2. Mikrokontroler tersusun dalam satu chip dimana prosesor, memori, dan I/O terintegrasi menjadi satu kesatuan kontrol sistem sehingga mikrokontroler dapat dikatakan sebagai komputer mini yang dapat bekerja secara inovatif sesuai dengan kebutuhan sistem.
3. Sistem running bersifat berdiri sendiri tanpa tergantung dengan komputer sedangkan parameter komputer hanya digunakan untuk download perintah instruksi atau program. Langkah-langkah untuk download komputer dengan mikrokontroler sangat mudah digunakan karena tidak menggunakan banyak perintah.
4. Pada mikrokontroler tersedia fasilitas tambahan untuk pengembangan memori dan I/O yang disesuaikan dengan kebutuhan sistem.
5. Harga untuk memperoleh alat ini lebih murah dan mudah didapat.
Gambar 1. Mikrokontroler Arduino [Atmel. 2000.]
C. Mikrokontroller Arduino
Arduino adalah sebuah kit elektronik open source yang dirancang khusus untuk memudahkan setiap orang dalam belajar membuat robot atau mengembangkan perangkat elektronik yang dapat berinteraksi dengan bermacam-macam sensor dan pengendali.
Saat ini Arduino sangat populer di seluruh dunia. Banyak pemula yang belajar mengenal robotika dan elektronika lewat Arduino karena mudah dipelajari. Tapi tidak hanya pemula, para hobbyist atau profesional pun ikut senang mengembangkan aplikasi elektronik menggunakan Arduino. Bahasa yang dipakai dalam Arduino bukan assembler yang relatif sulit, tetapi bahasa C yang disederhanakan dengan bantuan pustaka-pustaka (libraries) Arduino.
Yang terbaru adalah Arduino Uno, berikut gambarnya :
Gambar 2. Mikrokontroler Arduino Uno [Atmel. 2000.]
Kita dapat melihat lebih jauh tentang Arduino di website http://www.arduino.cc , di sana tersedia software Arduino yang dapat di download gratis baik untuk platform Windows, Mac, maupun Linux. Juga tersedia panduan, contoh-contoh program dan library-library yang memudahkan kita berinteraksi dengan bermacam-macam komponen elektronik, hardware dan software.
Mengapa Arduino?
Tentu saja ada banyak mikrokontroler maupun platform mikrokontroler tersedia, misalnya saja Basic Stamp-nya Parallax, BX-24-nya Netmedia,
Phidget, MIT’s Handyboard dan lain sebagainya. Semua alat-alat tersebut bertujuan untuk menyederhanakan berbagai macam kerumitan maupun detil rumit pada pemrograman mikrokontroler sehingga menjadi paket mudah- digunakan (easy-to-use). Arduino juga menyederhanakan proses bekerja dengan mikrokontroler, sekaligus menawarkan berbagai macam kelebihan antara lain:
Murah - Papan (perangkat keras) Arduino biasanya dijual relatif murah (antara 125ribu hingga 400ribuan rupiah saja) dibandingkan dengan platform mikrokontroler pro lainnya. Jika ingin lebih murah lagi, tentu bisa dibuat sendiri dan itu sangat mungkin sekali karena semua sumber daya untuk membuat sendiri Arduino tersedia lengkap di website Arduino bahkan di website-website komunitas Arduino lainnya. Tidak hanya cocok untuk Windows, namun juga cocok bekerja di Linux.
Sederhana dan mudah pemrogramannya - Perlu diketahui bahwa lingkungan pemrograman di Arduino mudah digunakan untuk pemula, dan cukup fleksibel bagi mereka yang sudah tingkat lanjut. Untuk guru/dosen, Arduino berbasis pada lingkungan pemrograman Processing, sehingga jika mahasiswa atau murid-murid terbiasa menggunakan Processing tentu saja akan mudah menggunakan Arduino.
Perangkat lunaknya Open Source - Perangkat lunak Arduino IDE dipublikasikan sebagai Open Source, tersedia bagi para pemrogram berpengalaman untuk pengembangan lebih lanjut. Bahasanya bisa
dikembangkan lebih lanjut melalui pustaka-pustaka C++ yang berbasis pada Bahasa C untuk AVR.
Perangkat kerasnya Open Source - Perangkat keras Arduino berbasis mikrokontroler ATMEGA8, ATMEGA168, ATMEGA328 dan ATMEGA1280 (yang terbaru ATMEGA2560). Dengan demikian siapa saja bisa membuatnya (dan kemudian bisa menjualnya) perangkat keras Arduino ini, apalagi bootloader tersedia langsung dari perangkat lunak Arduino IDE-nya.
Bisa juga menggunakan breadoard untuk membuat perangkat Arduino beserta periferal-periferal lain yang dibutuhkan.
Bereksperimen dan berkreasi dengan Arduino memang mengasyikan.
Jangan lupa mengunjungi website http://www.freeduino.org , di sini dimuat link-link contoh-contoh source code dan skema elektronik untuk dikoneksikan dengan Arduino.
D. Jaringan Saraf Tiruan
1. Sejarah Jaringan Saraf Tiruan
Jaringan saraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan oleh McCulloch dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi aktivasi yang dipakai adalah fungsi threshold.
