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
SKRIPSIDiajukan 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 Perceptron11
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 Backpropagation60
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 TelahTelah Mengalami Kerusakan
Tabel 4.4 Hasil Uji Pengenalan Metode Backpropagation dengan Citra yang62 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