PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE
DENGAN JARINGAN SYARAF TIRUAN METODE
PERCEPTRON
SKRIPSI
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2012
Judul : PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
Kategori : SKRIPSI
Nama : NOVALIA
Nomor Induk Mahasiswa : 081401023
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2012
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Ade Candra, ST, M.Kom M. Andri Budiman, ST, M.CompSc, MEM NIP.197909042009121002 NIP. 197510082008011001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP. 196203171991031011
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing-masing disebutkan sumbernya.
Medan, Juli 2012
NOVALIA 081401023
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas perlindungan dan kasih karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini, yang merupakan syarat wajib untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini, penulis menyampaikan terima kasih kepada :
1. Bapak Dr. Poltak Sihombing selaku Ketua Program Studi S1 Ilmu Komputer dan telah bersedia menjadi dosen penguji pertama yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer.
3. Bapak M. Andri Budiman, ST, MCompSc, MEM selaku dosen pembimbing pertama yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
4. Bapak Ade Candra, ST, M.Kom selaku dosen pembimbing kedua yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis. 5. Bapak Amer Sharif, S.Si, M.Kom selaku dosen penguji kedua yang telah
memberikan kritik dan saran yang bermanfaat bagi penulis.
6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
7. Seluruh dosen serta pegawai di Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer FASILKOM-TI USU.
8. Ayahanda tercinta Suparman dan ibunda tercinta Lusia yang selalu memberikan kasih sayang, nasehat, dukungan, dan semangat kepada penulis sejak kecil sampai penyelesaian penyusunan skripsi ini.
9. Yenni Tarigan, Juwita Adelina, Ria Marpaung, Angga Ricardo, Brikson Hara Donald Barus, Rosalina Situmorang, dan semua mahasiswa S1 Ilmu Komputer stambuk 2008, para senior dan junior, serta semua sahabat dan keluarga yang selalu memberikan dukungan dan semangat kepada penulis.
Penulis menyadari bahwa skripsi masih jauh dari sempurna. Oleh karena itu, penulis menerima kritik dan saran dari semua pihak demi perbaikan dan penyempurnaan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada seluruh pembaca.
Penulis,
Quick Response (QR) Code digunakan untuk menyimpan informasi penting dari suatu barang atau produk. QR Code memiliki pola yang sangat acak dan tidak dapat dibedakan. QR Code juga dapat kotor dan mengalami kerusakan. Penelitian terhadap pola QR Code dilakukan dengan tujuan untuk mengetahui informasi yang tersimpan dalam QR Code tersebut. Metode penelitian yang digunakan untuk mengenali pola-pola QR Code tersebut adalah dengan menggunakan Jaringan Syaraf Tiruan metode Perceptron. Perceptron adalah salah satu metode Jaringan Syaraf Tiruan yang sering digunakan untuk pengenalan pola. Yang menjadi input pada sistem adalah citra biner QR Code dimana QR Code tersebut menyimpan informasi berupa nama universitas sebagai datanya. Untuk setiap data disediakan 13 pola yang berbeda. Pada pelatihan digunakan 8 pola untuk masing-masing data. Pengujian dilakukan terhadap seluruh data yang sudah dilatih maupun yang belum dilatih. Sistem ini memiliki 16 target untuk 16 jenis data. Dari hasil pengujian sistem, bobot dan bias yang didapatkan dari hasil pelatihan mampu memberikan output sesuai dengan yang diharapkan. Dari hasil penelitian ini, dapat disimpulkan bahwa Jaringan Syaraf Tiruan dengan metode Perceptron lapis tunggal dapat digunakan untuk mengenali pola-pola QR Code Level H versi 4 yang polanya sangat acak dan sulit untuk dibedakan.
