KOHONEN DALAM PENGENALAN
TELAPAK KAKI BAYI
SKRIPSI
ITA SHARONNI A. SINAGA 111401107
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2015
Judul : Implementasi Jaringan Syaraf Tiruan Self Organizing Map Kohonen dalam Pengenalan Telapak Kaki Bayi
Kategori : Skripsi
Nama : Ita Sharonni Alemmina Sinaga Nomor Induk Mahasiswa : 111401107
Program Studi : Sarjana (S1) Ilmu Komputer
Fakultas : Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Dahlan Sitompul M.Eng Dr. Poltak Sihombing, M. Kom NIP: 196707252005011002 NIP. 196203171991031001
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
Implementasi Jaringan Syaraf Tiruan Self Organizing Map Kohonen dalam Pengenalan Telapak Kaki Bayi
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, September 2015
Ita Sharonni Alemmina Sinaga NIM. 111401107
UCAPAN TERIMA KASIH
Puji dan syukur kepada Tuhan Yesus Kristus, yang telah setia menemani dan menguatkan penulis dalam penulisan skripsi ini, karena oleh kasihNya penulis dapat menyelesaikan penelitian ini.
Penulis mengucapkan rasa terimakasih yang sebesar-besarnya kepada pihak yang telah membantu dan ikut berperan dalam penyelesaian skripsi ini. Penulis mengucapkan terimakasih kepada:
1. Bapak Prof. Subhilhar, M.A., Ph.D selaku Plt. Rektor Universitas Sumatera Utara
2. Bapak Prof. Dr. Muhammad Zarlis, M.Sc selaku Dekan Fasilkom-TI USU serta Wakil Dekan Fasilkom-TI USU
3. Bapak Dr. Poltak Sihombing, M. Kom. selaku Ketua Program Studi S1 Ilmu Komputer Fasilkom-TI USU dan Dosen Pembimbing I, atas bimbingan dan saran
yang diberikan baik selama perkuliahan maupun proses pembuatan skripsi ini 4. Ibu Maya Silvi Lydia, BSc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu
Komputer Fasilkom-TI USU
5. Bapak Drs. Dahlan Sitompul M.Eng selaku Dosen Pembimbing II yang memberikan bimbingan serta arahan kepada penulis
6. Bapak Drs. Partano Siagian, M.Sc selaku Dosen Pembanding I atas kritik dan saran yang diberikan
7. Bapak Amer Sharif, S.Si.,M.Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyelesaian skripsi ini
8. Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU
9. Pdt Itje Tari yang selalu memantau dan memberi semangat secara rohani kepada penulis
10. Kedua orangtua penulis serta Adik Meiwita Nurangi dan Abang Jeremy Ojahanta yang memberi semangat dan dukungan pada penulis
12. Sahabat-sahabat di Program Studi S1 Ilmu Komputer USU khususnya Anandhini, Agita, Martina, Nurkholizah, Ruth Efenty, Efrida, Dina, Meylina, Witty dan Magdalena serta Baringin
13. Seluruh teman-teman stambuk 2011 dan rekan kerja IMILKOM 14. Seluruh pihak yang tidak dapat disebutkan penulis satu per satu.
Penulis menyadari bahwa penelitian ini jauh dari sempurna. Namun demikian, penulis berharap bahwa skripsi ini dapat memberikan manfaat kepada setiap pembaca.
Medan,Oktober 2015
Penulis
ABSTRAK
Bayi yang baru lahir sulit dikenali melalui wajah. Untuk mencegah kasus bayi tertukar , dapat digunakan ciri unik berupa telapak kaki bayi untuk membedakan bayi satu dengan lainnya. Teknologi jaringan syaraf tiruan diharapkan mampu mengenali citra cap telapak kaki bayi, sehingga dapat membantu proses identifikasi bayi. Citra cap telapak kaki yang berekstensi *.jpg terlebih dahulu difilter menggunakan highpass filtering untuk mempertajam detail citra, dan terakhir dideteksi tepi Canny
untuk menandai bagian yang menjadi detail citra. Hasil deteksi tepi berupa citra biner yang kemudian matriks citra biner ini digunakan untuk dilatih dan diuji menggunakan metode SOM Kohonen. Gambar yang dilatih berupa 10 gambar cap telapak kaki bayi asli dan 20 lainnya adalah citra asli yang telah diberi noise. Hasil akhir berupa identifikasi telapak kaki bayi berdasarkan hasil pelatihan. Hasil pengujian terhadap citra yang dilatih menunjukkan tingkat akurasi pengenalan
sebesar 90 % dan persentase akurasi pengenalan untuk citra yang tidak dilatih sebesar 66,7 %.
