Perancangan Pengenal QR (Quick Response) Code Dengan Jaringan Syaraf Tiruan Metode Perceptron
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI NOVALIA 081401023 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012 Judul : PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
Kategori : SKRIPSI Nama : NOVALIA Nomor Induk Mahasiswa : 081401023 Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen :
ILMU KOMPUTER Fakultas :
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di
Medan, Juli 2012 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Ade Candra, ST, M.Kom M. Andri Budiman, ST, M.CompSc, MEM NIP.197909042009121002 NIP. 197510082008011001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 196203171991031011
PERNYATAAN PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing-masing disebutkan sumbernya.
Medan, Juli 2012 NOVALIA 081401023
PENGHARGAAN Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas perlindungan dan kasih karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini, yang merupakan syarat wajib untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini, penulis menyampaikan terima kasih kepada : 1. Bapak Dr. Poltak Sihombing selaku Ketua Program Studi S1 Ilmu Komputer dan telah bersedia menjadi dosen penguji pertama yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer.
3. Bapak M. Andri Budiman, ST, MCompSc, MEM selaku dosen pembimbing pertama yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
4. Bapak Ade Candra, ST, M.Kom selaku dosen pembimbing kedua yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
5. Bapak Amer Sharif, S.Si, M.Kom selaku dosen penguji kedua yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
7. Seluruh dosen serta pegawai di Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer FASILKOM-TI USU.
8. Ayahanda tercinta Suparman dan ibunda tercinta Lusia yang selalu memberikan kasih sayang, nasehat, dukungan, dan semangat kepada penulis sejak kecil sampai penyelesaian penyusunan skripsi ini.
9. Yenni Tarigan, Juwita Adelina, Ria Marpaung, Angga Ricardo, Brikson Hara Donald Barus, Rosalina Situmorang, dan semua mahasiswa S1 Ilmu Komputer stambuk 2008, para senior dan junior, serta semua sahabat dan keluarga yang selalu memberikan dukungan dan semangat kepada penulis.
Penulis menyadari bahwa skripsi masih jauh dari sempurna. Oleh karena itu, penulis menerima kritik dan saran dari semua pihak demi perbaikan dan penyempurnaan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada seluruh pembaca.
Penulis, Novalia
ABSTRAK
Quick Response (QR) Code digunakan untuk menyimpan informasi penting dari suatu
barang atau produk. QR Code memiliki pola yang sangat acak dan tidak dapat dibedakan. QR Code juga dapat kotor dan mengalami kerusakan. Penelitian terhadap pola QR Code dilakukan dengan tujuan untuk mengetahui informasi yang tersimpan dalam QR Code tersebut. Metode penelitian yang digunakan untuk mengenali pola- pola QR Code tersebut adalah dengan menggunakan Jaringan Syaraf Tiruan metode Perceptron. Perceptron adalah salah satu metode Jaringan Syaraf Tiruan yang sering digunakan untuk pengenalan pola. Yang menjadi input pada sistem adalah citra biner
QR Code dimana QR Code tersebut menyimpan informasi berupa nama universitas
sebagai datanya. Untuk setiap data disediakan 13 pola yang berbeda. Pada pelatihan digunakan 8 pola untuk masing-masing data. Pengujian dilakukan terhadap seluruh data yang sudah dilatih maupun yang belum dilatih. Sistem ini memiliki 16 target untuk 16 jenis data. Dari hasil pengujian sistem, bobot dan bias yang didapatkan dari hasil pelatihan mampu memberikan output sesuai dengan yang diharapkan. Dari hasil penelitian ini, dapat disimpulkan bahwa Jaringan Syaraf Tiruan dengan metode Perceptron lapis tunggal dapat digunakan untuk mengenali pola-pola QR Code Level H versi 4 yang polanya sangat acak dan sulit untuk dibedakan.
Kata kunci : Pengenalan pola, Jaringan Syaraf Tiruan, Perceptron, QR Code,
Barcode
DESIGN OF QR (QUICK RESPONSE) CODE RECOGNITION WITH
ARTIFICIAL NEURAL NETWORKS PERCEPTRON METHODS
ABSTRACT
Quick Response (QR) Code is used to store important information of an item or product. QR Code has a very random pattern and can not be distinguished. QR Code can also be dirty and damaged. Research conducted on the pattern of QR Code in order to find out the information stored in the QR Code. The method used to identify patterns of QR Code is to use Artificial Neural Networks Perceptron method. Perceptron is a neural network method is often used for pattern recognition. The input to the system is a binary image of the QR Code QR Code which is storing the information in the form of the name of the university as its data. For each of the data provided by 13 different patterns. At the training patterns used 8 for each data. Tests performed on all data that have not been trained or trained. This system has 16 targets for 16 types of data. From the results of system testing, the weights and biases obtained from the training to provide the output as expected. From the results, it can be concluded that neural networks with single-layer Perceptron method can be used to
th
recognize patterns QR Code Level H 4 version of the pattern which is very random and difficult to distinguish.
