5 2.1 Metodologi Rekayasa Perangkat Lunak
Pemodelan dalam perangkat lunak merupakan suatu yang harus dikerjakan di bagian awal dalam pembuatan suatu perangkat lunak, pemodelan ini akan mempengaruhi pekerjaan dalam rekayasa perangkat lunak tersebut. Model proses perangkat lunak merupakan deskripsi yang disederhanakan dari proses perangkat lunak yang direpresentasikan dengan sudut pandang tertentu. Salah satu model proses yang secara umum digunakan dalam pengembangan perangkat lunak adalah model Waterfall. Waterfall mengusulkan sebuah pendekatan kepada pengembangan perangkat lunak yang sistematis dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, pengujian dan pemeliharaan.
Berikut ini adalah rangkaian aktivitas proses dalam model Waterfall (Al Bahra, 2006) :
1. Requirement Analysis and Definition
Jasa, kendala dan tujuan yang dihasilkan dari konsultasi dengan pengguna sistem. Kemudian semuanya itu dibuat dalam bentuk yang dapat dimengerti oleh pengguna dan staf pengembang.
2. System and Software Design
Proses desain sistem membagi kebutuhan-kebutuhan menjadi sistem perangkat lunak atau perangkat keras. Proses tersebut menghasilkan sebuah arsitektur sistem keseluruhan. Desain perangkat lunak termasuk menghasilkan fungsi sistem perangkat lunak dalam bentuk yang mungkin ditransformasi ke dalam satu atau lebih program yang dapat dijalankan.
3. Implementation and unit Testing
Selama tahap ini, desain perangkat lunak disadari sebagai sebuah program lengkap atau unit program. Uji unit termasuk pengujian bahwa setiap unit sesuai spesifikasi.
4. Integration and System Testing
Unit program diintegrasikan dan diuji menjadi sistem yang lengkap untuk meyakinkan bahwa persyaratan perangkat lunak telah dipenuhi.
Setelah diujicoba, sistem disampaikan kepada pengguna.
5. Operation and Maintenance
Normalnya, ini adalah fase yang terpanjang. Sistem dipasang, dan digunakan. Pemeliharaan termasuk pembetulan kesalahan yang tidak ditemukan pada langkah sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru yang ditemukan.
Gambar 2.1 Skema model Waterfall (Al Bahra. 2006)
2.2 Unified Modelling Language
Unified Modelling Language (UML) adalah keluarga notasi grafis yang didukung oleh meta-model tunggal, yang membantu pendeskripsian dan desain sistem perangkat lunak, khususnya sistem yang dibangun menggunakan pemrograman berorientasi objek (Fowler, 2005).
Desain dalam bentuk simbol dan diagram, kemudian dapat diterjemahkan menjadi kode program. Telah tersedia alat-alat (tools) yang dapat membuat kode program berdasarkan UML Class Diagram. Implementasi kode program dari diagram UML dapat menggunakan bahasa pemrograman apa saja dengan syarat bahasa pemrograman tersebut harus mendukung Pemrograman Berorientasi Objek (PBO) seperti C++, Java, C# atau VB.NET.
UML adalah bahasa standar untuk membuat model. Model adalah deskripsi masalah atau topik dari aplikasi yang akan dibuat, dengan menggunakan model, tim pengembang akan terbantu dalam memahami lingkup masalah yang akan dipecahkan. Model adalah visualisasi dari aplikasi yang akan dibangun.
Dengan UML semua anggota tim dapat berbicara dengan bahasa yang sama.
UML menyediakan beberapa jenis diagram, untuk merepresentasikan entities dan relationship yang terdapat di dalam aplikasi.
