PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN

PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE

  BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN 091401072 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

  

PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE

BACKPROPAGATION DAN

METODE PERCEPTRON

SKRIPSI

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

  ARDI HASIHOLAN 091401072 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

  2013

  

PERSETUJUAN

  Judul : PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON

  Kategori : SKRIPSI Nama : ARDI HASIHOLAN Nomor Induk Mahasiswa : 091401072 Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

  UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 22 Agustus 2013

  Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dian Wirdasari, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom NIP. 19820923 201012 2 002 NIP.19620317 199103 1 001 Diketahui/disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001

  

PERNYATAAN

  PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, 22 Agustus 2013 Ardi Hasiholan 091401072

  

PENGHARGAAN

  Puji dan syukur penulis panjatkan kepada Yesus Kristus, Tuhan Yang Maha Esa, yang telah memberikan berkat dan naungan kasih-Nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

  Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

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

  2. Bapak Prof. Muhammad Zarlis selaku 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 banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

  4. Ibu Maya Silvi Lydia, B.Sc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer.

  5. Ibu Dian Wirdasari, S.Si, M.Kom selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

  6. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM selaku Dosen Pembanding I yang telah banyak meluangkan waktunya dalam memberikan masukan- masukan kepada penulis.

  7. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembanding II yang telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.

  8. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.

  9. Ayahanda (alm) R. Pakpahan dan Ibunda M. Sitohang yang menjadi saluran berkat dari Tuhan dan selalu memberikan dukungan baik materi maupun non- materi, perhatian, serta doa tanpa henti kepada penulis.

  10. Nantulang Josep yang menjadi saluran berkat dari Tuhan bagi penulis.

  11. Teman-teman pengurus IMILKOM Fasilkom-TI 2012-2013.

  12. Teman-teman sekaligus keluarga besar Program Studi S1 Ilmu Komputer Fasilkom-TI USU.

  13. Keluarga asrama putra USU yaitu Rolanda Sianturi, Amd. , Royandi Hutasoit, S.S., Abdul Aziz Matondang, Forianus Waruwu, Kriston, Fazawao, dan Roy Sirait, dll.

  14. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian skripsi ini.

  Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.

  Medan, 22 Agustus 2013 Penulis, Ardi Hasiholan

  

ABSTRAK

  Pengenalan pola merupakan salah satu fungsi dari pemanfaatan jaringan saraf tiruan, dimana suatu obyek dikenali polanya sehingga nantinya dapat membantu proses pengenalan dari suatu obyek yang polanya mengalami kerusakan. Pengenalan pola pada jaringan saraf tiruan dapat dilakukan dengan metode backpropagation dan metode perceptron. Pada metode backpropagation jaringan dilatih melalui tiga fase yaitu fase propagasi maju, fase propagasi mundur, dan fase perubahan bobot hingga kondisi penghentian dipenuhi. Sedangkan pada metode perceptron, pelatihan dilakukan dengan setiap pola yang menjadi masukan akan menghasilkan keluaran jaringan kemudian dibandingkan dengan targetnya. Jika berbeda, maka akan dilakukan perubahan bobot terhadap pola yang mengandung kesalahan dengan melakukan iterasi hingga nilai keluaran dan target menjadi sama. Pada sistem ini obyek yang akan dilakukan pengenalan pola yaitu PIN barcode dan jenis barcodenya yaitu QR-Code. Berdasarkan hasil ujicoba terhadap pola PIN barcode diketahui bahwa metode perceptron dapat mengenali pola lebih optimal daripada metode

  

backpropagation. Ketepatan pengenalan pola PIN barcode pada pola yang telah

  mengalami kerusakan yaitu 70% lebih baik dibandingkan metode backpropagation yang hanya memiliki ketepatan 60%. Berdasarkan kecepatan waktu pengenalan pola, metode perceptron jauh lebih cepat dalam melakukan pengenalan pola PIN barcode dengan rata-rata waktu pengenalan pola PIN barcode yaitu 8,693658 detik. Sedangkan rata-rata waktu pengenalan pola PIN barcode metode backpropagation yaitu 14,18654 detik.

  Katakunci: Pengenalan Pola, QR-Code, Barcode, Backpropagation, Perceptron.

