IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
(STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU STAMBUK 2010 KOM A)
SKRIPSI
LENNORA MARBUN 101401051
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE
MEMORY UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
( STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU STAMBUK 2010 KOM A)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
LENNORA MARBUN 101401051
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2014
PERSETUJUAN
Judul : IMPLEMENTASI JARINGAN SYARAF TIRUAN
BIDIRECTIONAL ASSOCIATIVE MEMORY UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA( STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU STAMBUK 2010 KOM A)
Kategori : SKRIPSI
Nama : LENNORA MARBUN
NomorIndukMahasiswa : 101401051
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di Medan, 2014
Komisi Pembimbing :
Pembimbing 1 Pembimbing 2
Dr. Poltak Sihombing, M.Kom Amer Sharif, S.Si, M.Kom
NIP. 196203171991031001 NIP.-
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
( STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU STAMBUK 2010 KOM A)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2014
Lennora Marbun NIM. 101401051
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus hanya atas kasih karunia-Nyalah penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada:
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, Msc(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, serta Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer dan Dosen Pembimbing I yang telah meluangkan waktu dan memberi masukan yang bermanfaat bagi penulis.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
5. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini.
6. Bapak Marihat Situmorang, selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Bapak Jos Timanta Tarigan, M.Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI Universitas Sumatera Utara.
9. Ayahanda Pieter Marbun dan ibunda Delima Silaban tercinta, serta saudaraku David Marbun, S.Th , Bistok Marbun,S.T, Evelin Rosai Marbun, Astri Hartati Marbun yang selalu memberikan kasih sayang, perhatian dan doa tanpa henti kepada penulis.
10. Sahabat saya Abdinal, Agatha, Westhy, sunfirst, Teti, Helen, Kak Desi, Bang Adi Kong, Kak Tika, Bang Jakub, juga teman-teman Komdis, IKLC, rekan-rekan kuliah, serta semua sahabat dan keluarga yang selalu memberikan semangat dan dorongan kepada penulis selama menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada seluruh pembaca.
Medan, 2014
Penulis
Lennora Marbun
ABSTRAK
Sistem pengenalan identitas seseorang dapat diimplementasikan dengan sistem biometrika. Sistem biometrika mempunyai tingkat keamanan yang lebih baik dibandingkan dengan sistem pengenalan identitas secara tradisional karena dengan sistem biometrika, identitas seseorang tidak dapat diduplikat, dicuri, hilang dan terlupakan. Telapak tangan merupakan salah satu sistem biometrika yang dapat digunakan polanya untuk mengenali identitas. Pola ini dapat diidentifikasi dengan Jaringan Syaraf Tiruan (JST). JST merupakan suatu sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak. Salah satu metode dalam jaringan syaraf tiruan adalah Bidirectional associative memory (BAM) yang merupakan model neural network dengan hetero associative memory dengan menggunakan dua layer, yaitu layer input dan layer output yang mempunyai kemampuan dalam mengenali pola secara stabil. Dalam penelitian ini, pola yang digunakan sebagai pola masukan adalah citra telapak tangan kanan dengan ciri geometri dan garis-garis utama yang diambil dengan scanner dan menghasilkan citra telapak tangan kanan yang melintang, kemudian diproses untuk mendapat citra yang seragam dengan ukuran 200 x 300 piksel dan mengubah pola menjadi bipolar dengan nilai 1 dan -1. Pola inilah yang akan dilatih sehingga menghasilkan matriks bobot yang menjadi tolak ukur untuk pengujian pola telapak tangan kanan. Penelitian ini memiliki dua pengujian, pertama pengujian terhadap citra pola telapak tangan kanan yang sudah dilatih dengan hasil pengenalan sebesar 100% dan kedua pengujian terhadap citra pola telapak tangan kanan yang baru diambil dengan hasil pengenalan mencapai 52,5%. Kesimpulan yang diperoleh hasil penelitian ini adalah metode Bidirectional Associative Memory dapat mengenali pola telapak tangan dengan memanfaatkan ciri geometri dan garis-garis utama telapak tangan.
IMPLEMENTATION OF NEURAL NETWORK BIDIRECTIONAL ASSOCIATIVE MEMORY FOR PALM HUMAN PATTERN RECOGNITION
ABSTRACT
Identity recognition system can be implemented by biometric system. Biometric system has better security grade than traditional identity recognition system because biometric system cannot be duplicated, stolen, lost, and forgotten. Palm is one of biometric system which pattern can be used to recognize identity. This Pattern can be identified by Artificial Neural Network (ANN). ANN is a computational system where the architecture and operation inspired by knowledge about biological neural cells in the brain. One method in artificial neural networks is Bidirectional Associative Memory (BAM) which is a type of neural network with hetero-associative memory by using two layers, that is the input layer and output layer which has the ability to identify pattern after reaching a stable state. In this research, the pattern used as the input pattern is the image of the palm of the right hand with the characteristic geometry and principle lines taken by scanner to produce image of transverse right palm, then processed to obtain a regular image with the size 200 x 300 pixels and converted to obtain bipolar patterns with values 1 and -1. This pattern will be used for training to produce a weight matrix which serve as a benchmark for testing the right palm pattern. This research has two tests, first testing on the right palm image pattern that was used for training with the result of identification is 100% and second testing on the image of right palm pattern not previously scanned with the identification result of 52,5%. The conclusion of the research the Bidirectional Associative Memory method is able to identify pattern by utilizing characteristic geometry and principle lines of the palm.