UML terdiri atas 13 jenis diagram resmi seperti tertulis pada tabel 2.1 (Fowler, 2005)
Tabel 2.1 Jenis Diagram resmi UML (Fowler, 2005)
No Diagram Kegunaan
1 Activity Behaviour prosedural dan paralel 2 Class Class, Fitur dan hubungan-hubungan 3 Communication Interaksi antar objek, penekanan pada jalur 4 Component Struktur dan koneksi komponen
5 Composite Structure Dekomposisi runtime sebuah class 6 Deployment Pemindahan artifak ke node
Tabel Jenis Diagram resmi UML...(Lanjutan)
No Diagram Kegunaan
7 Interaction Overview Campuran Sequence dan Activity Diagram 8 Object Contoh konfigurasi dari contoh-contoh 9 Package Struktur hirarki compile-time
10 Sequence Interaksi antar objek, penekanan pada sequence 11 State machine Bagaimana event mengubah objek selama aktif 12 Timing Interaksi antar objek, penekanan pada timing 13 Use case Bagaimana user berinteraksi dengan sistem
Dalam penulisan laporan tugas akhir ini, penulis hanya menggunakan Activity Diagram, Class Diagram, Sequence Diagram dan Use Case Diagram.
2.2.1 Diagram Use Case
Diagram use case ini digunakan untuk menunjukkan fungsionalitas dari suatu sistem dari sudut pandang pengguna atau user. OMG atau Object Management Group telah mendefinisikan notasi grafis untuk use case, tetapi tidak sampai pada menuliskan secara detail use case nya. Diagram use case mendeskripsikan interaksi tipikal antara para pengguna sistem dengan sistem itu sendiri dengan sistem sebuah narasi tentang bagaimana sistem tersebut digunakan (Fowler, 2005). Sedangkan motasi-notasi yang digunakan dalam pemodelan diagram use case dapat dilihat pada Tabel 2.12 adalah :
Tabel 2.2 Notasi Diagram Use Case (Fowler:2005)
NOTASI DESKRIPSI
Aktor, yang digunakan untuk menggambarkan pelaku atau pengguna. Pelaku ini meliputi manusia atau sistem komputer atau subsistem lain yang memiliki metode untuk melakukan sesuatu.
Contoh : Manager, Pelanggan dan lain-lain.
Tabel Notasi Diagram Use Case.... (lanjutan)
Use case, digunakan untuk menggambarkan
spesifikasi pekerjaan (job specification) dan deskripsi pekerjaan (job description), serta keterkaitan antar pekerjaan (job).
Contoh : pesan barang, menutup pintu dan lain-lain.
Aliran proses (relationship), digunakan untuk menggambarkan hubungan antara use case dengan use case lainnya.
Aliran perpanjangan (extension point), digunakan untuk menggambarkan hubungan antara use case dengan use case yang diperpanjang (extended use case) maupun dengan use case yang dimasukkan (included use case).
Aliran yang digunakan untuk menggambarkan hubungan antara aktor dengan use case.
<<extended>> Kondisi yang mendeskripsikan apa yang terjadi antara use case dengan use case yang diperpanjang.
<<include>>
Include adalah kondisi aliran proses langsung (directed relationship) antara dua use case yang secara tak langsung menyatakan kelakuan (behaviour) dari use case yang dimasukkan.
<<has>> Adalah kondisi yang mendeskripsikan apa yang terjadi antara aktor dangan use case.
Gambar 2.2 Contoh Diagram Use Case (Dharwiyanti dan Wahono: 2003)
2.2.2 Diagram Aktivitas (Activity Diagram)
Diagram aktivitas menggambarkan berbagai alur aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, keputusan yang mungkin terjadi, bagaimana mereka berakhir, dan juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi, Oleh karena itu, Diagram aktivitas tidak menggambarkan perilaku internal sebuah sistem dan interaksi antar subsistem secara eksak, tetapi lebih menggambarkan proses-proses dan jalur-jalur aktifitas dari level atas secara umum.
Diagram aktivitas mempunyai peran seperti halnya flowchart, akan tetapi perbedaannya dengan flowchart adalah diagram aktivitas bisa mendukung perilaku paralel sedangkan flowchart tidak bisa. Berikut pada Tabel 2.3 adalah simbol-simbol yang sering digunakan pada saat pembuatan diagram aktivitas menurut Munawar (2005).
Tabel 2.3 Notasi-notasi Activity Diagram (Munawar: 2005).
NOTASI DESKRIPSI
Aktifitas, digunakan untuk menggambarkan aktifitas dalam diagram aktifitas.
Node keputusan (decision node), digunakan untuk menggambarkan kelakuan pada kondisi tertentu.