Tahun 1958, Rosenblatt memperkenalkan dan mulai mengembangkan model jaringan yang disebut Perceptron. Metode pelatihan diperkenalkan untuk mengoptimalkan hasil iterasinya.
Widrow dan Hoff (1960) mengembangkan perceptron dengan memperkenalkan aturan pelatihan jaringan, yang dikenal sebagai aturan delta (atau sering disebut kuadrat rata-rata terkecil). Aturan ini akan mengubah bobot perceptron apabila keluaran yang dihasilkan tidak sesuai dengan target yang diinginkan.
Apa yang dilakukan peneliti terdahulu hanya menggunakan jaringan dengan layer tunggal (single layer). Rumelhart (1986) mengembangkan perceptron menjadi Backpropagation, yang memungkinkan jaringan diproses melalui beberapa layer.
Selain itu, beberapa model jaringan saraf tiruan lain juga dikembangkan oleh Kohonen (1972), Hopfield (1982), dan sebagainya.
Pengembangan yang ramai dibicarakan sejak tahun 1990 an adalah aplikasi model-model jaringan saraf tiruan untuk menyelesaikan berbagai masalah di dunia nyata.
Jaringan saraf tiruan (artificial neural networks) atau disingkat JST adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi.
JST dibentuk sebagai generalisasi model matematika dari jaringan saraf biologi, dengan asumsi :
a. Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron)
b. Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung c. Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal
d. Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.
JST ditentukan oleh tiga hal :
a. Pola hubungan antar neuron (disebut arsitektur jaringan)
b. Metode untuk menentukan bobot penghubung (disebut metode training / learning / algoritma)
c. Fungsi aktivasi
Sebagai contoh, perhatikan neuron Y pada Gambar berikut :
Gambar 3. Model Sederhana Jaringan Syaraf Tiruan [Sutikno, 2011]
Y menerima input dari neuron x1, x2 dan x3 dengan bobot hubungan masing-masing adalah w1, w2 dan w3. Ketiga impuls neuron yang ada dijumlahkan
net = x1w1 + x2w2 + x3w3
X
1X
2X
3Y
W
1W
2W
3Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = f(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan.
Nilai fungsi aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot.
2. Arsitektur Jaringan
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan saraf tiruan antara lain :
a. Jaringan Layar Tunggal (single layer network)
JST dengan layer tunggal pertama kali dirancang oleh Widrow dan Hoff pada tahun 1960. Walaupun JST layar tunggal ini sangat terbatas penggunaannya, namun konsep dan gagasannya banyak dipakai oleh beberapa pakar untuk membuat model JST layar jamak.
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan sekumpulan output. Dalam beberapa model (misal perceptron), hanya ada sebuah unit neuron output.
Gambar 4. Jaringan Layar Tunggal [Sutikno, 2011]
Gambar 4. menunjukkan arsitektur jaringan dengan n unit input (x1,x2, ... , xn) dan m buah unit output (Y1, Y2, ... , Ym).
Perhatikan bahwa dalam jaringan ini, semua unit input dihubungkan dengan semua unit output, meskipun dengan bobot yang berbeda-beda.
Tidak ada unit input yang dihubungkan dengan unit input lainnya. Demikian pula dengan unit output.
Besarnya wji menyatakan bobot hubungan antara unit ke-i dalam input dengan unit ke-j dalam output. Bobot-bobot ini saling independen. Selama proses pelatihan, bobot-bobot tersebut akan dimodifikasi untuk meningkatkan keakuratan hasil.
b. Jaringan Layar Jamak (multi layer network)
Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan ini, selain unit input dan output, ada unit-unit lain (sering disebut layar tersembunyi). Dimungkinkan pula ada beberapa layar tersembunyi.
Sama seperti pada unit input dan output, unit-unit dalam satu layar tidak saling berhubungan.
X
1
X
n
Xi
Ym
W1 Wj1 1
Wm1 W1i
Wji Wm
i
W1
n Wjn
Wmn
Y1
Yj
Gambar 5. Jaringan Layar Jamak [Sutikno, 2011]
Gambar 5 adalah jaringan dengan n buah unit input (x1, x2, ... , xn), sebuah layar tersembunyi yang terdiri dari p buah unit (z1, ... , zp) dan m buah unit output (Y1, Y2, ... , Ym)
Jaringan layar jamak dapat menyelesaikan masalah yang lebih kompleks dibandingkan dengan layar tunggal, meskipun kadangkala proses pelatihan lebih kompleks dan lama.
c. Model JST dua lapisan dengan umpan balik
Tokoh yang pertamakali mencetuskan ide tentang model jaringan saraf tiruan dengan umpan balik adalah John Hopfield dari California Institute of Technology pada tahun 1982. Hopfield berpendapat bahwa kumpulan neuron tiruan dalam jumlah yang sangat besar dapat melakukan tugas-tugas tertentu.
Hopfield juga membandingkan antara jumlah neuron pada binatang dengan jumlah neuron diperkirakan sekitar 1000 buah dan bila dibandingkan
X1
Xi
Xn
V11
Vp1
W1i
Wpi
V1n
Vpn
Z1
Zp
W11
Wj1
Wm1
W1p
Wjp
Wmp
Y1
Ym
Yj
... .... ...
dengan manusia, jumlah neuron-nya mencapai 100 trilyun buah. Sungguh jumlah yang sangat fantastis.