Kata kunci : Pengenalan pola, Jaringan Syaraf Tiruan, Perceptron, QR Code,
DESIGN OF QR (QUICK RESPONSE) CODE RECOGNITION WITH
ARTIFICIAL NEURAL NETWORKS PERCEPTRON METHODS
ABSTRACT
Quick Response (QR) Code is used to store important information of an item or product. QR Code has a very random pattern and can not be distinguished. QR Code can also be dirty and damaged. Research conducted on the pattern of QR Code in order to find out the information stored in the QR Code. The method used to identify patterns of QR Code is to use Artificial Neural Networks Perceptron method. Perceptron is a neural network method is often used for pattern recognition. The input to the system is a binary image of the QR Code QR Code which is storing the information in the form of the name of the university as its data. For each of the data provided by 13 different patterns. At the training patterns used 8 for each data. Tests performed on all data that have not been trained or trained. This system has 16 targets for 16 types of data. From the results of system testing, the weights and biases obtained from the training to provide the output as expected. From the results, it can be concluded that neural networks with single-layer Perceptron method can be used to recognize patterns QR Code Level H 4th version of the pattern which is very random and difficult to distinguish.
Key words : Pattern Recognition, Artificial Neural Network, Perceptron, QR
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
Daftar Lampiran xi
Bab 1 Pendahuluan 1
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 5
1.5 Manfaat Penelitian 5
1.6 Metode Penelitian 5
1.7 Sistematika Penulisan 6
Bab 2 Landasan Teori 8
2.1 Pengolahan Citra 8
2.1.1 Citra 8
2.1.2 Digitalisasi Citra 9
2.1.3 Citra Grayscale 10
2.1.4 Citra Biner 10
2.1.5 Operasi Pengolahan Citra 11
2.1.6 Pengambangan 12
2.2 Pengenalan Pola 13
2.3 Jaringan Syaraf Biologi 15
2.4 Jaringan Syaraf Tiruan 16
2.4.1 Komponen Jaringan Syaraf Tiruan 20
2.4.2 Arsitektur Jaringan 21
2.4.3 Model Pelatihan Jaringan Syaraf Tiruan 23
2.4.4 Fungsi Aktivasi 24
2.5 Perceptron 25
2.5.1 Arsitektur Jaringan Perceptron 25
2.5.2 Pelatihan Perceptron 26
2.6 QR Code 28
2.6.1 Struktur QR Code 29
2.6.2 Karakteristik QR Code 30
2.6.3 Spesifikasi QR Code 33
Bab 3 Analisis dan Perancangan 34
3.1 Analisis Sistem 34
3.1.1 Analisis Masalah (Problem Analysis) 35 3.1.2 Analisis Kebutuhan (Requirement Analysis) 35 3.1.2.1 Analisis Kebutuhan Fungsional 36 3.1.2.2 Analisis Kebutuhan Non-Fungsional 36
3.1.3 Pemodelan Sistem 37
3.1.3.1 Use Case Diagram 37
3.1.3.2 Activity Diagram 38
3.1.3.3 Sequence Diagram 40
3.1.3.4 Class Diagram 40
3.2 Tahap-tahap Pengolahan Data 41
3.2.1 Akuisisi Data 41
3.2.2 Prapengolahan 42
3.2.3 Ekstraksi Citra 41
3.3 Perancangan Sistem 43
3.3.1 Perancangan Arsitektur Jaringan 43
3.2.2 Perancangan Antar Muka Sistem 45
Bab 4 Implementasi dan Pengujian 47
4.1 Implementasi Sistem 47
4.1.1 Konfigurasi Perangkat Keras 47
4.1.2 Konfigurasi Perangkat Lunak 48
4.1.3 Hasil Eksekusi Aplikasi 48
4.2 Pelatihan 50
4.3 Pengujian 51
Bab 5 Kesimpulan dan Saran 62
5.1 Kesimpulan 62
5.2 Saran 62
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE
DENGAN JARINGAN SYARAF TIRUAN METODE
PERCEPTRON
SKRIPSI
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2012
Judul : PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
Kategori : SKRIPSI
Nama : NOVALIA
Nomor Induk Mahasiswa : 081401023
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2012
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Ade Candra, ST, M.Kom M. Andri Budiman, ST, M.CompSc, MEM NIP.197909042009121002 NIP.197510082008011001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP.196203171991031011
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing-masing disebutkan sumbernya.