Titik awal, digunakan umtuk menggambarkan awal dari diagram aktifitas
Titik akhir (final action), digunakan untuk menggambarkan akhir dari diagram aktifitas.
Akhir alur (flow final), digunakan untuk menghancurkan semua tanda yang datang dan tidak memiliki efek alur dalam aktifitas.
Aksi (action), digunakan untuk menggambarkan alur antara aksi dengan aksi, titik awal dengan aksi, atau aksi dengan titik akhir.
Aksi penerimaan kejadian (accept event action), sebuah aksi yang menunggu sebuah kejadian dari suatu peristiwa bertemu kondisi yang spesifik.
<<datastore>>
Data Store digunakan untuk menjaga agar semua tanda yang masuk dan menduplikasinya saat mereka dipilih untuk pindah ke alur selanjutnya (downstream)
Node fork memiliki satu aksi yang masuk dan beberapa aksi yang keluar.
Node Join digunakan untuk menggambarkan beberapa aksi yang masuk dan satu aksi yang keluar.
Gambar 2.3 Contoh Activity Diagram. (Fowler:2005)
2.2.3 Diagram Sekuensial (Sequence Diagram)
Sebuah sequence diagram secara khusus menjabarkan aktivitas sebuah skenario tunggal. Diagram tersebut menunjukkan sejumlah objek dan pesan-pesan yang melewati objek-objek di dalam use case diagram (Fowler, 2005). Sequence diagram menunjukkan interaksi dengan menampilkan setiap partisipan dengan garis alir secara vertikal dan pengurutan pesan dari atas ke bawah.
Sequence diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai respon dari sebuah kejadian (event) untuk menghasilkan keluaran tertentu. Masing-masing objek, termasuk aktor, memiliki lifetime vertikal. Pesan digambarkan sebagi garis berpanah dari satu objek ke objek lainnya. Notasi-notasi yang digunakan dalam pemodelan sequence diagram adalah :
1. Aktor, merupakan sebuah peran yang dimainkan user dalam kaitannya dengan sistem.
2. Activation, menggambarkan waktu yang dibutuhkan suatu objek untuk menyelesaikan suatu aktifitas.
3. Lifeline, menggambarkan bahwa hadirnya objek terhadap waktu.
4. Aliran pesan, menggambarkan komunikasi antar objek.
Gambar 2.4 Contoh Sequence Diagram pada saat admin melakukan login.
2.3 Pengolahan Citra Digital
Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu (Darma Putra, 2010).
Sebuah citra (gambar) diartikan sebagai suatu fungsi kontinyu dalam dua dimensi dari intensitas cahaya (x,y). dimana x dan y menyatakan suatu koordinat, dan f pada setiap titik (x,y) menyatakan intensitas atau tingkat kecerahan atau derajat keabuan (brightness/grayscale).
Citra digital adalah citra kontinyu yang diubah ke dalam bentuk diskrit, baik koordinat maupun intensitas cahayanya. Dengan kata lain, citra digital dibuat dengan cara mencuplik suatu citra kontinyu dengan jarak seragam. Suatu titik terkecil pada citra digital dapat berupa citra vektor maupun citra bitmap. Citra ini mengandung persamaan-persamaan matematis dari bentuk-bentuk dasar yang membentuk citra tersebut.
Representasi citra digital : f(0,0)………f(0,n-1)
f(x,y)
f(n-1,0)………f(n-1,n-1)
dengan skala keabuan 0 ≤ f(x,y) ≤ G. besar G tergantung kemampuan digitalisasinya. Interval (0,G) disebut skala keabuan (grayscale). Biasanya keabuan 0 menyatakan intensitas hitam dan keabuan G menyatakan intensitas keabuan putih.
Operasi pengolahan citra digital umumnya dilakukan dengan tujuan memperbaiki kualitas suatu gambar sehingga dapat dengan mudah diinterpretasi oleh mata manusia dan untuk mengolah informasi yang dapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.
