3.3 Perancangan Sistem
Perancangan sistem ini bertujuan untuk menentukan output yang diharapkan dari aplikasi yang akan dibangun dan merumuskan cara yang harus dilakukan untuk
mendapatkan hasil tersebut. Perancangan yang dilakukan meliputi tahap perancangan arsitektur jaringan dan perancangan antarmuka sistem.
3.3.1 Perancangan Arsitektur Jaringan
Pada penelitian ini, jaringan yang akan dirancang adalah jaringan perceptron lapis tunggal single layer perceptron, tanpa lapisan tersembunyi. Masukan terdiri dari
1089 neuron sesuai dengan nilai matriks data input 33x33 dan 16 neuron untuk keluaran sebagai target, dimana:
vektor keluaran target 1 adalah 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0, vektor keluaran target 2 adalah 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0,
vektor keluaran target 3 adalah 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0, vektor keluaran target 4 adalah 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0,
vektor keluaran target 5 adalah 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0, vektor keluaran target 6 adalah 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0,
vektor keluaran target 7 adalah 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0, vektor keluaran target 8 adalah 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0,
vektor keluaran target 9 adalah 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0, vektor keluaran target 10 adalah 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0,
vektor keluaran target 11 adalah 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0, vektor keluaran target 12 adalah 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0,
vektor keluaran target 13 adalah 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0, vektor keluaran target 14 adalah 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0,
vektor keluaran target 15 adalah 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0, vektor keluaran target 16 adalah 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1.
Fungsi aktivasi yang digunakan adalah fungsi aktivasi hardlim yang terdapat pada Matlab, dengan output biner 0 dan 1.
Untuk menghasilkan keluaran target diatas, ada 16 target t1, t2, t3, …, t16; 16 jaringan net, yaitu net1, net2, net3, …, net16; dan 16 output y yang merupakan
fungsi aktivasi dari masing-masing jaringan, yaitu y1 = fnet1, y2 = fnet2, y3 = fnet3, …, y16 = fnet16. Masing-masing output y akan menghasilkan nilai 0 dan 1.
Hasil yang ditampilkan oleh sistem tergantung pada keluaran y1, y2, y3, …, y16.
Arsitektur jaringan syaraf tiruan yang digunakan pada penelitian ini ditunjukkan pada gambar berikut.
X
1
x
i
x
1089
1 y
1
y
5
y
9
y
16
Lapisan input
Lapisan output
... ...
... ...
...
Gambar 3.6 Arsitektur Jaringan Syaraf Tiruan metode Perceptron untuk Pengenalan Pola QR Code
Perceptron dibentuk dengan menggunakan perintah newp. Perintah newp akan membentuk sebuah perceptron dengan spesifikasi tertentu jumlah unit input, jumlah
neuron, fungsi aktivasi, dll. Format fungsi newp adalah sebagai berikut: net = newp PR, S, TF, LF
dengan PR = matriks ordo Rx2 yang menyatakan nilai minimum dan maksimum tiap unit
masukan ada R buah unit masukan S = jumlah neuron target
TF = fungsi aktivasi biner. Defaultnya adalah fungsi threshold dalam Matlab disebut ‘hardlim’
LF = fungsi pelatihan. Defaultnya adalah ‘learnp’ Fungsi learnp dalam default pembuatan perceptron dipakai untuk mengubah bobot
sehingga diperoleh bobot yang lebih mendekati target.
3.3.2 Perancangan Antar Muka Sistem
Rancangan program akan diimplementasikan dengan menggunakan GUI Matlab R2007b untuk mempermudah proses perancangan sistem. Gambaran form yang akan
dibangun adalah sebagai berikut: 1. Form Utama
Form utama adalah form yang pertama kali tampil pada saat sistem dijalankan. Pada form ini tersedia 2 dua buah button yang mengizinkan user untuk memilih ingin
masuk ke form selanjutnya masuk ke aplikasi atau keluar dari sistem tersebut. Perancangan form utama ditampilkan pada gambar 3.7 berikut ini.
SISTEM PENGENALAN POLA QR QUICK RESPONSE CODE
DESKRIPSI SISTEM
START EXIT
Gambar 3.7 Form Utama
2. Form Aplikasi Form aplikasi merupakan form yang menampilkan isi dari pesan yang
tersimpan dalam QR Code. User akan memilih salah satu dari gambar QR Code yang terdapat pada sistem. Pada form ini terdapat 4 button, yaitu: open file untuk memilih
gambar QR Code yang telah tersedia, test untuk menguji dan mengetahui pesan yang tersimpan dalam QR Code tersebut, reset untuk mengulangi aplikasi, dan close untuk
keluar dari form aplikasi. Perancangan form aplikasi ditampilkan pada gambar 3.8 berikut ini.
SISTEM PENGENALAN POLA QR QUICK RESPONSE CODE
Pilih QR Code yang Anda inginkan Hasil
Gambar QR Code yang dipilih isi pesan yang tersimpan dalam
QR Code
Open File Reset
Test Close
Gambar 3.8 Form Aplikasi
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Pada bab ini akan dijelaskan implementasi dan pengujian sistem sesuai dengan analisis dan perancangan yang telah dibahas pada bab sebelumnya. Penjelasan tentang
implementasi sistem dilakukan untuk mengetahui hasil dari aplikasi yang dirancang, dan pengujian sistem dilakukan untuk membuktikan bahwa jaringan syaraf tiruan
dapat digunakan untuk pengenalan pola. Pengujian sistem ini dibatasi dengan menggunakan jaringan syaraf tiruan metode perceptron.
4.1 Implementasi