Key words : Pattern Recognition, Artificial Neural Network, Perceptron, QR
Code, BarcodeDAFTAR ISI
Halaman Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
Daftar Lampiran xi
Bab 1 Pendahuluan
1
1.1 Latar Belakang Masalah
1
1.2 Rumusan Masalah
4
1.3 Batasan Masalah
4
1.4 Tujuan Penelitian
5
1.5 Manfaat Penelitian
5
1.6 Metode Penelitian
5
1.7 Sistematika Penulisan
6 Bab 2 Landasan Teori
8
2.1 Pengolahan Citra
8
2.1.1 Citra
8
2.1.2 Digitalisasi Citra
9
2.1.3 Citra Grayscale
10
2.1.4 Citra Biner
10
2.1.5 Operasi Pengolahan Citra
11
2.1.6 Pengambangan
12
2.2 Pengenalan Pola
13
2.3 Jaringan Syaraf Biologi
15
2.4 Jaringan Syaraf Tiruan
16
2.4.1 Komponen Jaringan Syaraf Tiruan
20
2.4.2 Arsitektur Jaringan
21
2.4.3 Model Pelatihan Jaringan Syaraf Tiruan
23
2.4.4 Fungsi Aktivasi
24
2.5 Perceptron
25
2.5.1 Arsitektur Jaringan Perceptron
25
2.5.2 Pelatihan Perceptron
26
2.6 QR Code
28
2.6.1 Struktur QR Code
29
2.6.2 Karakteristik QR Code
30
2.6.3 Spesifikasi QR Code
33
2.6.4 Versi QR Code dan ukurannya
33 Bab 3 Analisis dan Perancangan
34
3.1 Analisis Sistem
34
3.1.1 Analisis Masalah (Problem Analysis)
35
3.1.2 Analisis Kebutuhan (Requirement Analysis)
35
3.1.2.1 Analisis Kebutuhan Fungsional
36
3.1.2.2 Analisis Kebutuhan Non-Fungsional
36
3.1.3 Pemodelan Sistem
37
3.1.3.1 Use Case Diagram
37
3.1.3.2 Activity Diagram
38
3.1.3.3 Sequence Diagram
40
3.1.3.4 Class Diagram
40
3.2 Tahap-tahap Pengolahan Data
41
3.2.1 Akuisisi Data
41
3.2.2 Prapengolahan
42
3.2.3 Ekstraksi Citra
41
3.3 Perancangan Sistem
43
3.3.1 Perancangan Arsitektur Jaringan
43
3.2.2 Perancangan Antar Muka Sistem
45 Bab 4 Implementasi dan Pengujian
47
4.1 Implementasi Sistem
47
4.1.1 Konfigurasi Perangkat Keras
47
4.1.2 Konfigurasi Perangkat Lunak
48
4.1.3 Hasil Eksekusi Aplikasi
48
4.2 Pelatihan
50
4.3 Pengujian
51 Bab 5 Kesimpulan dan Saran
62
5.1 Kesimpulan
62
5.2 Saran
62 Daftar Pustaka
63
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI NOVALIA 081401023 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012
PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer
NOVALIA 081401023
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012 Judul : PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON
Kategori : SKRIPSI Nama : NOVALIA Nomor Induk Mahasiswa : 081401023 Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen :
ILMU KOMPUTER Fakultas :
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di
Medan, Juli 2012 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Ade Candra, ST, M.Kom M. Andri Budiman, ST, M.CompSc, MEM NIP.197909042009121002 NIP. 197510082008011001 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 196203171991031011
PERNYATAAN PERANCANGAN PENGENAL QR (QUICK RESPONSE) CODE DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa ringkasan dan kutipan yang masing-masing disebutkan sumbernya.
Medan, Juli 2012 NOVALIA 081401023
PENGHARGAAN Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas perlindungan dan kasih karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini, yang merupakan syarat wajib untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini, penulis menyampaikan terima kasih kepada : 1. Bapak Dr. Poltak Sihombing selaku Ketua Program Studi S1 Ilmu Komputer dan telah bersedia menjadi dosen penguji pertama yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer.