2.3.1 Format Bitmap (.bmp)
Bitmap adalah representasi atau gambaran yang terdiri dari baris dan kolom pada titik grafik gambar di komputer. nilai dari titik disimpan dalam satu atau lebih data bit. Tampilan dari bitmap menggunakan titik-titik berwarna yang dikenal dengan sebutan piksel. piksel-piksel tersebut ditempatkan pada lokasi- lokasi tertentu dengan nilai-nilai warna tersendiri, yang secara keseluruhan akan membentuk sebuah tampilan gambar. Tampilan bitmap mampu menunjukkan kehalusan gradasi bayangan dan warna dari sebuah gambar, karena itu bitmap merupakan media elektronik yang paling tepat untuk gambar-gambar dengan perpaduan gradasi warna yang rumit seperti photo dan lukisan digital.
Struktur bitmap terdiri dari header, info header dan tabel warna. header adalah bagian dari file bitmap yang berisi informasi header dari file gambar bitmap, sedangkan info header adalah bagian dari header yang berisi informasi lebih detail dari file gambar bitmap yang letaknya setelah bagian header dan tabel warna adalah tabel yang berisi warna-warna yang ada pada gambar bitmap.
ukuran tabel warna adalah 4 dikalikan dengan ukuran banyaknya warna.
Adapun representasi file untuk windows bitmap files (.bmp) adalah sebagai berikut :
1. Header berisi informasi jumlah baris dan kolom dalam citra, informasi palet dan lain-lain.
2. Header langsung diikuti dengan angka-angka dalam matriks, disusun perbaris.
3. Baris pertama langsung diikuti baris kedua dan seterusnya.
4. Bagaimana mengetahui awal suatu baris, misalnya untuk membedakan citra berukuran 100x200 dengan 200x100.
5. format BMP merupakan format yang kurang efisien, karena semua informasi angka dalam baris disimpan semua. misalkan ukuran header adalah H bit, ukuran citra 100x100 bit monokrom, maka ukuran file bmp tersebut adalah H + data citra = H + 10000 Bit.
6. Bagian data citra (10000 bit) sebenarnya bisa dikompresi agar ukuran file tidak terlalu besar. Salah satu kompresi adalah dengan terlebih
dahulu mentransformasikan citra ke ruang yang berbeda, misalnya ke format file JPEG.
2.3.2 Deteksi Tepi
Edge adalah batas antara dua daerah dengan nilai gray-level yang relatif berbeda, atau dengan kata lain edge merupakan tempat-tempat yang memiliki perubahan intensitas yang besar dalam jarak yang pendek. Ide yang mendasari teknik edge detective dalam menghitung besarnya perubahan intensitas tersebut adalah dengan menghitung turunan pertama dari fungsi citra (derivative operator).
(a) Ideal Digital Edge (b) Ramp Digital Edge
Gambar 2.5 Model Digital Edge
(http://masters.donntu.edu.ua/2010/fknt/savchenko/diss/indexe.htm)
2.3.3 Segmentasi
Segmentasi yaitu sebuah proses yang membagi sebuah citra menjadi daerah pilihan atau mengisolasi objek dari citra secara keseluruhan. Segmentasi bisa dilakukan berdasarkan tekstur, kecerahan, serta intensitas jumlah piksel.
2.3.4 Ekstraksi Ciri
Ekstraksi ciri merupakan cara untuk pengambilan ciri (feature) yang ada pada sebuah citra. Ciri tersebut bisa berupa simbolik, numerik, maupun keduanya.
Ciri pada karakter dapat dicari dengan perhitungan statistik pada tiap karakter.
Hasil dari ekstraksi ciri, merupakan input untuk pengenalan pola pada jaringan syaraf buatan.
2.4 Jaringan Syaraf Buatan
Jaringan syaraf buatan 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 syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
(Kusumadewi, 2003).
Jaringan syaraf buatan berkembang secara pesat pada beberapa tahun terakhir. Jaringan syaraf buatan telah dikembangkan sebelum adanya suatu komputer yang canggih dan terus berkembang walaupun pernah mengalami vakum selama beberapa tahun.
2.4.1 Komponen Jaringan Syaraf Buatan
Ada beberapa tipe jaringan syaraf buatan, namun demikian, hampir semuanya memiliki komponen-komponen yang sama. Seperti halnya otak manusia, jaringan syaraf buatan 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 syaraf buatan, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut. Gambar di bawah menunjukkan struktur neuron pada jaringan syaraf buatan.