Dengan jumlah neuron yang sangat besar, JST memiliki sifat yaitu fault tolerance. Sifat ini mengandung maksud kerusakan sedikit atau sebagian pada sel-sel dalam jaringan tidak akan mempengaruhi output yang akan dikeluarkan.
Model JST dua lapisan ini mempunyai sifat umpan balik, sehingga output yang dihasilkan akan mempengaruhi input yang akan masuk lagi ke dalam jaringan saraf tersebut.
Gambar 6. Model JST Dua Lapisan Dengan Umpan Balik [Sutikno, 2011]
d. Model JST lapisan kompetitif
Bentuk dari lapisan kompetitif merupakan bagian dari jumlah yang besar pada jaringan syaraf. Pada dasarnya, hubungan antara neuron satu dengan neuron yang lain pada lapisan kompetitif tidak ditunjukkan secara arsitektur pada beberapa jaringan syaraf. Contoh dari model atau arsitektur
∑ ∑
∑ ∑
∑ ∑
f f
f f
f f
x1
x2
xn
y1
y2
y3
Lapisan 1 Lapisan 1
lapisan kompetitif dapat dilihat pada Gambar 7, dimana koneksi dari lapisan tersebut memiliki bobot –ε.
Gambar 7. Model JST Lapisan Kompetitif [Sutikno, 2011]
3. Fungsi Aktivasi
Jaringan saraf merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Ada beberapa tipe jaringan saraf, namun demikian, hampir semuanya memiliki komponen-komponen yang sama. Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa neuron, dan ada hubungan antara
−ε
1 1
1 1
A1
Ai
Am
Aj
−ε
−ε −ε
−ε −ε
neuron-neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron- neuron yang lain. Pada jaringan saraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut. Gambar 8 menunjukkan struktur neuron pada jaringan saraf.
Gambar 8. Struktur Neuron Jaringan Saraf [Sutikno, 2011]
Jika dilihat, neuron buatan ini sebenarnya mirip dengan sel neuron biologis. Neuron-neuron buatan tersebut bekerja dengan cara yang sama pula dengan neuron-neuron biologis. Informasi (disebut dengan : input) akan dikirim ke neuron dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan yang akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai ambang (threshold) tertentu melalui fungsi aktivasi setiap neuron. Apabila input tersebut melewati suatu nilai ambang tertentu, maka neuron tersebut akan diaktifkan, tapi kalau tidak, maka neuron tersebut tidak akan diaktifkan. Apabila neuron tersebut diaktifkan, maka neuron tersebut akan mengirimkan output melalui bobot-bobot output nya ke semua neuron yang berhubungan dengannya. Demikian seterusnya.
bobot
bobot Input dari
neuron – neuron yang lain
Ouput ke neuron – neuron yang lain
Pada jaringan saraf, neuron-neuron akan dikumpulkan dalam lapisan- lapisan (layer) yang disebut dengan lapisan neuron (neuron layers).
Biasanya neuron-neuron pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelum dan sesudahnya (kecuali lapisan input dan lapisan output). Informasi yang diberikan pada jaringan saraf akan dirambatkan lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya, yang sering dikenal dengan nama lapisan tersembunyi (hidden layer). Tergantung pada algoritma pembelajarannya, bisa jadi informasi tersebut akan dirambatkan secara mundur pada jaringan. Gambar 9 menunjukkan jaringan saraf sederhana dengan fungsi aktivasi F.
Gambar 9. Fungsi Aktivasi Pada Jaringan Saraf Sederhana [Sutikno, 2011]
∑ F
X1
X2
XN
W1
W2
WN
a
b 1
Pada Gambar 9. tersebut sebuah neuron akan mengolah N input (x1, x2, ... , xN) yang masing-masing memiliki bobot wl, w2, ... , wN dan bobot bias b, dengan rumus :
N
i i iw x b a
1
Persamaa 1 [Sutikno, 2011]
kemudian fungsi aktivasi F akan mengaktivasi a menjadi output jaringan y.
Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan. Fungsi Aktivasi yang digunakan pada Backpropagation antara lain :
a. Fungsi sigmoid biner b. Fungsi sigmoid bipolar c. Fungsi linear
a. Fungsi sigmoid biner
Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi beberapa syarat yaitu : kontinu, terdiferensial dengan mudah dan merupakan fungsi yang tidak turun. Salah satu fungsi yang memenuhi ketiga sarat tersebut sehingga sering dipakai adalah fungsi sigmoid biner yang memiliki range (0,1).
Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk
jaringan syaraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan saraf yang nilai output nya 0 atau 1 (Gambar 10).
Fungsi sigmoid biner dirumuskan sebagai :
xx e f
y
1
1 Persamaan 2 [Sutikno, 2011]
dengan :
x f
x
f
x
f' 1
Gambar 10. Fungsi Aktivasi Sigmoid Biner [Sutikno, 2011]
b. Fungsi sigmoid bipolar
Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja output dari fungsi ini memiliki range antara 1 sampai -1 (Gambar 11).