Keywords: Artificial Neural Network, Bidirectional Associative Memory, Palms pattern, Weight matrix, Bipolar patterns.
DAFTAR ISI
Bab III Analisis dan Perancangan Sistem
3.1 Analisis Permasalahan 25
3.2 Analisis Kebutuhan Sistem 25
3.2.1 Analisis Kebutuhan Fungsional Sistem 25 3.2.2 Analisis Kebutuhan Non-Fungsional Sistem 26
3.3 Pemodelan 26
Hal
3.3.2 Pemodelan dengan Menggunakan Activity Diagram 29 3.3.3 Pemodelan dengan Menggunakan Sequence Diagram 29 3.3.3.1 Sequence Diagram proses pelatihan Jaringan Syaraf Tiruan 30 3.3.3.2 Sequence Diagram proses Pengujian Jaringan Syaraf Tiruan 31
3.4 Flowchart Gambaran Umum Sistem 32
3.5 Perancangan Arsitektur Jaringan 33
4.1 Implementasi Sistem 43
4.1.1 Tampilan Antarmuka Sistem 43
Bab V Kesimpulan dan Saran
5.1 Kesimpulan 67
5.2 Saran 68
Daftar Pustaka 69
Lampiran Listing Program A-1
Lampiran Curriculum Vitae B-1
DAFTAR GAMBAR
Gambar 2.6 Struktur Neuron Jaringan Syaraf 13
Gambar 2.7 Proses Pembelajaran Suatu JST 14
Gambar 2.8 Arsitektur Jaringan Bidirectional Associative Memory 15
Gambar 3.1 Diagram Ishikawa Analisis Permasalahan 25
Gambar 3.2 Use Case Diagram Sistem Identifikasi Telapak Tangan 27 Gambar 3.3 Activity Diagram Proses Pelatihan dan Pengujian JST BAM 29 Gambar 3.4 Sequence Diagram Proses Pelatihan JST BAM 30 Gambar 3.5 Sequence Diagram Proses Pelatihan JST BAM 31
Gambar 3.6 Flowchart Gambaran Umum Aplikasi 32
Gambar 3.7 Arsitektur Jaringan Syaraf Tiruan Metode BAM Untuk
Pengenalan Pola Telapak Tangan 34
Gambar 3.8 Tampilan Rancangan Antarmuka Form Home 35
Gambar 3.9 Tampilan Rancangan Antarmuka Form Train 36
Gambar 3.10 Tampilan Rancangan Antarmuka Form Test 38
Gambar 3.11 Tampilan Rancangan Antarmuka Form Help 40
Gambar 3.12 Tampilan Rancangan Antarmuka Form About 41
Gambar 3.13 Tampilan Rancangan Antarmuka Form Exit 42
Gambar 4.1 Tampilan Antarmuka Home 44
Gambar 4.2 Tampilan Antarmuka Train 45
Gambar 4.3 Tampilan Antarmuka Train Setelah Button Load Diklik 45 Gambar 4.4 Tampilan Antarmuka Train Setelah Button Reshape Diklik 46 Gambar 4.5 Tampilan Antarmuka Setelah Button Graycale Diklik 47 Gambar 4.6 Tampilan Antarmuka Train Pada Saat di-Sharpening Pertama Kali 47 Gambar 4.7 Tampilan Antarmuka Train Pada Saat di-Sharpening Kedua Kali 48 Gambar 4.8 Tampilan Antarmuka Train Pada Saat di-Sharpening Ketiga Kali 48 Gambar 4.9 Tampilan Antarmuka Train Pada Saat Dideteksi Tepi Canny 49 Gambar 4.10 Tampilan Antarmuka Setelah Selesai Dilatih 49
Gambar 4.11 Tampilan Antarmuka Test 50
Gambar 4.12 Tampilan Buka File Gambar 50
Gambar 4.13 Tampilan Antarmuka Test Pola Yang Akan Diuji Ditampilkan 51 Gambar 4.14 Tampilan Antarmuka Test Hasil Uji Dikenali 52 Gambar 4.15 Tampilan Antarmuka Test Hasil Uji Tidak Mengenali 53 Gambar 4.16 Tampilan Antarmuka Test Hasil Uji Salah Mengenali 54
DAFTAR TABEL
Hal Tabel 3.1 Dokumentasi Naratif Use Case Pelatihan Jaringan Syaraf Tiruan 27 Tabel 3.2 Dokumentasi Naratif Use Case Pengujian Jaringan Syaraf Tiruan 28
Tabel 4.1 Pengujian Citra Telapak Tangan Kanan yang Sudah Dilatih 58 Tabel 4.2 Pengujian Citra Baru Telapak Tangan Kanan yang Belum Dilatih 61
DAFTAR LAMPIRAN
Halaman
A. Listing Program A-1
