v
ABSTRAK
Intelejensia buatan merupakan cabang ilmu yang dapat membantu manusia untuk mengotomatisasikan pekerjaan mereka. Jaringan saraf tiruan merupakan salah metode intelejensia buatan yang terkenal dan sering digunakan untuk proses-proses klasifikasi, prediksi, pengenalan pola, dan optimisasi. Jaringan saraf tiruan memiliki kemampuan spesial untuk belajar dari suatu pola atau data. Salah satu jaringan saraf tiruan yang paling mirip dengan cara kerja pembelajaran pada sel otak manusia adalah Self Organizing Map. Self Organizing Map menggunakan metode unsupervised dalam melakukan proses pembelajaran, sehingga jaringan dapat mengenali pola tanpa antisipasi output. Salah satu masalah yang dapat dipecahkan dengan menggunakan jaringan saraf tiruan Self Organizing Map adalah pengenalan pola pada tulisan tangan huruf alfabet.
Pada proyek ini, jaringan saraf akan digunakan dalam permainan kuis untuk mengenali tulisan tangan huruf alfabet. Pengguna dapat membuat daftar soal sendiri dan memainkannya dengan menjawab setiap pertanyaannya. Pada saat pengguna menjawab setiap soal, pengguna juga mempunyai akses untuk memainkan model 3D. Aplikasi akan dibagi menjadi 2 yaitu: Game Editor dan
Game Launcher. Game Editor digunakan untuk menyiapkan soal-soal dan file-file
multimedia. Game Launcher akan digunakan untuk memainkan soal yang sebelumnya telah dibuat dalam Game Editor.
Jaringan saraf Self Organizing Map akan dilatih dengan suatu gambar dan pola didalamnya harus dikenali. Gambar harus diproses untuk mendapatkan informasi di dalamnya. Terdapat beberapa cara untuk mendapatkan informasi pada gambar, yaitu dengan mengambil informasi setiap pixel pada gambar, setiap pixel yang telah dibagi 9 petak, rata-rata pixel per kolom, baris, dan diagonal kiri dan kanan. Kemudian, ubah setiap bobot node dalam jaringan menggunakan nilai jarak atau nilai error. Setelah selesai, jaringan akan disimpan untuk digunakan dalam proses klasifikasi. Dalam proses klasifikasi, jaringan akan mencari pola yang paling mirip dengan pola yang diberikan.
Implementasi jaringan saraf tiruan Self Organizing Map diharapkan dapat memberikan kontribusi yang positif pada manusia. Penerapan jaringan saraf pada aplikasi lain dan pengembangan sistem lama tentunya dapat memberikan hasil yang lebih baik di masa depan.
Kata Kunci : Intelejensia Buatan, Jaringan saraf tiruan, Self Organizing Map,
vi
ABSTRACT
Artificial Intelligence is a branch of science that can help people to automate their works. Artificial neural network is one of popular method of artificial intelligence and usually it was used for clasification, prediction, pattern recognition, and optimization processes. Artificial neural network has special ability to learn from patterns or data. One of neural networks that has the most
similarity in learning mechanism of human’s brain cell is Self Organizing Map.
Self Organizing Map using unsupervised method in learning process, so it can learn through a given pattern without anticipated output. One of problems that can be solved with artificial neural network Self Organizing Map is pattern recognition for handwritten alphabet.
In this project, neural network will be used in a quiz game to recognize handwritten alphabet. Users can make their own question list and play with it by answering each question inside it. When users are answering the questions, users also has an access to play with 3D model. Application will be divided into 2 parts: Game Editor and Game Launcher. Game Editor will be used to prepare the questions and multimedia files. Game Launcher will be used to play previous questions that have been made in Game Editor.
Neural network Self Organizing Map will be trained with given image and the pattern inside it must be recognized. The given image must be processed to get its information. There are several ways to get information for a given image, that is by extracting the information for each pixel inside the image, each pixel that already divided into 9 grids, average pixel for each column, row, and right and left diagonal. Then, adjust each weights of node in the network using distance value or error value. After the network finish, network will be saved for next classification process. In classification process, network will search for the pattern that most similar with the given pattern.
