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

IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
(STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU
STAMBUK 2010 KOM A)
SKRIPSI

LENNORA MARBUN
101401051

PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

Universitas Sumatera Utara

IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE
MEMORY UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
( STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU
STAMBUK 2010 KOM A)

SKRIPSI

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

LENNORA MARBUN
101401051

PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

Universitas Sumatera Utara

PERSETUJUAN

Judul

Kategori
Nama
NomorIndukMahasiswa
Program Studi
Departemen
Fakultas

: IMPLEMENTASI JARINGAN SYARAF TIRUAN
BIDIRECTIONAL ASSOCIATIVE MEMORY UNTUK
PENGIDENTIFIKASIAN TELAPAK TANGAN
MANUSIA( STUDI KASUS: MAHASISWA S1
ILMU KOMPUTER USU STAMBUK 2010 KOM A)
: SKRIPSI
: LENNORA MARBUN
: 101401051
: SARJANA (S1) ILMU KOMPUTER
: ILMU KOMPUTER
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di

Medan,
2014

Komisi Pembimbing

:

Pembimbing 1

Pembimbing 2

Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001

Amer Sharif, S.Si, M.Kom
NIP.-

Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,

Dr. Poltak Sihombing, M.Kom
NIP.196203171991031001

Universitas Sumatera Utara

PERNYATAAN

IMPLEMENTASI JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
UNTUK PENGIDENTIFIKASIAN TELAPAK TANGAN MANUSIA
( STUDI KASUS: MAHASISWA S1 ILMU KOMPUTER USU
STAMBUK 2010 KOM A)

SKRIPSI

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

Medan, Agustus 2014

Lennora Marbun
NIM. 101401051

Universitas Sumatera Utara

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus hanya atas kasih karuniaNyalah penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada:
1.

Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku Rektor
Universitas Sumatera Utara.

2.

Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan
Teknologi Informasi Universitas Sumatera Utara, serta Pembantu 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 meluangkan waktu dan memberi masukan yang
bermanfaat bagi penulis.

4.

Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer
Universitas Sumatera Utara.
Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan
bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini.

5.

6.

Bapak Marihat Situmorang, selaku Dosen Pembanding I yang telah memberikan kritik

dan saran dalam penyempurnaan skripsi ini.

7.

Bapak Jos Timanta Tarigan, M.Kom selaku Dosen Pembanding II yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini.

8.

Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI
Universitas Sumatera Utara.

9.

Ayahanda Pieter Marbun dan ibunda Delima Silaban tercinta, serta saudaraku David
Marbun, S.Th , Bistok Marbun,S.T, Evelin Rosai Marbun, Astri Hartati Marbun yang
selalu memberikan kasih sayang, perhatian dan doa tanpa henti kepada penulis.

10. Sahabat saya Abdinal, Agatha, Westhy, sunfirst, Teti, Helen, Kak Desi, Bang Adi
Kong, Kak Tika, Bang Jakub, juga teman-teman Komdis, IKLC, rekan-rekan kuliah,

serta semua sahabat dan keluarga yang selalu memberikan semangat dan dorongan
kepada penulis selama menyelesaikan skripsi ini.
11. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis
ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Universitas Sumatera Utara

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu,
penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi
ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada
seluruh pembaca.

Medan,

2014

Penulis

Lennora Marbun

Universitas Sumatera Utara

ABSTRAK

Sistem pengenalan identitas seseorang dapat diimplementasikan dengan sistem biometrika.
Sistem biometrika mempunyai tingkat keamanan yang lebih baik dibandingkan dengan
sistem pengenalan identitas secara tradisional karena dengan sistem biometrika, identitas
seseorang tidak dapat diduplikat, dicuri, hilang dan terlupakan. Telapak tangan merupakan
salah satu sistem biometrika yang dapat digunakan polanya untuk mengenali identitas. Pola
ini dapat diidentifikasi dengan Jaringan Syaraf Tiruan (JST). JST merupakan suatu sistem
komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf
biologis di dalam otak. Salah satu metode dalam jaringan syaraf tiruan adalah Bidirectional
associative memory (BAM) yang merupakan model neural network dengan hetero
associative memory dengan menggunakan dua layer, yaitu layer input dan layer output
yang mempunyai kemampuan dalam mengenali pola secara stabil. Dalam penelitian ini, pola
yang digunakan sebagai pola masukan adalah citra telapak tangan kanan dengan ciri geometri
dan garis-garis utama yang diambil dengan scanner dan menghasilkan citra telapak tangan
kanan yang melintang, kemudian diproses untuk mendapat citra yang seragam dengan ukuran
200 x 300 piksel dan mengubah pola menjadi bipolar dengan nilai 1 dan -1. Pola inilah yang
akan dilatih sehingga menghasilkan matriks bobot yang menjadi tolak ukur untuk pengujian

pola telapak tangan kanan. Penelitian ini memiliki dua pengujian, pertama pengujian
terhadap citra pola telapak tangan kanan yang sudah dilatih dengan hasil pengenalan sebesar
100% dan kedua pengujian terhadap citra pola telapak tangan kanan yang baru diambil
dengan hasil pengenalan mencapai 52,5%. Kesimpulan yang diperoleh hasil penelitian ini
adalah metode Bidirectional Associative Memory dapat mengenali pola telapak tangan
dengan memanfaatkan ciri geometri dan garis-garis utama telapak tangan.
Kata kunci : Jaringan syaraf tiruan, Bidirectional Associative Memory, Pola telapak tangan,
Bobot matriks, Pola bipolar.