Gambar 2.6 Struktur Neuron Jaringan Syaraf Buatan (Kusumadewi, 2003).
Informasi atau disebut dengan input, akan dikirim ke neuron dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi perambatan (Σ)
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 keluarannya ke semua neuron yang berhubungan dengannya. Demikian seterusnya.
Pada jaringan syaraf buatan, 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 syaraf akan dirambatkan dari lapisan satu ke lapisan yang lain, 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.
Gambar 2.7 Jaringan Syaraf Buatan dengan 3 lapisan (Kusumadewi, 2003).
2.4.2 Arsitektur Jaringan Syaraf Buatan
Seperti telah dijelaskan sebelumnya bahwa neuron-neuron dikelompokkan dalan lapisan-lapisan. Umumnya, neuron-neuron yang terletak pada lapisan yang sama akan memiliki keadaan yang sama. Faktor terpenting dalam menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya.
Pada setiap lapisan yang sama, neuron-neuron akan memiliki fungsi aktivasi yang sama. Apabila neuron-neuron dalam suatu lapisan (misalkan lapisan tersembunyi) akan dihubungkan dengan neuron-neuron pada lapisan yang lain (misalkan lapisan output), maka setiap neuron pada lapisan tersebut (misalkan lapisan tersembunyi) juga harus dihubungkan dengan setiap lapisan pada lapisan lainnya (misalkan lapisan output).
Ada beberapa arsitektur jaringan syaraf, antara lain : 1. Jaringan dengan lapisan tunggal (single layer net).
Jaringan dengan lapisan tunggal hanya memiliki satu lapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
Gambar 2.8 Jaringan Syaraf Buatan dengan lapisan tunggal.
(Kusumadewi, 2003)
Pada gambar dia atas, lapisan input memiliki 3 neuron, yaitu X1, X2 dan X3. Sedangkan pada lapisan output memiliki 2 neuron yaitu Y1 dan Y2. Neuron-neuron pada kedua lapisan saling berhubungan.
Seberapa besar hubungan antara 2 neuron ditentukan oleh bobot yang bersesuaian. Semua unit input akan dihubungkan dengan setiap unit output.
2. Jaringan dengan banyak lapisan (multilayer net).
Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output (memiliki 1 atau lebih lapisan tersembunyi). Umumnya, ada lapisan bobot-bobot yang terletak antara 2 lapisan yang bersebelahan. Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit daripada lapisan dengan lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit. Tetapi, pada banyak kasus, pembelajaran pada jaringan dengan banyak lapisan ini lebih sukses dalam menyelesaikan masalah.
Gambar 2.9 Jaringan Syaraf Buatan dengan banyak lapisan.
(Kusumadewi, 2003)
3. Jaringan dengan lapisan kompetitif (competitive layer net).
Umumnya, hubungan antar neuron pada lapisan kompetitif ini tidak diperlihatkan pada diagram arsitektur. Gambar 2.10 menunjukkan salah satu contoh arsitektur jaringan dengan lapisan kompetitif yang memiliki bobot -η.
Gambar 2.10 Jaringan Syaraf Buatan dengan lapisan kompetitif.
(Kusumadewi, 2003) 2.4.3 Proses Pembelajaran
Pada otak manusia, informasi yang dilewatkan dari satu neuron ke neuron yang lainnya berbentuk rangsangan listrik melalui dendrit. Jika rangsangan tersebut diterima oleh suatu neuron, maka neuron tersebut akan membangkitkan output ke semua neuron yang berhubungan dengannya sampai informasi tersebut sampai ke tujuannya yaitu terjadi suatu reaksi. Apabila ada rangsangan yang sama dengan rangsangan yang telah diterima oleh neuron, maka neuron akan memberikan reaksi dengan cepat. Namun apabila kelak ada rangsangan yang berbeda dengan apa yang telah diterima oleh neuron, maka neuron akan segera beradaptasi untuk memberikan reaksi yang sesuai.
