Antarmuka Home Antarmuka Train

BAB IV IMPLEMENTASI DAN PENGUJIAN

4.1 Implementasi Sistem

Implementasi sistem pengenalan identitas dengan pola telapak tangan menggunakan Bidirectional Associative Memory BAM ini menggunakan bahasa pemrograman Matlab R2007b. Penerapan sistem ini dilakukan dengan dengan perangkat keras yang memilki spesifikasi notebook dengan prosessor intelR AtomTM, CPU N570, 1,67 GHz dan RAM 1GB.

4.1.1 Tampilan Antarmuka Sistem

Sistem pengidentifikasian telapak tangan manusia diimplementasikan dalam beberapa tampilan antarmuka untuk memberi kemudahan memahami proses identifikasi dengan 6 antarmuka yaitu antarmuka home, train, test, help, about, dan exit.

4.1.1.1 Antarmuka Home

Antarmuka Home merupakan antarmuka yang ditampilkan pertama kali ketika aplikasi dijalankan. Dalam antarmuka home terdapat menu-menu yang dapat menghubungkan menu home dengan menu lain seperti menu train, menu test, menu help, menu about, menu exit. Universitas Sumatera Utara Tampilan antarmuka home ditunjukkan pada Gambar 4.1. Gambar 4.1 Tampilan Antarmuka Home

4.1.1.2 Antarmuka Train

Antarmuka Train merupakan antarmuka dimana tempat pola-pola citra telapak tangan yang akan dilatih ditampilkan yaitu terdiri dari 20 sampel citra. Button Load diklik untuk menampilkan semua pola citra telapak tangan kanan yang akan diolah terlebih dahulu sebelum dilatih. Pada antarmuka train juga terdapat menu lain untuk dapat menghubungkan antarmuka train dengan antarmuka lain seperti menu home, menu test, menu help, menu about, menu exit. Tampilan antarmuka train ditunjukkan pada Gambar 4.2. Universitas Sumatera Utara Gambar 4.2 Tampilan antarmuka Train Tampilan antarmuka train pada saat button Load diklik ditunjukkan pada Gambar 4.3 Gambar 4.3 Tampilan antarmuka Train setelah button Load diklik Pada antarmuka Train terdapat panel preprocessing yang berisi 4 button yaitu button Reshape, button Grayscale, button Sharpening, button Deteksi Tepi Canny. Keempat button Universitas Sumatera Utara tersebut merupakan proses pre-processing untuk mengolah pola citra telapak tangan sebelum diolah. Keempat button digunakan secara berurutan dimulai dari button Reshape kemudian ke button Grayscale selanjutnya ke button Sharpening dan akhirnya ke button Deteksi Tepi Canny. Button Reshape berfungsi untuk mengubah ukuran seluruh pola citra telapak tangan pada 20 axes menjadi 200 x 300 piksel. Tampilan antarmuka setelah button Reshape di klik ditunjukkan pada gambar 4.4. Gambar 4.4 Tampilan antarmuka train setelah button Reshape diklik Button Grayscale berfungsi untuk mengubah seluruh pola citra telapak tangan RGB pada 20 axes yang sudah di-Reshape menjadi grayscale. Tampilan antarmuka setelah button Graycale di klik ditunjukkan pada gambar 4.5. Universitas Sumatera Utara Gambar 4.5 Tampilan antarmuka setelah button Graycale diklik Selanjutnya, pola citra telapak tangan yang sudah di grayscale akan di sharpening dengang button Shapening sebanyak 3 kali untuk menajamkan garis tepi pada pola citra telapak tangan. Tampilan antarmuka train pada saat di-sharpening pertama kali ditunjukkan pada Gambar 4.6. Gambar 4. 6 Tampilan antarmuka train pada saat di-sharpening pertama kali Universitas Sumatera Utara Tampilan antarmuka train pada saat di-sharpening kedua kali ditunjukkan pada Gambar 4.7. Gambar 4.7 Tampilan antarmuka train pada saat di-sharpening kedua kali Tampilan antarmuka train pada saat di-sharpening ketiga kali ditunjukkan pada Gambar 4.8. Gambar 4.8 Tampilan antarmuka train pada saat di-sharpening ketiga kali Pola citra telapak tangan yang sudah di-sharpening selanjutnya akan diproses dengan mengklik deteksi tepi Canny seperti yang ditunjukkan pada Gambar 4.9. Universitas Sumatera Utara Gambar 4.9 Tampilan antarmuka train pada saat di deteksi tepi Canny Pola yang sudah siap diolah akan di latih dengan mengklik button train, maka pola citra telapak tangan kanan akan diolah dan akan menghasilkan bobot yang disimpan dalam pelatihan.xls. Setelah siap disimpan bobot disimpan, maka diberi informasi seperti tampilan antarmuka Gambar 4.10. Gambar 4.10 Tampilan Antarmuka setelah selesai dilatih

4.1.1.3 Antarmuka Test

Dokumen yang terkait

Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory untuk Pengenalan Pola Wajah

3 100 120

Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory Untuk Pengenalan Pola Wajah

5 41 120

Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory Untuk Pengenalan Pola Wajah

0 0 6

Implementasi Jaringan Syaraf Metode Bidirectional Associative Memory Untuk Pengenalan Pola Wajah

0 0 2

Implementasi Jaringan Syaraf Tiruan Bidirectional Associative Memory Untuk Pengidentifikasian Telapak Tangan Manusia (Studi Kasus: Mahasiswa S1 Ilmu Komputer Usu Stambuk 2010 Kom A)

0 0 13

Implementasi Jaringan Syaraf Tiruan Bidirectional Associative Memory Untuk Pengidentifikasian Telapak Tangan Manusia (Studi Kasus: Mahasiswa S1 Ilmu Komputer Usu Stambuk 2010 Kom A)

0 0 1

Implementasi Jaringan Syaraf Tiruan Bidirectional Associative Memory Untuk Pengidentifikasian Telapak Tangan Manusia (Studi Kasus: Mahasiswa S1 Ilmu Komputer Usu Stambuk 2010 Kom A)

0 0 5

Implementasi Jaringan Syaraf Tiruan Bidirectional Associative Memory Untuk Pengidentifikasian Telapak Tangan Manusia (Studi Kasus: Mahasiswa S1 Ilmu Komputer Usu Stambuk 2010 Kom A)

0 2 18

Implementasi Jaringan Syaraf Tiruan Bidirectional Associative Memory Untuk Pengidentifikasian Telapak Tangan Manusia (Studi Kasus: Mahasiswa S1 Ilmu Komputer Usu Stambuk 2010 Kom A)

0 0 25

Jaringan Syaraf Tiruan Bidirectional Associative Memory (BAM) Sebagai Identifikasi Pola Sidik jari Manusia ZAINAL ARIFIN

0 0 6