3. Bapak M. Andri Budiman, ST, MCompSc, MEM selaku dosen pembimbing pertama yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
4. Bapak Ade Candra, ST, M.Kom selaku dosen pembimbing kedua yang telah meluangkan waktunya dan memberikan masukan yang bermanfaat bagi penulis.
5. Bapak Amer Sharif, S.Si, M.Kom selaku dosen penguji kedua yang telah memberikan kritik dan saran yang bermanfaat bagi penulis.
6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
7. Seluruh dosen serta pegawai di Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer FASILKOM-TI USU.
8. Ayahanda tercinta Suparman dan ibunda tercinta Lusia yang selalu memberikan kasih sayang, nasehat, dukungan, dan semangat kepada penulis sejak kecil sampai penyelesaian penyusunan skripsi ini.
9. Yenni Tarigan, Juwita Adelina, Ria Marpaung, Angga Ricardo, Brikson Hara Donald Barus, Rosalina Situmorang, dan semua mahasiswa S1 Ilmu Komputer stambuk 2008, para senior dan junior, serta semua sahabat dan keluarga yang selalu memberikan dukungan dan semangat kepada penulis.
Penulis menyadari bahwa skripsi masih jauh dari sempurna. Oleh karena itu, penulis menerima kritik dan saran dari semua pihak demi perbaikan dan penyempurnaan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat terutama untuk diri sendiri dan juga kepada seluruh pembaca.
Penulis, Novalia
ABSTRAK
Quick Response (QR) Code digunakan untuk menyimpan informasi penting dari suatu
barang atau produk. QR Code memiliki pola yang sangat acak dan tidak dapat dibedakan. QR Code juga dapat kotor dan mengalami kerusakan. Penelitian terhadap pola QR Code dilakukan dengan tujuan untuk mengetahui informasi yang tersimpan dalam QR Code tersebut. Metode penelitian yang digunakan untuk mengenali pola- pola QR Code tersebut adalah dengan menggunakan Jaringan Syaraf Tiruan metode Perceptron. Perceptron adalah salah satu metode Jaringan Syaraf Tiruan yang sering digunakan untuk pengenalan pola. Yang menjadi input pada sistem adalah citra biner
QR Code dimana QR Code tersebut menyimpan informasi berupa nama universitas
sebagai datanya. Untuk setiap data disediakan 13 pola yang berbeda. Pada pelatihan digunakan 8 pola untuk masing-masing data. Pengujian dilakukan terhadap seluruh data yang sudah dilatih maupun yang belum dilatih. Sistem ini memiliki 16 target untuk 16 jenis data. Dari hasil pengujian sistem, bobot dan bias yang didapatkan dari hasil pelatihan mampu memberikan output sesuai dengan yang diharapkan. Dari hasil penelitian ini, dapat disimpulkan bahwa Jaringan Syaraf Tiruan dengan metode Perceptron lapis tunggal dapat digunakan untuk mengenali pola-pola QR Code Level H versi 4 yang polanya sangat acak dan sulit untuk dibedakan.
Kata kunci : Pengenalan pola, Jaringan Syaraf Tiruan, Perceptron, QR Code,
BarcodeDAFTAR ISI
Halaman Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
Daftar Lampiran xi
Bab 1 Pendahuluan
1
1.1 Latar Belakang Masalah
1
1.2 Rumusan Masalah
4
1.3 Batasan Masalah
4
1.4 Tujuan Penelitian
5
1.5 Manfaat Penelitian
5
1.6 Metode Penelitian
5
1.7 Sistematika Penulisan
6 Bab 2 Landasan Teori
8
2.1 Pengolahan Citra
8
2.1.1 Citra
8
2.1.2 Digitalisasi Citra
9
2.1.3 Citra Grayscale
10
2.1.4 Citra Biner
10
2.1.5 Operasi Pengolahan Citra
11
2.1.6 Pengambangan
12
2.2 Pengenalan Pola
13