  

PATTERN RECOGNITION PIN BARCODE IS USING BACKPROPAGATION

METHOD AND PERCEPTRON METHOD

ABSTRACT

  Pattern recognition is one of the functions of the neural networks, where objects maybe identified by their patterns. This may assist in recognition of objects which patterns are damaged. Pattern recognition in neural networkcan make by using backpropagation and perceptron methods. In Backpropagation method, the network is trained with the pattern through three phases, namely forward propagation, backward propagation, and weights adjustment phases, repeated until the termination condition is met. In the perceptron method, training is performed using input patterns which output are compared to the target. If difference is found, the weights in which the pattern resulted differently will be adjusted. This process is repeated until all output pattern matches the target. In this study the object for recognition is PIN barcode in the form of QR-Code. Testing indicated that perceptron method is more optimal compared to backpropagation in recognizing PIN barcode patterns. The perceptron method has an accuracy at 70% in recognizing damaged PIN barcode patterns, while backpropagation method accuracy is 60 60% for the damaged patterns. Perceptron method is also faster in recognizing PIN barcode with the average time of 8,69658 seconds, while backpropagation method average time is 14,18654 seconds.

  Keyword: Pattern Recognition, QR-Code, Barcode, Backpropagation, Perceptron.

  

DAFTAR ISI

Hal.

  2.3.2.3 Recurrent Network

  2.3Jaringan Saraf Tiruan

  7

  2.3.1 Komponen Dalam Jaringan Saraf Tiruan

  8

  2.3.2 Arsitektur Jaringan Saraf Tiruan

  9

  2.3.2.1 Single Layer Network

  9

  2.3.2.2 Multi Layer Network

  9

  10

  2.2.2 Proses Threshold

  2.4 Jaringan Saraf Tiruan Backpropagation

  11

  2.4.1 Fungsi Aktivasi

  12

  2.4.2 Pelatihan Backpropagation

  13

  2.4.3 Algoritma Pelatihan

  14

  2.5 Jaringan Saraf Tiruan Perceptron

  17

  2.5.1 Algoritma Pelatihan Perceptron

  6

  6

  Persetujuan ii

  2

  Pernyataan iii

  Penghargaan iv

  Abstrak vi

  Abstract

  vii Daftar Isi viii

  Daftar Gambar x

  Daftar Tabel xii

  Bab 1 Pendahuluan

  1.1 Latar Belakang

  1

  1.2 Perumusan Masalah

  1.3 Batasan Masalah

  2.2.1 Citra

  2

  1.4 Tujuan Penelitian

  3

  1.5 Manfaat Penelitian

  3

  1.6 Sistematika Penulisan

  3 Bab 2 Landasan Teori

  2.1 Barcode

  5

  2.2 Pengolahan Citra

  6

  18 Hal.

  Bab 3 Analisis Dan Perancangan Sistem

  4.1.3Form Metodeperceptron

  4.1.6Form Menubantuan

  51

  4.1.5Form Ujiperceptron

  49

  4.1.4 Form Ujibackpropagation

  48

  46

  4.1.7Form Bantuanpelatihan

  4.1.2 Form Metodebackpropagation

  45

  4.1.1Form Prototype

  45

  4.1 Implementasi

  44 Bab 4 Implementasi dan Pengujian

  42

  52

  53

  39

  59 Bab 5 Kesimpulan dan Saran

  72 Lampiran Listing Program A-1

  71 Daftar Pustaka

  5.2 Saran

  70

  5.1 Kesimpulan

  70

  4.2.1.2 Ketepatan Pengenalan Pola PIN Barcode

  4.1.8 Form Bantuanpengujian

  56

  4.2.1.1Kecepatan Pengenalan Pola PIN Barcode

  55

  4.2.1 Jenis Pengujian

  55

  4.2Pengujian 4.1.2 Algoritma Arithmetic Coding

  54

  40

  38

  3.1 Analisis Sistem

  21

  26

  3.2.1Use Case Diagram

  26

  3.2 Pemodelan

  22

  3.1.3 Analisis Proses

  3.1.2.2 Kebutuhan Non-Fungsional Sistem

  27

  21

  3.1.2.1 Kebutuhan Fungsional Sistem

  21

  3.1.2Analisis Kebutuhan Sistem

  20

  3.1.1 Analisis Masalah

  20

  3.2.2SequenceDiagram

  3.2.3Activity Diagram

  37

  3.4.1 Perancangan Flowchart Sistem

  36

  3.4.2.5 Form Ujiperceptron

  3.4.2.4 Form Ujibackpropagation

  3.4.2.3 Form Metodeperceptron

  3.4.2.2 Form Metodebackpropagation

  3.4.2.1 Form Prototype

  3.4.2 Perancangan Antarmuka (Interface)

  36

  31

  3.4 Perancangan Sistem

  35

  3.3.2 Pseudocode Proses Pengujian JST

  33

  3.3.1Pseudocode Proses Pelatihan JST

  33

  3.3 Pseudocode Program

  Lampiran Curriculum Vitae B-1

  

DAFTAR GAMBAR

Hal.