Implementation of artificial neural network is expected to give a positive contribution for the people. Other implementation of neural network and development of previous system may give the better result in the future.
Keywords : Artificial Intelligence, Artificial Neural Network, Self Organizing
vii
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii
PERNYATAAN PERSETUJUAN PUBLIKASI LAPORAN PENELITIAN ... iii
KATA PENGANTAR ... iv
ABSTRAK ... v
ABSTRACT ... vi
DAFTAR ISI ... vii
DAFTAR GAMBAR ... x
DAFTAR TABEL ... xi
DAFTAR LAMPIRAN ... xii
DAFTAR ISTILAH ... xiii
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan ... 2
1.4 Batasan Masalah ... 2
1.5 Sistematika Pembahasan... 3
BAB II LANDASAN TEORI ... 4
2.1 Jaringan Saraf Tiruan ... 4
2.1.1 Penjelasan Awal ... 4
2.1.2 Masalah-masalah yang tidak sesuai dengan solusi jaringan saraf tiruan ... 8
2.1.3 Masalah-masalah yang sesui dengan jaringan saraf tiruan ... 8
2.1.4 Pelatihan jaringan saraf tiruan ... 9
2.1.5 Validasi jaringan saraf tiruan ... 10
2.1.6 Masalah-masalah yang umumnya diselesaikan menggunakan jaringan network... 10
2.1.7 Dimana saja jaringan saraf tiruan buatan dapat diterapkan: ... 12
2.2 Feedforward Backpropagation ... 12
viii
2.2.2 Layer Input ... 14
2.2.3 Layer Output ... 14
2.2.4 Layer Hidden ... 15
2.2.5 Fungsi Aktivasi ... 15
2.2.6 Pelatihan Backpropagation ... 18
2.3 Self Organizing Map ... 19
2.3.1 Konsep dasar self organizing map ... 19
2.3.2 Langkah-Langkah Membangun Jaringan Self Organizing Map ... 20
2.4 Java 3D ... 24
BAB III ANALISIS DAN DESAIN ... 27
3.1 Analisis ... 27
3.2 Gambaran Keseluruhan ... 29
3.2.1 Persyaratan Antarmuka Eksternal ... 29
3.2.2 Antarmuka Dengan Pengguna ... 30
3.2.3 Antarmuka Perangkat Keras ... 30
3.2.4 Antarmuka Perangkat Lunak... 30
3.2.6 Fitur-Fitur Produk Perangkat Lunak... 30
3.2.6.1 Mempelajari suatu pola karakter ... 30
3.2.6.2 Mengenali karakter ... 31
3.2.6.3 Membuat dan modifikasi soal ... 32
3.2.6.4 Memainkan model 3D ... 33
3.2.6.5 Menyimpan file soal ... 33
3.2.6.6 Membuka file soal ... 34
3.3 Disain Perangkat Lunak ... 34
3.3.1 Pemodelan Perangkat Lunak ... 34
3.3.2 Disain Antarmuka ... 41
BAB IV PENGEMBANGAN PERANGKAT LUNAK ... 43
4.1 Implementasi Modul/Class ... 43
4.1.1 Class Diagram ... 43
4.1.2 Implementasi Jaringan saraf tiruan ... 48
4.2 Implementasi Antarmuka ... 58
ix
4.2.2 Klasifikasi Pola... 70
4.2.3 Memainkan Model 3D ... 72
4.2.4 Manipulasi Soal ... 72
4.2.5 Menyimpan Soal ... 73
4.1.6 Membuka Soal... 75
BAB V TESTING DAN EVALUASI SISTEM ... 77
5.1 Blackbox ... 77
5.1.1.Testing delete individual file ... 77
5.1.2.Testing delete folder ... 77
5.1.3.Testing kompress zip ... 77
5.1.4 Testing dekompress zip ... 78
5.1.5.Testing melakukan copy gambar ... 78
5.1.6.Testing set gambar ... 79
5.1.7.Testing set model 3D ... 79
5.1.8.Testing deserialisasi soal... 80
5.1.9.Testing ubah hitam putih ... 80
5.1.10.Testing memotong tepi gambar ... 80
5.1.11.Testing alokasi bobot ... 81