Fungsi sigmoid bipolar dirumuskan sebagai :
xxe x e
f
y
1
1
Persamaan 3 [Sutikno, 2011, Pengenalan JST dan Heb Rule, blog.undip.ac.id]
dengan:
x
f
x
f
x
f 1 1
' 2
Gambar 11. Fungsi Aktivasi Sigmoid Bipolar [Sutikno, 2011]
c. Fungsi linear (identitas)
Fungsi linear memiliki nilai output yang sama dengan nilai input (Gambar 12).
Fungsi linear dirumuskan sebagai : y = x
Gambar 12. Fungsi Aktivasi Linear (Identitas) [Sutikno, 2011]
E. Matlab
Matlab merupakan bahasa pemrograman, yang terutama digunakan pada teknik-teknik komputasi. Matlab menyediakan fasilitas-fasilitas untuk komputasi, visualisasi, dan pemrograman. Matlab memiliki beberapa feature yang dikelompokan berdasarkan aplikasi tertentu yang dikenal dengan nama Toolbox. Dengan toolbox ini para pengguna diharapkan dapat mempelajari dan mengaplikasikan teknologi pada bidang kajian tertentu. Program yang ditulis dengan menggunakan Matlab memiliki ekstensi m (.m). Untuk membuat program dengan Matlab dapat dilakukan dengan menggunakan Matlab Editor.
Pemrograman Matlab
−1
−1
1 1
0 x
y
1. Membentuk M-File
Pemrograman dengan M-File memberikan kontrol lebih banyak dibandingkan dengan command line. Dengan M-File bisa dilakukan percabangan, perulangan dan lain-lain. Struktur Program M-File mirip dengan bahasa C yang membagi program dalam blok program berupa fungsi-fungsi. Tiap fungsi dapat memanggil fungsi yang lain. Script dalam jendela perintah berguna untuk menyelesaikan permasalahan yang pendek.
Sebaliknya M-file dapat dipakai untuk berbagai aplikasi sesuai keinginan pemakai.
Program-program yang membutuhkan fungsi yang lebih kompleks dapat dilihat pada jendela launch pad atau help.
Jendela M-file dapat dibuka melalui menu File - New – M-file atau dengan menekan Ctrl-N. Jendela M-file tampak pada Gambar 13. Bagian- bagiannya mirip dengan editor teks biasa. Bagian tengah dipakai untuk mengetikkan program. Di bagian atas adalah menu yang dapat dipakai untuk mengedit dan menjalankan (running) program.
Gambar 13. Editor Matlab
Fungsi dalam Matlab terdiri dari dua bagian yaitu definisi fungsi dan tubuh fungsi :
a. Definisi Fungsi
Bentuk definisi fungsi adalah sebagai berikut :
Function <argumen keluaran> = <nama fungsi> (<argumen masukan>)
Sebagai contoh :
Function y = average (x)
Baik argumen masukan maupun keluaran bisa berupa variabel berupa skalar, vektor maupun matriks, atau tanpa argumen sama sekali.
Argumen masukan boleh lebih dari satu. Masing-masing dipisahkan dengan tanda koma. Demikian juga apabila argumen keluaran lebih dari satu
elemen, maka argumen tersebut dipisahkan dengan tanda koma dan diletakkan diantara kurung siku.
function [x,y,z] = sphere(theta,phi,rho)
b. Tubuh fungsi
Tubuh fungsi berisi semua perintah Matlab untuk membuat komputasi dan memberikan harga kepada argumen keluaran.
Statemen dalam tubuh fungsi bisa berupa pemberian nilai pada suatu variabel, masukan/keluaran, fungsi kontrol, iterasi, ataupun pemanggilan kepada fungsi lain,
Untuk membantu menjelaskan perintah, Matlab memberi fasilitas membuat komentar. Komentar didahului dengan tanda %. Statemen setelah tanda % tidak akan diproses oleh Matlab.
Contoh fungsi dalam Matlab adalah sebagai berikut.
Function y = average (x)
% fungsi untuk menghitung rata-rata elemen dalam vektor x y = sum(x)/length(x);
Perhatikan bahwa agar dapat dijalankan dengan benar, maka program harus disimpan dahulu ke dalam file yang namanya sama (berekstensi *.m) dengan nama fungsi
2. Masukan Dan Keluaran
Perintah Masukan-Keluaran dari Keyboard
Untuk membaca data dari keyboard, gunakan perintah input.
Selanjutnya user harus memasukkan nilai variabel di jendela perintah (command window)
Sintaksnya adalah :
nama variabel = input('teks')
Sebagai contoh, untuk memasukkan data vektor dari keyboard ke dalam variabel x, digunakan perintah :
x = input ('data = ')
Apabila di-run, maka di monitor akan tampak teks data =, dan menunggu input data dari user yang diakhiri dengan penekanan enter.
Apabila langsung ditekan enter, maka x akan berisi matriks kosong.
Untuk menampilkan isi suatu variabel, ada dua perintah yang dipakai yaitu :
Perintah disp. Formatnya adalah :
disp (nama variabel)
Perintah disp (x) akan menampilkan isi X di layar jendela perintah.
Apabila argumen disp berupa string (teks diantara dua tanda petik), maka akan ditampilkan teks tersebut. Perhatikan disini bahwa argumen perintah
disp adalah tunggal. Jika ingin dicetak nilai beberapa variabel (atau teks dan variabel), maka perintah disp harus dituliskan beberapa kali.