Universitas Sumatera Utara

IMPLEMENTATION OF NEURAL NETWORK BIDIRECTIONAL ASSOCIATIVE
MEMORY FOR PALM HUMAN PATTERN RECOGNITION

ABSTRACT

Identity recognition system can be implemented by biometric system. Biometric system has
better security grade than traditional identity recognition system because biometric system
cannot be duplicated, stolen, lost, and forgotten. Palm is one of biometric system which
pattern can be used to recognize identity. This Pattern can be identified by Artificial Neural

Network (ANN). ANN is a computational system where the architecture and operation
inspired by knowledge about biological neural cells in the brain. One method in artificial
neural networks is Bidirectional Associative Memory (BAM) which is a type of neural
network with hetero-associative memory by using two layers, that is the input layer and
output layer which has the ability to identify pattern after reaching a stable state. In this
research, the pattern used as the input pattern is the image of the palm of the right hand with
the characteristic geometry and principle lines taken by scanner to produce image of
transverse right palm, then processed to obtain a regular image with the size 200 x 300 pixels
and converted to obtain bipolar patterns with values 1 and -1. This pattern will be used for
training to produce a weight matrix which serve as a benchmark for testing the right palm
pattern. This research has two tests, first testing on the right palm image pattern that was
used for training with the result of identification is 100% and second testing on the image of
right palm pattern not previously scanned with the identification result of 52,5%. The
conclusion of the research the Bidirectional Associative Memory method is able to identify
pattern by utilizing characteristic geometry and principle lines of the palm.

Keywords: Artificial Neural Network, Bidirectional Associative Memory, Palms pattern,
Weight matrix, Bipolar patterns.

Universitas Sumatera Utara

DAFTAR ISI

Hal
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Gambar
Daftar Tabel

ii
iii
iv
vi
vii
viii
x
xi

Bab I Pendahuluan
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan

1
2
2
3
3
3
4

Bab II Tinjauan Pustaka
2.1 Pola Telapak Tangan
2.2 Perbaikan Kualitas Citra
2.2.1 Sharpen Filtering
2.2.2 Deteksi tepi (edge detection)
2.2.3 Deteksi tepi Canny
2.3 Pengenalan pola (pattern recognition)
2.4 Jaringan Syaraf Tiruan
2.4.1 Karakteristik Jaringan Saraf Tiruan
2.4.1.1 Algoritma Pembelajaran
2.4.2 Bidirectional Associative Memory
2.4.2.1 BAM Diskret
2.4.2.2 BAM Kontinyu
2.4.2.3 BAM Connections matrice
2.4.2.4 Stabilitas BAM
2.5 Penelitian yang berkaitan

6
7
8
9
10
11
11
12
13
15
16
18
19
23
24

Bab III Analisis dan Perancangan Sistem
3.1 Analisis Permasalahan
3.2 Analisis Kebutuhan Sistem
3.2.1 Analisis Kebutuhan Fungsional Sistem
3.2.2 Analisis Kebutuhan Non-Fungsional Sistem
3.3 Pemodelan
3.3.1 Pemodelan dengan Menggunakan Use Case Diagram
3.3.1.1 Use Case Pelatihan Jaringan Syaraf Tiruan (JST)
3.3.1.2 Use Case Pengujian Jaringan Syaraf Tiruan (JST)

25
25
25
26
26
26
27
28

Universitas Sumatera Utara

Hal
3.3.2 Pemodelan dengan Menggunakan Activity Diagram
3.3.3 Pemodelan dengan Menggunakan Sequence Diagram
3.3.3.1 Sequence Diagram proses pelatihan Jaringan Syaraf Tiruan
3.3.3.2 Sequence Diagram proses Pengujian Jaringan Syaraf Tiruan
3.4 Flowchart Gambaran Umum Sistem
3.5 Perancangan Arsitektur Jaringan
3.6 Rancangan Antarmuka Sistem
3.6.1 Antarmuka Form Home
3.6.2 Antarmuka Form Train
3.6.3 Antarmuka Form Test
3.6.4 Antarmuka Form Help
3.6.5 Antarmuka Form About
3.6.6 Antarmuka Form Exit