5.1.12.Testing tambah soal ... 81
5.1.13.Testing ubah soal ... 82
5.1.14.Testing pelatihan jaringan ... 82
5.1.15.Testing klasifikasi tulisan tangan ... 83
BAB VI KESIMPULAN DAN SARAN ... 85
5.1 Kesimpulan ... 85
5.2 Saran ... 85
DAFTAR PUSTAKA ... xv
x
DAFTAR TABEL
Tabel 4.1 AnswerPanel ... 43
Tabel 4.2 Archieve ... 44
Tabel 4.3 DrawPanel ... 44
Tabel 4.4 GameEditor ... 45
Tabel 4.5 GameLauncher ... 45
Tabel 4.6 MenuComponent ... 45
Tabel 4.7 Panel 2D... 45
Tabel 4.8 Panel3D... 46
Tabel 4.9 Question ... 46
Tabel 4.10 Utils ... 46
Tabel 4.11 Visualizer ... 46
Tabel 4.12 SelfOrganizingMap ... 47
Tabel 4.13 Detail perubahan objek dalam jaringan SOM ... 57
Tabel 5.1 Testing delete individual file ... 77
Tabel 5.2 Testing delete folder ... 77
Tabel 5.3 Testing kompress zip ... 78
Tabel 5.4 Testing dekompres zip ... 78
Tabel 5.5 Testing melakukan copy gambar ... 78
Tabel 5.6 Testing set gambar ... 79
Tabel 5.7 Testing set model 3D ... 79
Tabel 5.8 Testing deserialisasi soal ... 80
Tabel 5.9 Testing ubah hitam putih ... 80
Tabel 5.10 Testing memotong tepi gambar ... 81
Tabel 5.11 Testing alokasi bobot ... 81
Tabel 5.11 Testing tambah soal ... 82
Tabel 5.11 Testing ubah soal ... 82
Tabel 5.11 Testing pelatihan jaringan ... 83
xi
DAFTAR GAMBAR
Gambar 2.1 Neuron Sel ... 5
Gambar 2.2 Sinyal Digital ... 5
Gambar 2.3 Sinyal Analog ... 6
Gambar 2.4 Grafik Output ... 6
Gambar 2.5 Neuron Digital ... 7
Gambar 2.6 Variasi Lampu Lalu Lintas... 11
Gambar 2.7 Jaringan Saraf Feedforward (1 layer hidden) ... 13
Gambar 2.8 Rentang Nilai Fungsi Sigmoid ... 16
Gambar 2.9 Rentang Nilai Fungsi Hyperbolic Tangent ... 17
Gambar 2.10 Rentang Nilai Fungsi Linear ... 17
Gambar 2.11 Gaussian Decay ... 23
Gambar 3.1 Flowchart Game Editor ... 28
Gambar 3.2 Flowchart Game Launcher ... 29
Gambar 3.3 Use Case ... 35
Gambar 3.4 Aktivity Manipulasi Soal ... 37
Gambar 3.5 Aktivity Memainkan Model 3D ... 38
Gambar 3.6 Aktivity Melakukan Pelatihan Pengenalan Pola ... 39
Gambar 3.7 Aktivity Klasifikasi Pola ... 39
Gambar 3.8 Aktivity Menyimpan Soal ... 40
Gambar 3.9 Aktivity Membuka Soal ... 40
Gambar 3.10 Disain Visualizer ... 41
Gambar 3.11 Disain Game Editor ... 41
Gambar 3.12 Disain Game Launcher... 42
Gambar 4.1 Class Diagram ... 43
Gambar 4.2 Sketsa jaringan saraf tiruan ... 48
Gambar 4.3 Perbandingan Noise ... 58
Gambar 4.4 Alokasi bobot ... 61
Gambar 4.5 Percobaan bauran berdasarkan nilai acak ... 66
Gambar 4.6 Perbandingan Penambahan Nilai Variabel Bauran ... 67
Gambar 4.7 Pelatihan Pola ... 68
Gambar 4.8 Klasifikasi Pola ... 71
Gambar 4.9 Memainkan Model 3D ... 72
Gambar 4.10 Manipulasi Soal ... 73
Gambar 4.11 Membuat Soal ... 73
xii
DAFTAR LAMPIRAN
Lampiran 4.1 Source code ubah hitam putih ... 59
Lampiran 4.2 Source code potong tepi kosong ... 60
Lampiran 4.3 Alokasi bobot ... 65
Lampiran 4.4 source code proses pembelajaran ... 70
Lampiran 4.5 Source code klasifikasi tulisan tangan ... 72
xiii
DAFTAR ISTILAH