Perintah fprintf. Formatnya adalah :
fprintf (format, A, ...)
Format adalah bentuk penulisan yang akan ditampilkan di layar seperti jumlah angka desimal, tab, lebar karakter, penulisan di baris baru, dan lain-lain. A, ... adalah nama variabel yang isinya dicetak di layar.
Format penulisan bilangan riil adalah sebagai berikut :
% -12.5 e
Konversi karakter yang umum dipakai tampak pada Tabel 1.
Tabel 1. Konversi Karakter [Booch, 1999]
Konversi Keterangan
‘ %c ’ Karakter tunggal
‘ %d ‘ Notasi desimal dengan tanda +/-
‘ %e ‘ Notasi eksponensial
‘ %f ‘ Notasi titik tetap (fixed point)
‘ %i ‘ Notasi desimal dengan tanda +/-
Selain konversi karakter, tersedia pula karakter pengontrol penulisan (escape character) yang diawali dengan backslash ( \ ). Beberapa karakter pengontrol yang sering dipakai tampak pada Tabel 2.
Tabel 2. Karakter Pengontrol [Booch, 1999]
Karakter Keterangan
\b Backspace
\f
Formfeed (penulisan diteruskan dalam baris yang sama)
\n Penulisan silakukan pada baris baru
Perintah Masukan-Keluaran dari Berkas
Masukan dan keluaran juga bisa diakses dari/ke berkas. Sebelum mengakses, berkas terlebih dahulu harus dibuka dengan perintah fopen. Format perintahnya adalah sebagai berikut :
fid = fopen(filename,permission)
fid adalah variabel identitas file yang nantinya dipakai ketika akan membaca atau menulis. Filename adalah string berisi nama file (dan direktorinya) yang dibaca/ditulis. Permission adalah kondisi file yang dibaca/ditulis. Defaultnya adalah file hanya dibuka untuk dibaca. Konsisi yang umum dipakai tampak pada Tabel 3.
Tabel 3. Tipe Berkas [Booch, 1999]
Permission Keterangan
‘r’ Buka file hanya untuk dibaca (default)
‘w’ Buka file, atau buat file baru untuk ditulisi (rewrite)
‘a’ Buka file, atau buat file baru untuk ditulisi (append di akhir file yang telah ada)
‘r+’,
‘w+’,
‘a+’
Sama seperti ‘r’, ‘w’, ‘a’. hanya disini file dapat dipakai untuk baca maupun tulis
Untuk menulis isi variabel ke berkas, gunakan perintah fprintf yang formatnya mirip dengan format fprintf bukan berkas. Bedanya adalah adanya tambahan nama variabel identitas file
fprintf (fid, format, A, ...)
fid adalah nama variabel identitas file yang dipakai pada perintah fopen. Format adalah format penulisan (lengkapnya lihat tabel 2 dan 3). A, ... adalah nama variabel yang isinya dituliskan pada berkas.
Agar berkas yang dibuka dapat ditulisi dengan baik, maka berkas harus ditutup kembali dengan perintah fclose (fid). fid adalah variabel nama berkas yang digunakan dalam perintah fopen.
Untuk membaca berkas teks, digunakan perintah fread yang formatnya adalah sebagai berikut :
A = fread(fid,size,precision)
fid adalah variabel nama file yang digunakan dalam fopen. size adalah jumlah data yang dibaca dan ditempatkan di variabel A. Jika tidak dituliskan, maka berkas akan dibaca hingga akhir. Precision menyatakan format teks yang dibaca (integer dengan tanda).
3. Statemen Kendali
Statemen kendali memungkinkan untuk mengontrol alur program.
Format perintahnya adalah sebagai berikut :
if expression statements end
expression adalah kondisi yang menentukan arah percabangan. Jika kondisi ini benar, maka statements akan dilakukan. Jika salah maka program akan melompat ke perintah setelah end.
Struktur tersebut digambarkan dalam bagan alir Gambar 14.
expression
benar ? Statements
Perintah setelah end
ya
tidak
Gambar 14. Bagan Alir if – then [Booch, 1999]
Bentuk yang lebih umum adalah menentukan statemen apa yang dilakukan jika kondisi expression bemilai salah. Untuk itu ditambahkan perintah
else. Jika expression bernilai benar, maka statemens l yang akan dilakukan.
Akan tetapi jika salah, maka statements 2 yang dilakukan.
if expression
statements l else
statements2 end
Gambar 15. menunjukkan bagan alir proses dengan perintah if-then-eIse
Statements 2 Statements 1
Perintah setelah end expression
benar ?
ya tidak
Gambar 15. Bagan Alir if - then - else[Booch, 1999]
Expression dalam kedua bentuk if tersebut berisi variabel-variabel yang dihubungkan dengan operator logika (atau fungsi yang memiliki return boolean true atau false). Operator logika yang dapat dipakai tampak pada Tabel 4.