29
29
30
31
32
33
34
35
36
38
40
41
42

Bab IV Implementasi dan Pengujian
4.1 Implementasi Sistem
43
4.1.1 Tampilan Antarmuka Sistem
43
4.1.1.1 Antarmuka Home
43
4.1.1.2 Antarmuka Train
44
4.1.1.3 Antarmuka Test
49
4.1.1.4 Antarmuka Help
54
4.1.1.5 Antarmuka About
55
4.1.1.6 Antarmuka Exit
56
4.2 Pengujian Sistem
56
4.2.1 Pengujian terhadap Citra Telapak Tangan Kanan yang Sudah Dilatih 57
4.2.2 Pengujian terhadap Citra Telapak Tangan Kanan yang belum Dilatih 60
Bab V Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran

67
68

Daftar Pustaka

69

Lampiran Listing Program
Lampiran Curriculum Vitae

A-1
B-1

Universitas Sumatera Utara

DAFTAR GAMBAR
Gambar 2.1 Pola Telapak Tangan
Gambar 2.2 (A) Citra Semula
(B) Citra Gray Semula
(C) Citra Setelah Penajaman
Gambar 2.3 (A) Citra Semula
(B) Citra Gray Sharpening
(C) Citra Setelah Dektesi Tepi Canny
Gambar 2.4 Skema Pengenalan Pola
Gambar 2.5 Sistem Syaraf Otak Manusia
Gambar 2.6 Struktur Neuron Jaringan Syaraf
Gambar 2.7 Proses Pembelajaran Suatu JST
Gambar 2.8 Arsitektur Jaringan Bidirectional Associative Memory

7
9
9
9
10
10
10
11
12
13
14
15

Gambar 3.1
Gambar 3.2
Gambar 3.3
Gambar 3.4
Gambar 3.5
Gambar 3.6
Gambar 3.7

25
27
29
30
31
32

Diagram Ishikawa Analisis Permasalahan
Use Case Diagram Sistem Identifikasi Telapak Tangan
Activity Diagram Proses Pelatihan dan Pengujian JST BAM
Sequence Diagram Proses Pelatihan JST BAM
Sequence Diagram Proses Pelatihan JST BAM
Flowchart Gambaran Umum Aplikasi
Arsitektur Jaringan Syaraf Tiruan Metode BAM Untuk
Pengenalan Pola Telapak Tangan
Gambar 3.8 Tampilan Rancangan Antarmuka Form Home
Gambar 3.9 Tampilan Rancangan Antarmuka Form Train
Gambar 3.10 Tampilan Rancangan Antarmuka Form Test
Gambar 3.11 Tampilan Rancangan Antarmuka Form Help
Gambar 3.12 Tampilan Rancangan Antarmuka Form About
Gambar 3.13 Tampilan Rancangan Antarmuka Form Exit

34
35
36
38
40
41
42

Gambar 4.1
Gambar 4.2
Gambar 4.3
Gambar 4.4
Gambar 4.5
Gambar 4.6
Gambar 4.7
Gambar 4.8
Gambar 4.9
Gambar 4.10
Gambar 4.11
Gambar 4.12
Gambar 4.13
Gambar 4.14
Gambar 4.15
Gambar 4.16
Gambar 4.17
Gambar 4.18
Gambar 4.18

44
45
45
46
47
47
48
48
49
49
50
50
51
52
53
54
55
56
56

Tampilan Antarmuka Home
Tampilan Antarmuka Train
Tampilan Antarmuka Train Setelah Button Load Diklik
Tampilan Antarmuka Train Setelah Button Reshape Diklik
Tampilan Antarmuka Setelah Button Graycale Diklik
Tampilan Antarmuka Train Pada Saat di-Sharpening Pertama Kali
Tampilan Antarmuka Train Pada Saat di-Sharpening Kedua Kali
Tampilan Antarmuka Train Pada Saat di-Sharpening Ketiga Kali
Tampilan Antarmuka Train Pada Saat Dideteksi Tepi Canny
Tampilan Antarmuka Setelah Selesai Dilatih
Tampilan Antarmuka Test
Tampilan Buka File Gambar
Tampilan Antarmuka Test Pola Yang Akan Diuji Ditampilkan
Tampilan Antarmuka Test Hasil Uji Dikenali
Tampilan Antarmuka Test Hasil Uji Tidak Mengenali
Tampilan Antarmuka Test Hasil Uji Salah Mengenali
Tampilan Antarmuka Help
Tampilan Antarmuka About
Tampilan Antarmuka Exit

Universitas Sumatera Utara

DAFTAR TABEL
Hal
Tabel 3.1 Dokumentasi Naratif Use Case Pelatihan Jaringan Syaraf Tiruan

27

Tabel 3.2 Dokumentasi Naratif Use Case Pengujian Jaringan Syaraf Tiruan

28

Tabel 4.1 Pengujian Citra Telapak Tangan Kanan yang Sudah Dilatih

58

Tabel 4.2 Pengujian Citra Baru Telapak Tangan Kanan yang Belum Dilatih

61

Universitas Sumatera Utara

DAFTAR LAMPIRAN

Halaman
A. Listing Program
B. Curiculum Vitae

A-1
B-1

Universitas Sumatera Utara