1. Algoritma = Struktur penulisan kode yang digunakan untuk melakukan kalkulasi dalam suatu pekerjaan.
2. SOM = Self Organizing Map. 3. Unsupervised = Tanpa pengawasan. 4. Supervised = Dengan pengawasan. 5. Alfabet =Huruf Abjad.
6. 3D = 3 Dimensi. 7. File = Berkas
8. Pixel = Bagian terkecil dari informasi suatu gambar bitmap 9. API = Application Programmer Interface
10.Filtering = Proses perubahan tiap pixel dalam suatu gambar 11.Reduksi Noise = Reduksi suatu pixel yang dianggap kotoran. 12.Sel = Bagian terkecil dari suatu komponen mahluk hidup. 13.Neuron = Saraf.
14.Axon = Bagian dari sel saraf yang berfungsi untuk mengirimkan sinyal. 15.Dendrit = Bagian dari sel saraf yang berfungsi untuk menerima sinyal. 16.Analog = Menggunakan data dengan rentang yang cukup besar. 17.Digital = Menggunakan data dengan rentang 0 dan 1
18.Biner = Dua.
19.Threshold = Ambang.
20.Matrix = Larik yang memiliki ukuran terbatas untuk menyimpan suatu informasi dan dituliskan berdasarkan posisi baris dan kolom.
21.Hybrid = Gabungan dari beberapa metode. 22.Error = Kesalahan.
23.Epoh = Waktu.
24.Online = Terhubung dengan jaringan internet. 25.Output = Keluaran.
26.Input = Input
27.Brute force = Metode yang mencoba segala kemungkinan yang ada. 28.Overfitting = Keadaan dimana jumlah node hidden terlalu banyak. 29.Underfitting = Keadaan dimana jumlah node hidden terlalu sedikit.
30.Feedforward = Proses menghitung nilai node dari layer input ke layer output
31.Backpropagation = Proses menghitung nilai error dari layer output ke layer input dan mengubah setiap bobot pada setiap layer yang dikunjungi. 32.Fungsi sigmoid = Fungsi aktivasi yang memiliki nilai rentang output
xiv
33.Fungsi Hyperbolic Tangent = Fungsi aktivasi yang memiliki nilai rentang positif dan negatif.
34.Fungsi Linear = Fungsi aktivasi yang mengembalikan nilai apa adanya. 35.Derivative = Operasi turunan matematika.
36.Learning rate = Kemampuan belajar. 37.BMU = Best Matching Unit.
38.Cluster = Kelompok
39.Euclidean Distance = Metode matematika untuk menghitung jarak antara 2 titik
40.Vector Dot Product = Metode matematika untuk menghitung sudut antara 2 vector.
41.RMS = Root Mean Square
42.Developer = Orang yang memiliki peran sebagai pengembang suatu sistem tertentu.
43.OpenGL = Pustaka yang berisi implementasi untuk proses penggambaran dan kalkulasi objek 3D.
44.DirectX = Kumpulan pustaka yang ditujukan untuk mengembangkan aplikasi berbasiskan 3D.
45.CAD = Computer Aided Design. 46.JDK = Java Developent Kit.
47.Scene-graph = Graph yang digunakan untuk menyimpan objek 3D secara hierarki.
48.Ambient light = Cahaya yang menyebar pada segala arah dengan intensitas yang sama.
49.directional light = Cahaya yang menunjuk pada suatu arah tertentu.
50.Point light = Cahaya yang bersumber pada suatu titik tertentu dan memancarkan sinar pada radius tertentu dengan intensitas tertentu.
51.spot light = Cahaya yang menunjuk pada suatu arah tertentu dengan radius tertentu.