Tabel 4. Operator Logika[Booch, 1999]
Operator Arti
< Lebih kecil dari
<= Lebih kecil atau sama dengan
> Lebih besar dari
>= Lebih besar atau sama dengan
= = Sama dengan
~ = Tidak sama dengan
4. Statemen Perulangan
Statemen perulangan digunakan untuk mengulang-ulang suatu blok perintah. Ada dua bentuk perulangan yang umumnya dipakai :
a. Struktur For
Dalam struktur ini, jumlah perulangan yang akan dilakukan ditentukan oleh pemakai. Jadi sebelum statemen dalam perulangan dieksekusi, sudah diketahui berapa kali nantinya statemen tersebut dieksekusi.
Bentuk struktur For adalah sebagai berikut :
for variable = skalar : skalar statement
...
statement end
Struktur for dapat dibuat bersarang (nested loop). Pada kasus ini, loop For yang paling dalam akan dieksekusi dahulu hingga selesai, baru kemudian ke loop For sebelah luarnya. Sebagai contoh, perhatikan program
n =4
a = zeros (n,n) %Matriks awal For i = 1:n
For j = 1:n a(i,j) = 1/(i+j -1);
End End
Program tersebut akan secara ieratif mengisi elemen matriks baris-i kolom-j dengan
1 1
j i
b. Struktur While
Dalam struktur while, banyaknya perulangan ditentukan dari kondisi syarat yang ditetapkan. Selama kondisi tersebut bernilai benar, maka perulangan terus dilakukan. Perulangan bisa dilakukan beberapa kali, tidak pernah dilakukan sama sekali, atau bahkan dilakukan terus menerus tanpa pernah berhenti. Pembuat program harus memastikan bahwa suatu saat nantinya, kondisi sarat bernilai salah (sehingga perulangan berhenti) Bentuk umum struktur While adalah sebagai berikut :
while expression op_rel expression statements
end
dimana op_rel adalah ==,<, >, <=, >=, atau ~=.
Statemen akan dieksekusi terus menerus selama ekspresi setelah kata kunci while bernilai benar.
Struktur while dipakai jika akan dihentikan iterasi segera setelah dicapai kesimpulan. Sebagai contoh, misalkan ingin dicek apakah dalam matriks yang diinputkan ada elemen 0. Pengecekan tidak perlu dilakukan pada semua elemen matriks. Misalkan pengecekan dimulai dari elemen kiri atas. Segera setelah ditemukan elemen 0, maka pengecekan dihentikan dan bisa diambil kesimpulan tentang matriks tersebut.
F. Roadmap Penelitian
Penelitian Yang pernah Dilakukan sebelumnya
1). Skripsi, EEPIS BPPT, 2002
Judul : Sistem Kendali Turrep Coil Dengan menggunakan kamera Hasil Yang Diperoleh :
Aplikasi ini dapat mengendalikan Turrep coil dengan menggunakan kamera.
Hasil yang dicapai yaitu Kondisi yang di control hanya satu element dengan menggunakan kamera sedangkan pada penelitian ini bias lebih dari satu objek.
2). Jurnal. Nugroho /STTN/Batan.ac.id/, 2006
Judul : Kendali Posisi pencitraan pada Neoutron Tomografy Hasil Yang Diperoleh :
Hasil yang di capai adalah Mengendalikan pergerakan neoutron. Pada penelitian ini tidak memantau secara real time suatu perubahan neoutron tomography.
3). Karya Ilmiah. UNISLA.
Judul : Pelacakan Objek Gambar Video berdasarkan sekmen citra Hasil Yang Diperoleh :
Hasil yang diperoleh adalah Analisa Citra objek berdasarkan sekment pada gambar. Padap penelitian ini tidak ada perlakuan system terintegrasi dengan perangkat luar (interface).
E. Kerangka Konseptual
Gambar 16. Kerangka Konseptual
Dalam menghidupkan lampu pada ruangan menggunakan system on/off lampu secara otomatisasi
Adapun perangkat keras yang membantu system dalam melakukan otomatisasi on/off lampu yaitu mikrokontroler,driver relay,catu daya,kamera
webcam,sensor PIR dan PC
Mikrokontroler sebagai pusat pengendali system yang dihubungkan dengan PC, sensor PIR, rangkaian catu daya, driver relay dan kamera
Meng-capture gambar sebagai bahan perbandingan pencitraan pada aplikasi
Menguji dan menganalisa kendala sistem
BAB III
METODE PENELITIAN
A. Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada objek Ruangan yang terintegrasi dengan peralatan listrik, yang dalam hal ini adalah lampu. Ruangan yang dijadikan objek adalah salah satu ruangan di Kampus Politeknik Negeri Manado, tepatnya di Jurusan Teknik Elektro. Waktu penelitian dari bulan Februari sampai dengan Juni 2013.
B. Teknik Pengumpulan data
Dalam penulisan proposal ini, penulis mengunakan 3 cara pengambilan data yaitu:
1. Metode Observasi, Metode observasi dilakukan pengamatan secara langsung ditempat atau lokasi penelitian.
2. Metode Literatur, Pada metode ini, penulis menggunakan alat bantu buku-buku pustaka yang ada kaitannya dengan pembuatan sistem otomatisasi lampu menggunakan kamera webcam.