Medan, Juli 2012
NOVALIA 081401023
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas perlindungan dan kasih karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini, yang merupakan syarat wajib untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini, penulis menyampaikan terima kasih kepada :
1. Bapak Dr. Poltak Sihombing selaku Ketua Program Studi S1 Ilmu Komputer dan telah bersedia menjadi dosen penguji pertama yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer.
3. Bapak M. Andri Budiman, ST, MCompSc, MEM selaku dosen pembimbing pertama yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
4. Bapak Ade Candra, ST, M.Kom selaku dosen pembimbing kedua yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis. 5. Bapak Amer Sharif, S.Si, M.Kom selaku dosen penguji kedua yang telah
memberikan kritik dan saran yang bermanfaat bagi penulis.
6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
7. Seluruh dosen serta pegawai di Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer FASILKOM-TI USU.
8. Ayahanda tercinta Suparman dan ibunda tercinta Lusia yang selalu memberikan kasih sayang, nasehat, dukungan, dan semangat kepada penulis sejak kecil sampai penyelesaian penyusunan skripsi ini.
9. Yenni Tarigan, Juwita Adelina, Ria Marpaung, Angga Ricardo, Brikson Hara Donald Barus, Rosalina Situmorang, dan semua mahasiswa S1 Ilmu Komputer stambuk 2008, para senior dan junior, serta semua sahabat dan keluarga yang selalu memberikan dukungan dan semangat kepada penulis.
Penulis menyadari bahwa skripsi masih jauh dari sempurna. Oleh karena itu, penulis menerima kritik dan saran dari semua pihak demi perbaikan dan penyempurnaan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada seluruh pembaca.
Penulis,
Quick Response (QR) Code digunakan untuk menyimpan informasi penting dari suatu barang atau produk. QR Code memiliki pola yang sangat acak dan tidak dapat dibedakan. QR Code juga dapat kotor dan mengalami kerusakan. Penelitian terhadap pola QR Code dilakukan dengan tujuan untuk mengetahui informasi yang tersimpan dalam QR Code tersebut. Metode penelitian yang digunakan untuk mengenali pola-pola QR Code tersebut adalah dengan menggunakan Jaringan Syaraf Tiruan metode Perceptron. Perceptron adalah salah satu metode Jaringan Syaraf Tiruan yang sering digunakan untuk pengenalan pola. Yang menjadi input pada sistem adalah citra biner
QR Code dimana QR Code tersebut menyimpan informasi berupa nama universitas
sebagai datanya. Untuk setiap data disediakan 13 pola yang berbeda. Pada pelatihan digunakan 8 pola untuk masing-masing data. Pengujian dilakukan terhadap seluruh data yang sudah dilatih maupun yang belum dilatih. Sistem ini memiliki 16 target untuk 16 jenis data. Dari hasil pengujian sistem, bobot dan bias yang didapatkan dari hasil pelatihan mampu memberikan output sesuai dengan yang diharapkan. Dari hasil penelitian ini, dapat disimpulkan bahwa Jaringan Syaraf Tiruan dengan metode Perceptron lapis tunggal dapat digunakan untuk mengenali pola-pola QR Code Level H versi 4 yang polanya sangat acak dan sulit untuk dibedakan.
