43 | P a g e
Pencari dan seleksi fitur berfungsi menemukan karakteristik pembeda yang mewakili sifat utama sinyal dan sekaligus mengurangi dimensi sinyal
menjadi sekumpulan bilangan yang lebih sedikit tetapi represantif. Algoritma klasifikasi berfungsi untuk mengelompokan fitur ke dalan
kelas yang sesuai. Algoritma deskripsi berfungsi memberikan deskripsi pada sinyal.
2.5.2 ANN Artificial Neural Network
Jaringan Saraf Tiruan atau Artificial Neural Network yang disingkat dengan ANN merupakan model jaringan neural yang meniru prinsip kerja
dari neuron otak manusia neuron biologis. ANN pertama kali muncul setelah model sederhana dari neuron buatan diperkenalkan oleh McCulloch
dan Pitts pada tahun 1943. Model sederhana tersebut dibuat berdasarkan fungsi neuron biologis yang merupakan dasar unit pensinyalan dari sistem
saraf. Jaringan saraf tiruan memiliki beberapa kemampuan seperti yang
dimiliki otak manusia, yaitu : 1. Kemampuan untuk belajar dari pengalaman
2. Kemampuan melakukan perumpamaan generalization terhadap input baru dari pengalaman yang dimilikinya
3. Kemampuan memisahkan abstraction karakteristik penting dari input yang mengandung data yang tidak penting
44 | P a g e
Gambar 2.13 Ilustrasi Model ANN
Pemodelan ANN merupakan pemodelan dengan menggunakan pendekatan pemodelan black box. Prinsip kerja ANN didasari pada
mekanisme kerja penyaluran informasi sistem NN. Namun demikian karena keterbatasan yang dimiliki oleh struktur ANN maka hanya sebagian kecil
saja dari kemampuan sistem saraf manusia dapat ditiru.
Tabel 2.6 Perbandingan NN dengan ANN NN
ANN
Soma Sel Tubuh Node
Dendrites Sinyal Input
Sinyal pada Akson Sinyal Output
Synapsis Bobot
Memiliki Kecepatan Rendah
Memiliki Kecepatan Tinggi
Memiliki Neuron sekitar 100 Miliar
Hanya Memiliki sekitar Ratusan Neuron
2.5.3 LVQ Learning Vector Quantization
Learning Vector Quantization LVQ adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. LVQ
merupakan single-layer net pada lapisan masukan yang terkoneksi secara
45 | P a g e
langsung dengan setiap neuron pada lapisan keluaran. Koneksi antar neuron tersebut dihubungkan dengan bobot weight. Neuron-neuron keluaran pada
LVQ menyatakan suatu kelas atau kategori tertentu Kusumadewi, 2003. Proses pembelajaran pada LVQ dilakukan melalui beberapa epoh
jangkauan waktu sampai batas epoh maksimal terlewati. LVQ melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan
kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor- vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan
kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan
kedua vektor input tersebut ke dalam kelas yang sama. Metode pembelajaran
LVQ dikerjakan
dengan algoritma
berikut Kusumadewi,2003 :
1 : Inisialisasi vector bobot wj dan set parameter learning rate α
2 : Selama epoh maxEpoh kerjakan 2 -6 3 : Untuk setiap vector masukan x dengan kelas T, kerjakan 3-4
4 : Temukan j sedemikian hingga dx,wj minimum, dan tandai j sebagai cj. 5 : Update vector bobot wj dengan cara :
Jika T = cj, maka wjbaru = wjlama +
αx-wjlama …1 Jika T = cj, maka wjbaru = wjlama -
αx-wjlama …..2 6 : Kurangi learning rate
α
46 | P a g e
Gambar 2.14 Jaringan LVQ
2.6 OpenCV Open Computer Vision
OpenCV adalah
sebuah library
yang berisi
fungsi-fungsi pemrograman untuk teknologi computer vision real time. OpenCV bersifat
open source, bebas digunakan untuk hal-hal yang bersifat akademis dan komersial. Dan untuk saat ini library OpenCV sudah dapat digunakan dalam
perangkat smartphone. Terdapat lebih dari 2500 algoritma yang terdapat dalam library OpenCV, digunakan di seluruh dunia, telah lebih dari 2.5 juta
kali diunduh, dan digunakan lebih dari 40.000 orang. Penggunaannya antara lain pada seni interaktif, inspeksi ambang, menampilkan peta di web melalui
teknologi robot. Contoh aplikasi dari OpenCV yaitu interaksi manusia dan computer,
identifikasi, segmentasi, dan pengenalan objek: pengenalan wajah; pengenalan gerakan; penelusuran gerakan, gerakan diri dan pemahaman
gerakan; struktur dari gerakan; kalibrasi stereo dan beberapa kamera serta komputasi mendalam; robotic.
47 | P a g e
2.7 Smartphone
Android adalah sebuah sistem operasi untuk perangkat mobile berbasis linux yang mencakup sistem operasi, middleware dan aplikasi.
Android menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka. Pada masa saat ini sebagian besar vendor-
vendor smartphone sudah memproduksi smartphone berbasis Android. Hal ini dikarenakan android merupakan sistem operasi yang open source
sehingga bebas didistribusikan dan dipakai oleh vendor manapun. Pengembang memiliki beberapa pilihan ketika membuat aplikasi yang
berbasis Android. Sebagian besar pengembang menggunakan Eclipse yang tersedia secara bebas untuk merancang dan mengembangkan aplikasi
Android. Eclipse adalah IDE yang paling populer untuk pengembangan Android, karena memiliki plug-in yang tersedia untuk memfasilitasi
pengembangan Android. Selain itu, Eclipse juga mendapat dukungan langsung dari Google untuk menjadi IDE pengembangan aplikasi Android,
ini terbukti dengan adanya penambahan plugins untuk Eclipse untuk membuat project Android dimana source software langsung dari situs resmi
Google.
48 | P a g e
2.7.1 The Dalvik Virtual Machine DVM
Salah satu elemen kunci dari Android adalah Dalvik Virtual Machine DVM. Android berjalan di dalam DVM bukan di Java Virtual Machine
JVM. Android menggunanakan Virtual Machine sendiri yang dikustomisasi dan dirsncang untuk memastikan bahwa beberapa feature berjalan lebih
efisien pada perangkat mobile. DVM mengeksekusi executable file, sebuah format yang dioptimalkan
untuk memastikan memori yang digunakan sangat kecil. The executable file diciptakan dengan mengubah kelas bahasa java dan dikompilasi
menggunakan tools yang disediakan dalam SDK Android.
2.7.2 Android SDK Software Development Kit
Android SDK adalah tools API Application Programming Interface yang diperlukan untuk mulai mengembangkan aplikasi pada platform
Android menggunakan bahasa pemrograman Java. Android merupakan subset perangkat lunak untuk ponsel yang meliputi sistem operasi,
middleware dan aplikasi kunci yang direlease oleh Google. Saat ini disediakan Android SDK sebagai alat bantu dan API untuk memulai
mengembangkan aplikasi pada platform Android menggunakan bahasa Java. Beberapa fitur-fitur Android yang paling penting adalah :
Framework Aplikasi yang mendukung penggantian komponen dan reusable
Mesin Virtual Dalvik dioptimalkan untuk perangkat mobile Integrated browser berdasarkan engine open source WebKit