52.Material = Material digunakan untuk memberikan warna dan memberikan suatu sifat benda tertentu pada bidang geometry.
53.UV Mapping = Proses penempatan koordinat tekstur pada objek 3D. 54.Orthogonal = Sudut pandang terhadap suatu objek 3D dengan ukuran
sebenarnya.
55.Perspektif = Sudut pandang terhadap suatu objek 3D untuk membuat objek tampak lebih kecil jika jarak lebih jauh dan tampak lebih besar jika jarak lebih dekat.
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Teknologi sudah merupakan suatu hal yang penting bagi kebanyakan orang zaman sekarang. Baik itu untuk kepentingan umum atau pribadi, teknologi jelas telah memberikan banyak keuntungan dan kemudahan pada manusia untuk memenuhi kebutuhannya sehari-hari. Banyak faktor penyebab yang dapat ditemukan dari teknologi yang membuat manusia selalu tertarik untuk menggunakannya. Namun faktor yang sangat dapat dirasakan dari teknologi adalah faktor otomatisasi. Proses otomatisasi banyak memberikan kontribusi pada manusia untuk menyelesaikan masalah-masalah yang ada. Suatu robot yang terdapat pada suatu pabrik biasanya memiliki kemampuan otomatisasi untuk melakukan suatu pekerjaan yang dari segi ketepatan dan kecepatan mustahil bagi manusia. Otomatisasi memiliki arti suatu alat tertentu dapat berperilaku atau melakukan suatu pekerjaan tertentu tanpa dikendalikan secara langsung oleh manusia. Untuk membuat suatu alat dapat berjalan otomatis tentu perlu pendekatan pada bidang intelejensia buatan. Intelejensia buatan merupakan pemodelan kerangka berpikir pada suatu media tertentu yang juga memiliki fungsi tertentu. Dengan kata lain, selanjutnya media tersebut akan dapat seakan-akan berpikir dalam melakukan suatu pekerjaan. Dengan intelejensia buatan, suatu alat dapat memiliki kemampuan mencari jarak terdekat untuk membantu salesman mengelilingi kota, menganalisa beberapa langkah ke depan dalam permainan catur, mengenali guratan garis seseorang, mengenali gerakan tubuh manusia, menjawab pertanyaan-pertanyaan manusia mengenai suatu masalah tertentu, dan lainnya. Namun intelejensia buatan bukanlah sesuatu ilmu yang mudah dipelajari, dibutuhkan pengetahuan cukup untuk dapat mengerti jalan kerja dari suatu algoritma intelejensia buatan.
2
melakukan penelitian terhadap algoritma ini dengan menerapkannya pada suatu aplikasi yang berdaya guna.
1.2 Rumusan Masalah
Rumusan masalah dari pembuatan proyek ini adalah:
1. Bagaimana menerapkan jaringan Self Organizing Map pada suatu aplikasi
yang berdaya guna?
2. Bagaimana cara agar jaringan Self Organizing Map dapat diterapkan pada
aplikasi lainnya?
3. Bagaimana cara untuk mendukung pembelajaran pengenalan huruf menjadi
lebih menarik?
1.3 Tujuan
Tujuan dari pembuatan proyek ini adalah:
1 Untuk menerapkan teori jaringan Self Organizing Map dalam suatu bentuk
aplikasi pengenalan huruf.
2 Untuk membuat API dari jaringan Self Organizing Map yang dapat digunakan
oleh program lainnya yang sesuai.
3 Untuk mendukung pembelajaran pengenalan huruf lebih menarik dengan
adanya gambar dan model 3D.
1.4 Batasan Masalah
Batasan masalah dari pembuat proyek ini adalah:
1 Jaringan Self Organizing Map yang akan dibuat hanya untuk keperluan
memproses huruf alfabet dari gambar atau tulisan tangan.
2 Jaringan Self Organizing Map hanya akan memproses data apa adanya tanpa
adanya proses filtering, reduksi noise, atau lainnya.
3 Aplikasi akan terdiri dari 2 bagian, yaitu Game Editor dan Game Launcher.
Game Editor untuk membuat dan mengubah soal dan jawaban, sedangkan Game Launcher untuk menjalankan soal yang telah dibuat sebelumnya.