  49 Gambar4.6 Form Ujibackpropagation

  41 Gambar 3.12 Rancangan Form Ujibackpropagation

  42 Gambar 3.13 Rancangan Form Ujiperceptron

  44 Gambar 4.1 Form Prototype

  46 Gambar 4.2 Form Metodebackpropagation

  47 Gambar 4.3 Form Metodebackpropagation Setelah Proses Theshold pada Citra PIN Barcode

  47 Gambar4.4 Form Metodeperceptron

  48 Gambar4.5 Form Metodeperceptron Setelah Proses Theshold pada Citra PIN

  Barcode

  50 Gambar4.7 Form Ujibackpropagation yang Telah Melakukan Pengujian Pola PIN Barcode

  38 Gambar 3.10 Rancangan Form Metodebackpropagation

  50 Gambar 4.8 Form Ujiperceptron

  51 Gambar 4.9 Form Ujiperceptron yang Telah Melakukan Pengujian Pola PIN

  Barcode

  52 Gambar 4.10 Form Menubantuan

  53 Gambar 4.11 Form Bantuanpelatihan

  54 Gambar 4.12 Form Bantuanpengujian

  55 Gambar 4.13 Hasil Pelatihan JST Backpropagation

  56 Gambar 4.14 Hasil Pelatihan JST Perceptron

  39 Gambar 3.11 Rancangan Form Metodeperceptron

  37 Gambar 3.9 Rancangan Form Prototype

Gambar 2.1 PIN Barcode (QR-Code)

  11

  6 Gambar 2.2 Proses Threshold

  7 Gambar 2.3 Arsitektur Jaringan Syaraf Tiruan

  8 Gambar 2.4 Single Layer Network

  9 Gambar 2.5 Multi Layer Network

  10 Gambar 2.6 Recurrent Network

Gambar 2.7 Arsitektur BackpropagationGambar 2.8 Fungsi Aktivasi SigmoidGambar 2.9 Arsitektur Perceptron

  11

  33 Gambar 3.8 Flowchart Sistem

  12

  18 Gambar 3.1 Use Case Diagram Sistem Pengenalan Pola PIN Barcode

  27 Gambar 3.2Sequence Diagram Proses Pelatihan JST Backpropagation

  28 Gambar 3.3Sequence Diagram Proses Pelatihan JST Perceptron

  29 Gambar 3.4Sequence Diagram Proses Pengujian JST Backpropagation

  30 Gambar 3.5 Sequence Diagram Proses Pengujian JST Perceptron

  31 Gambar 3.6 Activity Diagram Pelatihan JST

  32 Gambar 3.7 Activity Diagram Pengujian JST

  57 Hal.

Gambar 4.15 Citra Sebelum Uji Pengenalan Metode BackpropagationGambar 4.16 Citra Setelah Uji Pengenalan Metode Backpropagation

  60

  60 Gambar 4.17 Citra Sebelum Uji Pengenalan Metode Perceptron

  61 Gambar 4.18 Citra Sesudah Uji Pengenalan Metode Perceptron

  61

  

DAFTAR TABEL

Hal.

  26

  65

  64

  Mengalami Kerusakan

Tabel 4.5 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Telah

  Telah Mengalami Kerusakan

Tabel 4.4 Hasil Uji Pengenalan Metode Backpropagation dengan Citra yang

  62 Tabel 4.3 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Belum Mengalami Kerusakan

  58 Tabel 4.2 Hasil Uji Pengenalan Metode Backpropagationdengan Citra yang Belum Mengalami Kerusakan

  26

  25

Tabel 3.1 Nilai Bobot Lapisan masukan ke Lapisan Tersembunyi (v ji )

  24

  23

  23

  Backpropagation dengan metode Perceptron

Tabel 4.1 Perbandingan Waktu Uji Pengenalan Pola PIN Barcode MetodeTabel 3.6 Hasil Perhitungan Setelah Diperoleh Bobot dan Bias BaruTabel 3.5 Hasil Iterasi PertamaTabel 3.4 Perubahan Bobot Unit TersembunyiTabel 3.3 Nilai Suku Perubahan BobotTabel 3.2 Bobot Lapisan Masukan ke Lapisan Tersembunyi (w kj )

  67