2.3 Jaringan Syaraf Biologi
15
2.4 Jaringan Syaraf Tiruan
16
2.4.1 Komponen Jaringan Syaraf Tiruan
20
2.4.2 Arsitektur Jaringan
21
2.4.3 Model Pelatihan Jaringan Syaraf Tiruan
23
2.4.4 Fungsi Aktivasi
24
2.5 Perceptron
25
2.5.1 Arsitektur Jaringan Perceptron
25
2.5.2 Pelatihan Perceptron
26
2.6 QR Code
28
2.6.1 Struktur QR Code
29
2.6.2 Karakteristik QR Code
30
2.6.3 Spesifikasi QR Code
33
2.6.4 Versi QR Code dan ukurannya
33 Bab 3 Analisis dan Perancangan
34
3.1 Analisis Sistem
34
3.1.1 Analisis Masalah (Problem Analysis)
35
3.1.2 Analisis Kebutuhan (Requirement Analysis)
35
3.1.2.1 Analisis Kebutuhan Fungsional
36
3.1.2.2 Analisis Kebutuhan Non-Fungsional
36
3.1.3 Pemodelan Sistem
37
3.1.3.1 Use Case Diagram
37
3.1.3.2 Activity Diagram
38
3.1.3.3 Sequence Diagram
40
3.1.3.4 Class Diagram
40
3.2 Tahap-tahap Pengolahan Data
41
3.2.1 Akuisisi Data
41
3.2.2 Prapengolahan
42
3.2.3 Ekstraksi Citra
41
3.3 Perancangan Sistem
43
3.3.1 Perancangan Arsitektur Jaringan
43
3.2.2 Perancangan Antar Muka Sistem
45 Bab 4 Implementasi dan Pengujian
47
4.1 Implementasi Sistem
47
4.1.1 Konfigurasi Perangkat Keras
47
4.1.2 Konfigurasi Perangkat Lunak
48
4.1.3 Hasil Eksekusi Aplikasi
48
4.2 Pelatihan
50
4.3 Pengujian
51 Bab 5 Kesimpulan dan Saran
62
5.1 Kesimpulan
62
5.2 Saran
62 Daftar Pustaka
63
DAFTAR TABEL
Nomor Tabel NamaTabel Halaman2.1
2.2
4.1 Perbandingan NN dengan ANN Spesifikasi QR Code Hasil Pelatihan Jaringan
19
30
50
DAFTAR GAMBAR
Nomor Gambar Nama Gambar Halaman29
40
39
38
35
33
32
31
31
28
44
27
25
22
22
21
18
15
Tampilan Halaman Awal Tampilan Aplikasi Pengenalan Pola Tampilan Kotak Dialog Pemilihan Gambar QR Code Tampilan Hasil Pengujian Universitas Gajah Mada Yogya Tampilan Hasil Pengujian Universitas Indonesia Jakarta Tampilan Hasil Pengujian Universitas Sumatera Utara Tampilan Hasil Pengujian Universitas Airlangga Surabaya Tampilan Hasil Pengujian Universitas Hasanudin Makassar Tampilan Hasil Pengujian Universitas Andalas Padang Tampilan Hasil Pengujian Universitas Padjajaran Bandung Tampilan Hasil Pengujian Universitas Diponegoro Semarang Tampilan Hasil Pengujian Universitas Sriwijaya Palembang Tampilan Hasil Pengujian Universitas Lambung Mangkurat Tampilan Hasil Pengujian Universitas Syiah Kuala Banda Tampilan Hasil Pengujian Universitas Sam Ratulangi Tampilan Hasil Pengujian Universitas Udayana Denpasar Tampilan Hasil Pengujian Universitas Nusa Cendana Tampilan Hasil Pengujian Universitas Mulawarman Samarinda Tampilan Hasil Pengujian Universitas Mataram Mataram
41
45
Arsitektur Jaringan Syaraf Tiruan metode Perceptron untuk Pengenalan Pola QR Code
55
60
60
59
58
58
57
56
56
54
46
54
53
52
52
51
48
48
47
Form Utama Form Aplikasi
Use Case Diagram Activity Diagram Sequence Diagram Class Diagram
2.1
2.11
3.5
3.4
3.3
3.2
3.1
3.1
2.13
2.12
2.10
3.7
2.9
2.8
2.7
2.6
2.5
2.4
2.3
2.2
3.6
4.1
Ishikawa Diagram
4.12
QR Code versi 1 (kiri) dan versi 2 (kanan)
4.19 Struktur Neuron pada Otak Manusia Ilustrasi Model ANN Jaringan Lapis Tunggal Jaringan Multi Lapis Jaringan Kompetitif Arsitektur Jaringan Syaraf Tiruan metode Perceptron Fungsi aktivasi hard limit QR Code Struktur QR Code Salah Satu Finding Pattern QR Code Jenis Penyimpangan pada QR Code Kerusakan pada QR Code
4.18
4.17
4.16
4.15
4.14
4.13
4.11
4.2
4.10
4.9
4.8
4.7
4.6
4.5
4.4
4.3
61