4 Ketepatan dari pengenalan pola tidak terlalu tinggi oleh karena itu pengguna
harus dapat dengan benar menuliskan setiap karakternya.
5 Jaringan hanya akan ditujukan untuk mengenali pola karakter dalam bahasa
3
6 Warna dan ketebalan garis dalam guratan sudah ditentukan sebelumnya
dengan ukuran tertentu.
1.5 Sistematika Pembahasan
Berikut adalah sistematika dalam penyajian laporan:
BAB I PENDAHULUAN
Bab ini berisi tentang pendahuluan yang meliputi latar belakang, rumusan masalah,
definisi, akronim, singkatan, dan sistematika pembahasan dan tentang gambaran
keseluruhan produk meliputi perspektif produk, fungsi produk, karakteristik
pengguna, batasan-batasan, asumsi dan ketergantungan, dan penundaan
persyaratan.
BAB II SPESIFIKASI PRODUK
Bab ini berisi tentang persyaratan antarmuka eksternal meliputi antarmuka dengan
pengguna, antarmuka perangka lunak dan fitur produk perangkat lunak.
BAB III DESAIN PERANGKAT LUNAK
Bab ini berisi tentang identifikasi dan overview sistem, keputusan desain
perangkat lunak secara keseluruhan, dan desain arsitektur perangkat lunak
meliputi komponen perangkat lunak, konsep eksekusi, desain antar muka.
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Bab ini berisi tentang implementasi modul/class meliputi class diagram,
implementasi antarmuka.
BAB V TESTING DAN EVALUASI SISTEM
Bab ini berisi tentang testing menggunakan blackbox.
BAB VI KESIMPULAN DAN SARAN
85
Universitas Kristen Maranatha
BAB VI
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berikut adalah kesimpulan dari proyek:
1. Jaringan saraf tiruan Self Organizing Map dapat digunakan dalam suatu
bentuk aplikasi pengenalan huruf.
2. API jaringan saraf tiruan Self Organizing Map dapat digunakan membuat
aplikasi lain untuk mengenali suatu tulisan melalui gambar.
3. Dalam proses berjalannya game launcher, pengguna tidak hanya harus
menjawab semua pertanyaannya tetapi juga dapat memainkan model 3D
sehingga pembelajaran menjadi lebih menarik.
5.2 Saran
Berikut adalah saran dari proyek:
1. Cara menuliskan jawaban dapat dilakukan dengan menggunakan teknologi
touch screen sehingga interaksi lebih nyata dan pengguna lebih mudah
menuliskan jawabannya.
2. Sewaktu permainan berjalan, akan lebih menyenangkan jika disertai suara.
3. Dalam Game Launcher dapat ditambahkan hal-hal yang dapat membuat
pengguna lebih bersemangat. Misalnya waktu dan skor akhir, semakin
xv
Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. Buckland M. Kohonen’s Self Organizing Feature Maps. http://www.ai-junkie.com/ann/som/som1.html.
2. Chesnut C. (2004). Self Organizing Maps for Pictures. http://www.generation5.org/content/2004/aiSomPic.asp.
3. Chi Chung Ko, & Chang Dong Cheng. (2009). Interactive Web Based Virtual Reality With Java 3D. New York : Information Science Reference. 4. David M.B, & Glenn S. (2004). AI For Game Developer. New York.
O’reilly.
5. Jeff H. (2008). Problems Commonly Solved With Neural Networks. http://www.heatonresearch.com/online/introduction-neural-networks-java-edition-2/chapter-1/page3.html.
6. Jeff H. (2008). Solving Problems with Neural Networks. http://www.heatonresearch.com/online/introduction-neural-networks-java-edition-2/chapter-1/page2.html.
7. Jeff H. (2008). Using a Simple Neural Network. http://www.heatonresearch.com/online/introduction-neural-networks-java-edition-2/chapter-1/page4.html.
8. Kusumadewi Sri. (2004). Membangun jaringan Syaraf Tiruan Menggunakan MATLAB & EXCEL LINK. Graha Ilmu:Yogyakarta.
9. Mathew J. (2004). Self-Organizing Nets.
http://www.generation5.org/content/1999/selforganize.asp.