Jaringan syaraf buatan mencoba untuk mensimulasikan kemampuan otak manusia untuk belajar. Jaringan syaraf buatan juga tersusun atas neuron-neuron dan dendrit. Tidak seperti model biologis, jaringan syaraf buatan memiliki struktur yang tidak dapat diubah, dibangun oleh sejumlah neuron, dan memiliki nilai tertentu yang menunjukkan seberapa besar koneksi antara neuron (yang dikenal dengan nama bobot). Perubahan yang terjadi selama proses pembelajaran adalah perubahan bobot. Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan,
sebaliknya jika informasi tidak disampaikan, maka nilai bobot yang menghubungkan keduanya akan dikurangi. Pada saat pembelajaran dilakukan pada input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai suatu nilai yang cukup seimbang. Apabila nilai ini telah tercapai mengindikasikan bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan. (Kusumadewi, 2003).
Pembelajaran jaringan syaraf buatan diklasifikasikan menjadi 2 metode : - Metode pembelajaran terawasi (supervised learning)
Pembelajaran disebut terawasi, jika output yang diharapkan telah diketahui sebelumnya. Pada proses pembelajaran, satu pola input akan diberikan ke satu neuron pada lapisan input. Pola ini akan dirambatkan di sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola target, maka di sini akan muncul error. Apabila nilai error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi.
Contoh metode pembelajaran terawasi diantaranya adalah Perceptron, Backpropagation, Heteroassociative Memory, Bidirectional Associative Memory (BAM) dan Learning Vector Quantization (LVQ).
- Metode pembelajaran tak terawasi (unsupervised learning)
Pada metode pembelajaran yang tak terawasi ini tidak memerlukan target output. Pada metode ini, tidak dapat ditentukan hasil yang seperti apakah yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu rentang tertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalah mengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Pembelajaran ini biasanya sangat cocok untuk pengelompokan (klasifikasi) pola. Contoh dari pembelajaran tak terawasi adalah metode Kohonen.
2.4.4 Metode Learning Vector Quantization (LVQ)
Metode Learning Vector Quantization (LVQ) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikan vektor-vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input tersebut ke dalam kelas yang sama. (Kusumadewi, 2003). .
Algoritma dari metode LVQ adalah sebagai berikut : 1. Tetapkan : - bobot (w),
- maksimum epoh (MaxEpoh)
- error minimum yang diharapkan (Eps) - Learning rate (α )
2. Masukkan :
a. Input : x (m, n);
b. Target m : T (1,n) 3. Tetapkan kondisi awal :
a. epoh = 0;
b. err = 1
4. Kerjakan jika (epoh < MaxEpoh) atau (α < Eps ) a. epoh = epoh + 1;
b. Kerjakan untuk i = 1 sampai n
i. Tentukan J sedemikian hinggan ׀׀ x – wj ׀׀ minimum (sebut sebagai C j ).
ii. Perbaikan wj dengan ketentuan : 1) Jika T = C j, maka :
wj (baru) = wj (lama) + (x- wj (lama)) 2) Jika T ≠ C j, maka :
wj (baru) = wj (lama) - (x- wj (lama)) 3) Kurangin nilai α
Gambar 2.11 Arsitektur jaringan LVQ (Sri Kusumadewi, 2003) 2.5 Basis Data
Basis Data dapat dianggap sebagai tempat untuk sekumpulan berkas data terkomputerisasi. Sistem basis data pada dasarnya adalah sistem terkomputerisasi yang tujuan utamanya adalah memelihara dam membuat informasi tersebut tersedia saat dibutuhkan.
Tujuan dalam basis data adalah mempermudah penciptaan struktur data dan membebaskan program dari masalah penyusunan file yang tidak terstruktur, sehingga mempermudah dalam mendesain dan menyiapkan suatu basis data yang dapat digunakan oleh sejumlah program aplikasi yang berlainan.
2.5.1 Proses Perancangan Basis Data
Proses perancangan basis data, terlepas dari masalah yang ditangani, dibagi menjadi tiga tahapan yaitu : (Abdul Kadir, 2003)
1. Perancangan basis data secara konseptual 2. Perancangan basis data secara logis 3. Perancangan basis data secara fisis
Perancangan basis data secara konseptual merupakan upaya untuk membuat model yang masih bersifat konsep.
