33
BAB III ANALISA LAN PERANCANGAN SISTEM
Pada bab ini akan menjelaskan gambaran sistem secara umum untuk mengenali plat nomor kendaraan dengan menggunakan metode Propagasi Balik.
Untuk itu, dibutuhkan dua tahap Jaringan Syaraf Tiruan Propagasi Balik dalam pengenalan plat nomor, yaitu:
a. Tahap pelatihan training untuk pembentukan model
b. Tahap pengujian testing yang sekaligus sebagai pengenalan plat nomor
kendaraan. Bab ini juga akan mendesain rancangan user interlace dari aplikasi yang
akan dibangun serta perangkat keras dan lunak yang digunakan.
3.1 Analisa Sistem
Sistem yang akan dibangun adalah untuk mengenali plat nomor kendaraan bermotor khususnya DIY Yogyakarta dengan menggunakan metode
Propagasi Balik. Karakter yang akan dikenali ialah angka 0 sampai 9 dan huruf A sampai Z, dimana pengenalannya dilakukan pada setiap karakter yang ada pada
plat nomor kendaraan tersebut. Input yang akan diproses dengan menggunakan ekstensi .jpg. Gambar
yang di inputkan kemudian dikenali melalui ekstraksi ciri. Langkah selanjutnya ialah melakukan ekstraksi ciri untuk digunakan
34
dalam proses training dan testing. Jumlah data yang akan dipergunakan sebagai data training dapat dilihat pada tabel dibawah dan data testing ada 30 foto yang
belum mengalami proses ekstrasi ciri.
Tabel 3.1. Data Training A
5 N
5 B
5 O
5 C
5 P
5 D
5 Q
5 E
5 R
5 F
5 S
5 G
5 T
5 H
5 U
5 I
5 V
5 J
5 W
5 K
5 X
5 L
5 Y
5 M
5 Z
5 5
5 5
1 5
6 5
2 5
7 5
3 5
8 5
4 5
9 5
Gambar yang akan di proses merupakan plat nomor kendaraan pribadi yang menpunyai background hitam dan warna setiap karater berwana putih.
Gambar dibawah ini merupakan penjelasan bagian-bagian dari sebuah plat nomor dapat dilihat pada gambar 3.1 berikut.
35
A B C
D
Gambar 3.1 Plat Nomor Kendaraan Bermotor
Keterangan gambar : A = Nomor kode wilayah
B = Nomor urut pendaftaran C = Nomor tanda pengenal
D = Tanggal masa berlaku
3.2 Analisa klasifikasi dengan JST Propagasi Balik
Metode klasifikasi dengan JST Propagasi Balik dipilih karena beberapa kelebihan yang dimilikinya, yaitu kemudahannya
untuk diimplementasikan, serta kekuatan generalisasinya yang baik sehingga dapat memberika hasil yang akurat
dengan sampel di luar sampel yang digunakan untuk pembelajaran. 1.
Lapisan tersembunyi Secara garis besar dalam Jaringan Syaraf Tiruan Propagasi Balik terdiri dari
tiga lapisan yaitu lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Namun untuk menghasilkan hasil yang maksimal lapisan
tersembunyi dapat dipecah dan dibuat beberapa lapisan baru. Untuk
36
penelitian ini menggunakan dua lapisan tersembunyi. Tidak ada teori yang membatasi pada jumlah lapisan jumlah tersembunyi. Namun beberapa
pekerjaan telah dilakukan yang menunjukkan bahwa tiga lapisan dua lapisan tersembunyi ditambah lapisan keluaran sudah mampu untuk
memecahkan masalah dengan hasil yang maksimal. Jong Jek Siang, 2009. 2.
Fungsi aktivasi Dalam Propagasi Balik, fungsi aktivasi yang dipakai harus memenuhi
beberapa syarat yaitu kontinu, terdiferensial dengan mudah dan merupakan fungsi yang tidak turun. Salah satu fungsi yang memenuhi ketiga syarat
tersebut yaitu sigmod biner Logsig yang memiliki range 0,1 dan sigmod bipolar Tansig yang memiliki range -1,1. Jong Jek Siang, 2009.
3. Inisialisasi Bobot
Pemilihan bobot awal sangat mempengaruhi jaringan syaraf dalam mencapai nilai minimum terhadap nilai eror, serta cepat tidaknya pelatihan menuju
kekonvergenan menuju satu titik pertemuan. Apabila nilai bobot awal terlalu besar, maka input ke setiap lapisan tersembunyi atau lapisan output
akan jatuh pada daerah fungsi turunan yang akan sangat kecil. Sebaliknya, apabila nilai bobot awal terlalu kecil maka input ke setiap lapisan
tersembunyi atau lapisan output akan sangat kecil, yang akan menyebabkan proses pelatihan akan berjalan sangat lambat. Biasanya bobot awal
diinisialisasi secara random dengan nilai antara -0,5 sampai 0,5 atau -1 sampai 1, atau interval yang lain. Jika menggunakan bobot awal secara tetap
37
maka hal ini dapat memicu lambatnya proses training. Untuk proses pelatihan ini menggunakan bobot awal secara acak. Jong Jek Siang, 2009.
3.3 Perancangan Sistem
Kategori