Implementation of Self Organizing Map Kohonen Neural Network in Recognizing Baby’s Sole Of Foot
ABSTRACT
A newborn babies are difficult to identify through the face. In order to prevent the cases of swapped babies, an approach on using the soles part of baby's feet is believed to be a solution to distinguish one baby from another. By using the ANN technology, it will help the recognition process of baby's foot image of the stamp, which will result in the identification of newly born babies. The image of the stamp foot will be in a *.jpg extension, in which it is first filtered using the highpass filtering to sharpen up the image details. Then it is followed by Canny edge detection to mark some parts of the image detail. The result of the edge detection process will be in the form of a
binary image. That binary image holds matrix value which later used in the training and testing process of SOM Kohonen Method. The trained images will consist of the 10 initial baby’s foot stamp image along with the 20 noise version images. The result of the identification process is based on the result of training. In the testing section, it is found that a trained image has the accuracy of 90% in identifying babie’s feet while the original image has only 66.7% of recognition level.
Keywords: artificial neural network, SOM Kohonen, pattern recognition, baby’s sole
of foot, Canny edge detection, highpass filter
DAFTAR ISI
Hal. Persetujuan
Pernyataan
Ucapan Terima Kasih Abstrak
Abstract Daftar Isi Daftar Tabel Daftar Gambar Daftar Lampiran
ii
1.1. Latar Belakang 1.2. Rumusan Masalah 1.3. Batasan Masalah 1.4. Tujuan Penelitian 1.5. Manfaat Penelitian 1.6. Metodologi Penelitian 1.7. Sistematika Penulisan Landasan Teori
2.1.Pengenalan Pola
2.2.Deteksi Tepi
2.2.1 Deteksi tepi Canny 2.3.Perbaikan Citra
2.3.1 Operasi spasial (filtering) 2.3.2 High pass filter
2.4.Jaringan Syaraf Tiruan 2.4.1 Arsitektur jaringan
2.4.2 Self Organizing Map Kohonen
Bab 3
Bab 4
Bab 5
Analisis dan Perancangan 3.1 Analisis Sistem
3.1.1 Analisis masalah 3.1.2 Analisis kebutuhan 3.1.3 Analisis proses 3.2 Perancangan Sistem
3.2.1 Diagram use case 3.2.2 Diagram sekuensial 3.2.3 Diagram aktivitas
3.2.4 Pseudocode
3.2.5 Flowchart sistem
3.2.6 Perancangan antarmuka sistem Implementasi dan Pengujian
4.1 Implementasi
4.1.1 Implementasi form beranda 4.1.2 Implementasi form pelatihan
4.1.3 Implementasi form pengujian 4.1.4 Implementasi form help 4.2 Pengujian
4.2.1. Pengujian terhadap citra yang dilatih 4.2.2. Pengujian terhadap citra yang tidak dilatih Kesimpulan dan Saran
5.1. Kesimpulan 5.2. Saran
Daftar Pustaka 60
DAFTAR TABEL
Tabel 3.1 Tabel 3.2 Tabel 3.3 Tabel 3.4 Tabel 3.5 Tabel 3.6 Tabel 4.1 Tabel 4.2
Dokumentasi naratif dari use case pelatihan Dokumentasi naratif dari use case pengujian Keterangan rancangan antarmuka beranda Keterangan rancangan antarmuka pelatihan Keterangan rancangan antarmuka pengujian Keterangan rancangan antarmuka help
Hasil pengujian terhadap citra yang telah dilatih Hasil pengujian terhadap citra yang tidak dilatih
DAFTAR GAMBAR Gambar 3.10 Gambar 3.11 Gambar 3.12 Gambar 3.13 Gambar 4.1 Gambar 4.2 Gambar 4.3 Gambar 4.4 Gambar 4.5
Skema pengenalan pola Citra asli
Citra hasil deteksi tepi Canny Contoh matriks high pass filtering
Citra asli, grayscale, hasil high pass filter Contoh model neuron jaringan syaraf tiruan
Single layer network
Multi layer network
Recurrent network dengan hidden neuron
Lattice 1 dimensi dengan 3 neuron
Arsitektur jaringan kohonen
Diagram Ishikawa pengenalan telapak kaki bayi
Bobot baru dalam Ms.Excel
Use case sistem pengenalan telapak kaki bayi
Sequence diagram untuk pelatihan
Sequence diagram untuk pengujian
Diagram aktivitas use case pelatihan Diagram aktivitas use case pengujian Flowchart pelatihan
Flowchart pengujian
Rancangan antarmuka beranda Rancangan antarmuka pelatihan Rancangan antarmuka pengujian Rancangan antarmuka help Form beranda
Form pelatihan
Form pengujian
Form help
Pelatihan load citra
5
Gambar 4.6 Gambar 4.7 Gambar 4.8 Gambar 4.9 Gambar 4.10 Gambar 4.11
Tampilan citra setelah di resize Proses grayscale pada citra
Proses filter citra dengan high pass filter Citra hasil deteksi tepi
Tampilan pelatihan telah selesai Form pengujian setelah dijalankan
DAFTAR LAMPIRAN
Listing Program 62
Bobot Baru Setelah Pelatihan dalam MsExcel 77
Vektor Input Citra Latih dalam Ms Excel 80
Curriculum Vitae 85