Perancangan basis data secara logis merupakan tahapan untuk memetakan model konseptual ke model basis data yang akan dipakai, seperti model relasional, hirarki, atau jaringan. Namun sebagaimana halnya perancangan basis data secara
konseptual, perancangan ini tidak tergantung terhadap DBMS (Database Management System) yang akan dipakai. Itulah sebabnya perancangan basis data secara logis terkadang disebut pemetaan model data.
Perancangan basis data secara fisis merupakan tahapan untuk menuangkan perancangan basis data yang bersifat logis menjadi basis data fisis yang tersimpan pada media penyimpanan eksternal. Perancangan basis data secara konseptual terdiri atas tiga langkah berikut :
1. Penentuan entitas pada basis data
Menentukan entitas serta atribut dari entitas apa saja yang diperlukan 2. Pendefinisian hubungan antar entitas
Pendefinisian hubungan antar entitas dilakukan dengan menggunakan pemodelan diagram keterhubungan entitas (ERD)
3. Penerjemahan hubungan ke dalam entitas
Setelah hubungan antar entitas didefinisikan, hubungan akan diterjemahkan ke dalam tabel. Hal ini dilakukan dengan menentukan kunci entitas penerjemahan hubungan ke dalam kunci tamu dan penormalisasian basis data.
Langkah-langkah di atas melibatkan komponen-komponen sebagaimana diperlihatkan pada Gambar 2.12
Gambar 2.12 Komponen-komponen perancangan basis data konseptual (Abdul Kadir, 2003)
Penjelasan mengenai komponen-komponen pada Gambar 2.12 adalah : 1. Entitas
Entitas terkadang disebut tipe entitas atau kelas entitas. Entitas menyatakan objek atau kejadian. PELANGGAN, PEGAWAI, DEPARTEMEN, BUKU, MATA KULIAH merupakan contoh dari entitas. Pada model relasional, entitas akan menjadi tabel.
2. Artibut
Atribut adalah item data yang menjadi bagian dari suatu entitas. Istilah lain atribut adalah properti. Nama pegawai ataupun NIP adalah contoh atribut yang terdapat pada entitas PEGAWAI. Jumlah SKS, Kode Mata Kuliah merupakan contoh atribut pada entitas MATA KULIAH.
3. Hubungan
Hubungan adalah asosiasi atau kaitan antara dua entitas. Misalnya, entitas DOSEN, WALI dan MAHASISWA terdapat hubungan berupa bimbingan.
Pada model relasional, hubungan akan menjadi kunci tamu yang akan dibahas pada keterangan selanjutnya.
4. Kekangan
Kekangan digunakan untuk melindungi integritas data, misalnya melindungi kesalahan pada waktu pengisian data.
5. Domain
Domain adalah himpunan nilai yang berlaku bagi suatu atribut. Kekangan domain mendefinisikan nama, tipe, format, panjang dan nilai masing- masing item dan sebagai contoh: Agama dinyatakan dengan nama AGAMA, panjang 1 karakter dengan kemungkinan nilai berupa I, K, P, H dan B (masing-masing untuk menyatakan Islam, Katholik, Protestan, Hindu dan Budha).
6. Integritas Referensial
Integritas referensial adalah aturan-aturan yang mengatur hubungan antara kunci primer dengan kunci tamu milik tabel-tabel yang berada dalam suatu basis data relasional untuk menjaga konsistensi data. Jenis integritas
referensial ada tiga yaitu: penambahan (insert), penghapusan (delete) dan peremajaan (update).
2.5.2 Kunci (Key)
Penentuan kunci merupakan hal paling penting dalam basis data relasional.
Kunci tidak sekedar sebagai metode untuk mengakses suatu baris tertentu, tetapi juga sekaligus dapat menjadi pengenal unik terhadap tabel. (Abdul Kadir, 2003).
Kunci dapat berupa sebuah atribut atau gabungan dari beberapa atribut.