3. Metode Interview, Metode ini adalah melakukan wawancara secara langsung.
C. Alat dan Bahan
Alat dan bahan yang diperlukan pada penelitian ini adalah sebagai berikut :
1. Lampu
2. Kamera Webcam Genius eFace 1325R 3. PC
4. Mikrokontroler AVR Arduino 328 5. Driver Relay
6. Catu daya
7. Aplikasi MATLAP
D. Tahapan Penelitian
Gambar 17. Tahapan Penelitian SeminarProposal
Kajian Pustaka, Penelusuran dan Pengumpulan Alat dan Bahan
Desain Hardware
Pengujian dan Pengukuran Evaluasi dan Penulisan
Seminar Hasil Desain Software
Konfigurasi Software dan Hardware
Mulai
Persiapan
Ujian Tutup Selesai
E. Rancangan Penelitian
Rancangan penelitian dapat dilihat pada gambar berikut :
Gambar 18. Blok Diagram Rancangan Sistem
Pada gambar blok diagram di atas dapat diuraikan dimana input sensor adalah kamera untuk mendeteksi kondisi peralatan listrik dalam ruangan, yang dalam hal ini adalah lampu. PC akan mengkonversi nilai citra ruangan ke dalam bentuk biner, yang selanjutnya akan di outputkan ke mikrokontroler sebagai data switch peralatan listrik.
Kamera Interface Mikrokontroler Catudaya Driver
Peralatan Listrik
JST Hasil JST Capture
PC
F. Rancangan Hardware
Gambar 19. Wiring Diagram System
G. Rancangan Software
Rancangan sofhtware meliputi : 1. Inisialisasi Jaringan 2. Inisialisasi Bobot 3. Simulasi Jaringan Flowchart Hasil Rancangan.
1. Diagram Alir Pengambilan Citra Referensi
Gambar 20. Diagram alir pengambilan citra referensi Mulai
Citra ruangan Menggunakan Webcam
Load Citra Referensi
Ada Citra
Grayscaling Analisa Citra
Menyimpan nilai ciri dan data user
Selesai
T
Y
Masukkan Data ruangan user
Pengambilan citra dimulais dari bagaimana sistem difungsikan untuk mengcapture gambar selanjutnya data citra disimpan pada memori dan dilakukan Grycaling selanjutnya analisa citra.
2. Diagram Alir Pengidentifikasi
Load Citra Ruangan Mulai
Citra Ruangan Menggunakan Webcam
Ada Citra
Menampilkan Histogram Citra RGB Grayscaling
Menampilkan Histogram Citra Grayscale
Analisa Citra
1
Gambar 21. Diagram alir pengidentifikasian ruangan
Proses identifikasi ruangan pada pencitraan peralatan listrik ini di ambil dari data citra yang sudah di training kemudian dilakukan pembanding dengan nilai citra yang sudah di setpoint, apabila lebih besar dari 95 maka data training tidak diproses.
Menghitung Nilai Citra
Memilih Citra dengan Nilai Kesamaan Maksimal
Nilai Citra >95
Menampilkan Data Ruangan Yang Dikenali
Selesai 1
Menentukan Identitas dari Citra Ruangan
Data Ruangan Tidak Dikenali
BAB IV
HASIL DAN PEMBAHASAN
A. Citra Ruangan
Citra yang diambil oleh kamera (webcam) masih belum bisa langsung dimasukkan ke dalam program. Berikut citra hasil pengambilan dengan kamera.
Gambar 22. Citra hasil pengambilan dengan webcam
Citra hasil pengambilan tersebut tidak hanya mencakup citra rungan saja. Sehingga citra rungan pada citra tersebut akan diambil untuk dipergunakan dalam program aplikasi.
Gambar 23. Citra lampu TL
Gambar di atas (gambar 23) adalah citra lampu hasil proses pemotongan (croping) dan penskalaan (scaling) yang diproses menggunakan program Microsoft Office Picture Manager. Proses pemotongan dilakukan untuk mengambil bagian ruangan, dan proses penskalaan dilakukan untuk mengatur ukuran citra ruangan menjadi 150x150 piksel.
Perancangan citra pada sistem ini adalah mengenal kondisi lampu pada ruangan, dengan kamera sebagai sensor. Terdapat dua lampu yang akan dicitra
B. Pengenalan Ruangan
Proses pengujian untuk mengidentifikasi ruangan dilakukan dengan program aplikasi dengan bahasa pemrograman GUI Matlab.
Program tersebut terbagi atas dua bagian yaitu bagian referensi dan bagian untuk pengidentifikasian. Bagian referensi dibuat untuk menampung sepuluh citra peralatan listrik beserta data untuk dijadikan referensi pada proses pengidentifikasian. Sedangkan bagian pengidentifikasian sebagai tempat untuk proses identifikasi. Berikut tampilan program keseluruhan.
C. Desain Proses Inisial dan input Ruangan
Masuk ke sistem pengenalan ruangan, metode yang digunakan adalah metode jaringan saraf tiruan atau neural network. Karena perbedaan metode ini maka uji coba yang dilakukan juga berbeda-beda. Pada proses pengujian sistem ini akan diuji sejauh mana kehandalan proses pengenalan ruangan menggunakan neural network yang parameternya telah diujicoba, terlebih dahulu.
Gambar 24. Aplikasi Pengambilan Ruangan
Gambar 24 adalah button untuk capture ruangan inisial dengan potogan ruangan yang berbeda pada 2 kondisi. Untuk Input ruangan difungsikan sebagai capture ruangan yang akan dibandingkan dengan inisial ruangan.
