PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN

(1)

PENGENALAN POLA PIN BARCODE MENGGUNAKAN

METODE BACKPROPAGATION

DAN METODE PERCEPTRON

SKRIPSI

ARDI HASIHOLAN

091401072

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

BACKPROPAGATION

DAN

METODE

PERCEPTRON

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijasah Sarjana Ilmu Komputer

ARDI HASIHOLAN

091401072

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

(3)

PERSETUJUAN

Judul : PENGENALAN POLA PIN BARCODE

MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON

Kategori : SKRIPSI

Nama : ARDI HASIHOLAN

Nomor Induk Mahasiswa : 091401072

Program Studi : S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA Diluluskan di

Medan, 22 Agustus 2013

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dian Wirdasari, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom

NIP. 19820923 201012 2 002 NIP.19620317 199103 1 001

Diketahui/disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

(4)

PERNYATAAN

PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Yesus Kristus, Tuhan Yang Maha Esa, yang telah memberikan berkat dan naungan kasih-Nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak Prof. Dr. Dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku

Rektor Universitas Sumatera Utara.

2. Bapak Prof. Muhammad Zarlis selaku 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 banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

4. Ibu Maya Silvi Lydia, B.Sc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu

Komputer.

5. Ibu Dian Wirdasari, S.Si, M.Kom selaku Dosen Pembimbing II yang telah

banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

6. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM selaku Dosen Pembanding

I yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

7. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembanding II yang telah

banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

8. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI

USU.

9. Ayahanda (alm) R. Pakpahan dan Ibunda M. Sitohang yang menjadi saluran

berkat dari Tuhan dan selalu memberikan dukungan baik materi maupun non-materi, perhatian, serta doa tanpa henti kepada penulis.

10.Nantulang Josep yang menjadi saluran berkat dari Tuhan bagi penulis.

11.Teman-teman pengurus IMILKOM Fasilkom-TI 2012-2013.

12.Teman-teman sekaligus keluarga besar Program Studi S1 Ilmu Komputer

(6)

13.Keluarga asrama putra USU yaitu Rolanda Sianturi, Amd. , Royandi Hutasoit, S.S., Abdul Aziz Matondang, Forianus Waruwu, Kriston, Fazawao, dan Roy Sirait, dll.

14.Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat

penulis ucapkan satu demi satu yang telah membantu penyelesaian 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,

(7)

ABSTRAK

Pengenalan pola merupakan salah satu fungsi dari pemanfaatan jaringan saraf tiruan, dimana suatu obyek dikenali polanya sehingga nantinya dapat membantu proses pengenalan dari suatu obyek yang polanya mengalami kerusakan. Pengenalan pola

pada jaringan saraf tiruan dapat dilakukan dengan metode backpropagation dan

metode perceptron. Pada metode backpropagation jaringan dilatih melalui tiga fase

yaitu fase propagasi maju, fase propagasi mundur, dan fase perubahan bobot hingga

kondisi penghentian dipenuhi. Sedangkan pada metode perceptron, pelatihan

dilakukan dengan setiap pola yang menjadi masukan akan menghasilkan keluaran jaringan kemudian dibandingkan dengan targetnya. Jika berbeda, maka akan dilakukan perubahan bobot terhadap pola yang mengandung kesalahan dengan melakukan iterasi hingga nilai keluaran dan target menjadi sama. Pada sistem ini

obyek yang akan dilakukan pengenalan pola yaitu PIN barcode dan jenis barcodenya

yaitu QR-Code. Berdasarkan hasil ujicoba terhadap pola PIN barcode diketahui

bahwa metode perceptron dapat mengenali pola lebih optimal daripada metode

backpropagation. Ketepatan pengenalan pola PIN barcode pada pola yang telah

mengalami kerusakan yaitu 70% lebih baik dibandingkan metode backpropagation

yang hanya memiliki ketepatan 60%. Berdasarkan kecepatan waktu pengenalan pola,

metode perceptron jauh lebih cepat dalam melakukan pengenalan pola PIN barcode

dengan rata-rata waktu pengenalan pola PIN barcode yaitu 8,693658 detik. Sedangkan

rata-rata waktu pengenalan pola PIN barcode metode backpropagation yaitu 14,18654

detik.