Berikut adalah beberapa jenis kunci : 1. Kunci sederhana
Kunci sederhana adalah kunci yang dibentuk oleh sebuah elemen data sebuah atribut. Misalnya NIP merupakan contoh kunci sederhana untuk membedakan antara suatu pegawai dengan pegawai lainnya.
2. Kunci kandidat
Kunci kandidat adalah kunci yang unik (tidak mungkin ada yang sama) dapat dipakai untuk mengidentifikasi suatu baris di dalam tabel.
Contoh, NIP dipakai sebagai kunci kandidat. Dengan menggunakan NIP, seorang pegawai dapat diidentifikasikan karena tidak ada dua pegawai dengan NIP yang sama.
3. Kunci primer
Kunci primer adalah kunci kandidat yang dipilih sebagai kunci utama untuk mengidentifikasi baris dalam tabel.
4. Kunci alternatif
Kunci alternatif adalah semua kunci kandidat yang tidak bertindak sebagai kunci primer.
5. Kunci tamu
Kunci tamu (foreign key) adalah sebarang atribut yang menunjuk ke kunci primer pada tabel lain. Lihat Gambar 2.6 sebagai contoh.
Gambar 2.13 Contoh kunci primer dan kunci tamu
Pada gambar di atas terdapat tabel. Kode_Pelanggan adalah kunci primer milik tabel PELANGGAN, dan Kode_Kota adalah kunci primer milik tabel KOTA. Bagi tabel PELANGGAN, Kode_kota merupakan kunci tamu yang menunjuk ke tabel KOTA. Terlihat bahwa atribut yang berkedudukan sebagai kunci tamu bisa saja memiliki nilai yang sama, tetapi yang bertindak sebagai kunci primer tidak mungkin ada yang sama.
2.6 Interkasi Manusia dan Komputer
Berdasarkan pendapat Schneiderman, Interaksi Manusia dan Komputer atau Human Computer Interaction (HCI) adalah disiplin ilmu yang berhubungan dengan perancangan, evaluasi dan implementasi sistem komputer interaktif untuk digunakan oleh manusia, serta pembelajaran fenomena-fenomena besar yang berhubungan dengannya. Jadi dapat dikatakan bahwa interaksi manusia dan komputer dititik beratkan pada perancangan dan evaluasi antarmuka pemakai (user interface). Antarmuka pemakai adalah bagian sistem komputer yang memungkinkan manusia berinteraksi dengan computer. (Schneiderman:1998).
Berdasarkan pendapat Schneidermann, untuk merancang sistem interaksi manusia dan komputer yang baik, maka harus memperhatikan delapan aturan emas (eight golden rules) berikut ini :
1. Berusaha keras untuk konsisten dalam penggunaan warna, huruf harus seragam
2. Memungkinkan pemakai rutin untuk menggunakan shortcut 3. Memberikan umpan balik yang interaktif
4. Merancang dialog untuk menghasilkan keadaan akhir (sukses, selesai) 5. Penegasan kesalahan yang sederhana
6. Memungkinkan pembalikan aksi yang mudah
7. Mendukung pusat kendali internal, yang menguasai sistem-sistem memberikan respon terhadap aksinya.
8. Mengurangi beban ingatan jangka pendek, Rule of Thumb : manusia hanya sanggup mengingat kurang lebih 2 sampai 7 informasi.
2.7 Huruf Hijaiyah
Huruf Hijaiyah merupakan jenis huruf yang digunakan oleh banyak Negara berbahasa arab yang berada di wilayah timur tengah dan afrika utara.
berbeda dengan alphabet latin yang dituliskan dari kiri ke kanan, huruf hijaiyah dituliskan dan dibaca dari kanan ke kiri. berikut adalah daftar huruf-huruf hijaiyah dan namanya dan cara penulisannya.
Tabel 2.4 Daftar huruf-huruf hijaiyah
Tabel 2.5 Daftar cara penulisan huruf-huruf hijaiyah
Nama Huruf Nama Huruf Nama Huruf
Alif Zay Qof
Ba Sin Kaf
Ta Syin Lam
Tsa Shod Mim
Jim Dhod Nun
Hha Tho Wau
Kho Zho Ha
Dal 'Ain Lam-
Alif
Dza Ghin Hamzah
Ro Fa Ya