Kata kunci : Pengenalan pola, Jaringan Syaraf Tiruan, Perceptron, QR Code,
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
Daftar Lampiran xi
Bab 1 Pendahuluan 1
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 5
1.5 Manfaat Penelitian 5
1.6 Metode Penelitian 5
1.7 Sistematika Penulisan 6
Bab 2 Landasan Teori 8
2.1 Pengolahan Citra 8
2.1.1 Citra 8
2.1.2 Digitalisasi Citra 9
2.1.3 Citra Grayscale 10
2.1.4 Citra Biner 10
2.1.5 Operasi Pengolahan Citra 11
2.1.6 Pengambangan 12
2.2 Pengenalan Pola 13
2.3 Jaringan Syaraf Biologi 15
2.4 Jaringan Syaraf Tiruan 16
2.4.1 Komponen Jaringan Syaraf Tiruan 20
2.4.2 Arsitektur Jaringan 21
2.4.3 Model Pelatihan Jaringan Syaraf Tiruan 23
2.4.4 Fungsi Aktivasi 24
2.5 Perceptron 25
2.5.1 Arsitektur Jaringan Perceptron 25
2.5.2 Pelatihan Perceptron 26
2.6 QR Code 28
2.6.1 Struktur QR Code 29
2.6.2 Karakteristik QR Code 30
2.6.3 Spesifikasi QR Code 33
Bab 3 Analisis dan Perancangan 34
3.1 Analisis Sistem 34
3.1.1 Analisis Masalah (Problem Analysis) 35 3.1.2 Analisis Kebutuhan (Requirement Analysis) 35 3.1.2.1 Analisis Kebutuhan Fungsional 36 3.1.2.2 Analisis Kebutuhan Non-Fungsional 36
3.1.3 Pemodelan Sistem 37
3.1.3.1 Use Case Diagram 37
3.1.3.2 Activity Diagram 38
3.1.3.3 Sequence Diagram 40
3.1.3.4 Class Diagram 40
3.2 Tahap-tahap Pengolahan Data 41
3.2.1 Akuisisi Data 41
3.2.2 Prapengolahan 42
3.2.3 Ekstraksi Citra 41
3.3 Perancangan Sistem 43
3.3.1 Perancangan Arsitektur Jaringan 43
3.2.2 Perancangan Antar Muka Sistem 45
Bab 4 Implementasi dan Pengujian 47
4.1 Implementasi Sistem 47
4.1.1 Konfigurasi Perangkat Keras 47
4.1.2 Konfigurasi Perangkat Lunak 48
4.1.3 Hasil Eksekusi Aplikasi 48
4.2 Pelatihan 50
4.3 Pengujian 51
Bab 5 Kesimpulan dan Saran 62
5.1 Kesimpulan 62
5.2 Saran 62
DAFTAR TABEL
Nomor Tabel
NamaTabel Halaman
2.1 2.2 4.1
Perbandingan NN dengan ANN Spesifikasi QR Code
Hasil Pelatihan Jaringan
DAFTAR GAMBAR
Nomor
Gambar Nama Gambar Halaman
2.1
Struktur Neuron pada Otak Manusia Ilustrasi Model ANN
Jaringan Lapis Tunggal Jaringan Multi Lapis Jaringan Kompetitif
Arsitektur Jaringan Syaraf Tiruan metode Perceptron Fungsi aktivasi hard limit
QR Code
Struktur QR Code
Salah Satu Finding PatternQR Code
Jenis Penyimpangan pada QRCode
Kerusakan pada QR Code
QR Code versi 1 (kiri) dan versi 2 (kanan)
Ishikawa Diagram
Use Case Diagram
Activity Diagram
Sequence Diagram
Class Diagram
Arsitektur Jaringan Syaraf Tiruan metode Perceptron untuk Pengenalan Pola QR Code
Form Utama
Form Aplikasi
Tampilan Halaman Awal
Tampilan Aplikasi Pengenalan Pola
Tampilan Kotak Dialog Pemilihan Gambar QR Code Tampilan Hasil Pengujian Universitas Gajah Mada Yogya Tampilan Hasil Pengujian Universitas Indonesia Jakarta Tampilan Hasil Pengujian Universitas Sumatera Utara Tampilan Hasil Pengujian Universitas Airlangga Surabaya Tampilan Hasil Pengujian Universitas Hasanudin Makassar Tampilan Hasil Pengujian Universitas Andalas Padang Tampilan Hasil Pengujian Universitas Padjajaran Bandung Tampilan Hasil Pengujian Universitas Diponegoro Semarang Tampilan Hasil Pengujian Universitas Sriwijaya Palembang Tampilan Hasil Pengujian Universitas Lambung Mangkurat Tampilan Hasil Pengujian Universitas Syiah Kuala Banda Tampilan Hasil Pengujian Universitas Sam Ratulangi Tampilan Hasil Pengujian Universitas Udayana Denpasar Tampilan Hasil Pengujian Universitas Nusa Cendana Tampilan Hasil Pengujian Universitas Mulawarman Samarinda
Tampilan Hasil Pengujian Universitas Mataram Mataram
DAFTAR LAMPIRAN
Halaman
A. Listing Program A-1
B. Grafik Hasil Pelatihan B-1