(8)

PATTERN RECOGNITION PIN BARCODE IS USING BACKPROPAGATION METHOD AND PERCEPTRON METHOD

ABSTRACT

Pattern recognition is one of the functions of the neural networks, where objects maybe identified by their patterns. This may assist in recognition of objects which patterns are damaged. Pattern recognition in neural networkcan make by using backpropagation and perceptron methods. In Backpropagation method, the network is trained with the pattern through three phases, namely forward propagation, backward propagation, and weights adjustment phases, repeated until the termination condition is met. In the perceptron method, training is performed using input patterns which output are compared to the target. If difference is found, the weights in which the pattern resulted differently will be adjusted. This process is repeated until all output pattern matches the target. In this study the object for recognition is PIN barcode in the form of QR-Code. Testing indicated that perceptron method is more optimal compared to backpropagation in recognizing PIN barcode patterns. The perceptron method has an accuracy at 70% in recognizing damaged PIN barcode patterns, while backpropagation method accuracy is 60 60% for the damaged patterns. Perceptron method is also faster in recognizing PIN barcode with the average time of 8,69658 seconds, while backpropagation method average time is 14,18654 seconds.

(9)

DAFTAR ISI

Bab 1 Pendahuluan

1.1 Latar Belakang 1

2.2.2 Proses Threshold 6

2.3Jaringan Saraf Tiruan 7

2.3.1 Komponen Dalam Jaringan Saraf Tiruan 8

2.4.1 Fungsi Aktivasi 12

2.4.2 Pelatihan Backpropagation 13

2.4.3 Algoritma Pelatihan 14

2.5 Jaringan Saraf Tiruan Perceptron 17

(10)

Hal. Bab 3 Analisis Dan Perancangan Sistem

3.1 Analisis Sistem 20

3.1.1 Analisis Masalah 20

3.1.2Analisis Kebutuhan Sistem 21

3.1.2.1 Kebutuhan Fungsional Sistem 21

3.1.2.2 Kebutuhan Non-Fungsional Sistem 21

3.1.3 Analisis Proses 22

3.2 Pemodelan 26

3.2.1Use Case Diagram 26

3.2.2SequenceDiagram 27

3.2.3Activity Diagram 31

3.3 Pseudocode Program 33

3.3.1Pseudocode Proses Pelatihan JST 33

3.3.2 Pseudocode Proses Pengujian JST 35

3.4 Perancangan Sistem 36

3.4.1 Perancangan Flowchart Sistem 3.4.2 Perancangan Antarmuka (Interface)

3.4.2.1 Form Prototype

3.4.2.2 Form Metodebackpropagation

3.4.2.3 Form Metodeperceptron

3.4.2.4 Form Ujibackpropagation

3.4.2.5 Form Ujiperceptron

36

Bab 4 Implementasi dan Pengujian

4.1 Implementasi 45

4.1.1Form Prototype 45

4.1.2 Form Metodebackpropagation 46

4.1.3Form Metodeperceptron 48

4.1.4 Form Ujibackpropagation 49

4.1.5Form Ujiperceptron 51

4.1.6Form Menubantuan 52

4.1.7Form Bantuanpelatihan 53

4.1.8 Form Bantuanpengujian 54

4.2Pengujian 4.1.2 Algoritma Arithmetic Coding 55

4.2.1 Jenis Pengujian 55

4.2.1.1Kecepatan Pengenalan Pola PIN Barcode 56

4.2.1.2 Ketepatan Pengenalan Pola PIN Barcode 59

Bab 5 Kesimpulan dan Saran 70

5.1 Kesimpulan 70

(11)

DAFTAR GAMBAR

Hal.