D. Desain Proses Imange- Neural Network
Proses pengenalan ruangan diawali dengan menginputkan citra ruangan. Pemasukkan citra ruangan sebagai input dilakukan dengan cara menekan button input ruangan. Sedangkan untuk image prosessing menggunakan fungsi button imange-Neural Network.
Gambar 25. Pemasukan citra ruangan sebagai input
Saat button input ruangan ditekan maka akan muncul menu membuka gambar sehingga bisa dipilih citra ruangan yang akan dimasukkan.
Citra ruangan yang dimasukkan akan ditampilkan dalam program dalam bentuk citra warna.
Citra ruangan yang dimasukan dalam bentuk citra warna akan diproses dengan mengkonversi citra ruangan tersebut ke dalam bentuk citra grayscale dengan menekan button RGB-Gray.
Gambar 26. Tampilan hasil Citra ruangan warna yang sudah diproses dalam program
Kemudian citra ruangan dalam bentuk citra Grayscale dikonversi kembali ke dalam bentuk citra biner (hitam-putih) dengan menekan button hitam-putih.
Setelah diperoleh hasil citra biner (hitam putih) lalu dilakukan proses konversi ke nilai citra yang ditampilkan dalam program dengan melihat nilai pencitraan. Dalam pengujian penginputan ruangan pada isistem diwakilkan dengan 4 kondisi ruangan dengan inisial A, B, C dan D diperlihatkan pada tabel 5.
Tabel 5. Citra ruangan dan data referensi
Citra Ruangan Inisial Nama Citra
A Kondisi 1
B Kondisi 2
C Kondisi 3
D Kondisi 4
Tabel 5 menggambarkan citra ruangan dan data referensi yang terdiri dari empat gambar masing-masing didalam satu frame dengan empat kondisi lampu.
Tabel 6 memperlihatkan bahwa dalam ruangan ada dua saklar, dengan kondisi saklar off dan on seperti berikut :
Tabel 6. Karakter objek ruangan
Dari tabel 6 dilakukan proses pengujian ruangan target dengan empat citra input sehingga diperoleh kondisi lampu masing-masing keadaan.
E. Pengujian kondisi citra biner
Pada pengujian kondisi output sistem akan mengaktif driver relay dengan idikator monitoring objek pada aplikasi . Kemudian citra ruangan dalam bentuk citra Grayscale dikonversi kembali ke dalam bentuk citra biner (hitam-putih) .
Citra Input Ruangan Target Tersimpan di file
Kondisi Lampu Lampu 1 Lampu 2
Kondisi 1 A Off Off
Kondisi 2 B On Off
Kondisi 3 C Off On
Kondisi 4 D On On
Gambar 27. Citra ruangan dalam bentuk citra Grayscale, citra biner dan nilai biner.
Setelah diperoleh hasil citra biner (hitam putih) lalu dilakukan proses konversi ke nilai citra yang ditampilkan dalam program dengan melihat nilai pencitraan.
F. Pengujian kondisi output berdasarkan input ruangan
Pengujian pertama dilakukan pada Objek Ruangan dengan inisial A Pada pengujian ini di uji Inisial A dengan kondisi ke dua lampu off pada rungan. Pengujian juga dilakukan dengan menguji empat kondisi lampu pada ruangan. Dan hasil pengujian memberikan indikasi yang terdeteksi hanya pada kondisi inisial A. Selanjutnya dilakukan juga pengujian pada Objek Ruangn dengan inisial B, C dan D. Hasilnya dapat dilihat pada tabel berikut :
Tabel 7. Hasil Pengujian lampu dalam ruangan dengan 4 (empat) kondisi.
Pada pengujian tabel 7 dihasilkan gabungan ke empat kondisi.
Diperoleh data terdeteksi hasil data yang tak dikenal dan yang dikenal sesuai prinsip kerja sistem.
Ruangan
Kondisi A Kondisi B Kondisi C Kondisi D Keadaa
n Lampu
Hasil Penguj
ian
Keada an Lampu
Hasil Penguji
an
Keadaa n Lampu
Hasil Peng
ujian
Keada an Lampu
Hasil Peng
ujian
off Terdet
eksi -
Tdk terdete
ksi
-
Tdk terdet
eksi
-
Tdk terdet
eksi
-
Tdk terdete
ksi
On Terdet
eksi -
Tdk terdet
eksi
-
Tdk terdet
eksi
-
Tdk terdete
ksi
-
Tdk terdete
ksi
On Terde
teksi -
Tdk terdet
eksi
-
Tdk terdete
ksi
-
Tdk terdete
ksi
-
Tdk terdet
eksi
On Terde teksi
G. Pengujian control
Gambar 28. Tampilan Sistem Kontrol
Proses control system di uji dengan menggunakan 2 buah lampu dengan kondisi saklar On dan Off. Kondisi control akan dieksekusi saklar On dan Off pada dua saklar lampu. User akan memonitoring pada tampilan monitoring objek dan kondisi lampu yang akan dikontrol.
H. Image Processing
Proses pengenalan ruangan diawali dengan menginputkan citra ruangan. Pemasukkan citra ruangan sebagai input dilakukan dengan cara menekan button input ruangan.