Gambar 2.1 PIN Barcode (QR-Code) 6

Gambar 2.2 Proses Threshold 7

Gambar 2.3 Arsitektur Jaringan Syaraf Tiruan 8

Gambar 2.4 Single Layer Network 9

Gambar 2.5 Multi Layer Network 10

Gambar 2.6 Recurrent Network

Gambar 2.7 Arsitektur Backpropagation

Gambar 2.8 Fungsi Aktivasi Sigmoid

Gambar 2.9 Arsitektur Perceptron

11 11 12 18

Gambar 3.1 Use Case Diagram Sistem Pengenalan Pola PIN Barcode 27

Gambar 3.2Sequence Diagram Proses Pelatihan JST Backpropagation 28

Gambar 3.3Sequence Diagram Proses Pelatihan JST Perceptron 29

Gambar 3.4Sequence Diagram Proses Pengujian JST Backpropagation 30

Gambar 3.5 Sequence Diagram Proses Pengujian JST Perceptron 31

Gambar 3.6 Activity Diagram Pelatihan JST 32

Gambar 3.7 Activity Diagram Pengujian JST 33

Gambar 3.8 Flowchart Sistem 37

Gambar 3.9 Rancangan Form Prototype 38

Gambar 3.10 Rancangan Form Metodebackpropagation 39

Gambar 3.11 Rancangan Form Metodeperceptron 41

Gambar 3.12 Rancangan Form Ujibackpropagation 42

Gambar 3.13 Rancangan Form Ujiperceptron 44

Gambar 4.1 Form Prototype 46

Gambar 4.2 Form Metodebackpropagation 47

Gambar 4.3 Form Metodebackpropagation Setelah Proses Theshold pada

Citra PIN Barcode

47

Gambar4.4 Form Metodeperceptron 48

Gambar4.5 Form Metodeperceptron Setelah Proses Theshold pada Citra PIN

Barcode

49

Gambar4.6 Form Ujibackpropagation 50

Gambar4.7 Form Ujibackpropagation yang Telah Melakukan Pengujian Pola

PIN Barcode

50

Gambar 4.8 Form Ujiperceptron 51

Gambar 4.9 Form Ujiperceptron yang Telah Melakukan Pengujian Pola PIN

Barcode

52

Gambar 4.10 Form Menubantuan 53

Gambar 4.11 Form Bantuanpelatihan 54

Gambar 4.12 Form Bantuanpengujian 55

Gambar 4.13 Hasil Pelatihan JST Backpropagation 56

(12)

Hal.

Gambar 4.15 Citra Sebelum Uji Pengenalan Metode Backpropagation

Gambar 4.16 Citra Setelah Uji Pengenalan Metode Backpropagation

60 60

Gambar 4.17 Citra Sebelum Uji Pengenalan Metode Perceptron 61

(13)

DAFTAR TABEL

Hal.

Tabel 3.1 Nilai Bobot Lapisan masukan ke Lapisan Tersembunyi (vji)

Tabel 3.2 Bobot Lapisan Masukan ke Lapisan Tersembunyi (wkj)

Tabel 3.3 Nilai Suku Perubahan Bobot Tabel 3.4 Perubahan Bobot Unit Tersembunyi Tabel 3.5 Hasil Iterasi Pertama

Tabel 3.6 Hasil Perhitungan Setelah Diperoleh Bobot dan Bias Baru

Tabel 4.1 Perbandingan Waktu Uji Pengenalan Pola PIN Barcode Metode

Backpropagation dengan metode Perceptron

23

Tabel 4.2 Hasil Uji Pengenalan Metode Backpropagationdengan Citra yang

Belum Mengalami Kerusakan

62

Tabel 4.3 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Belum

Mengalami Kerusakan

Tabel 4.4 Hasil Uji Pengenalan Metode Backpropagation dengan Citra yang

Telah Mengalami Kerusakan

Tabel 4.5 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Telah

Mengalami Kerusakan

64

65