BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi

1 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan ini yaitu peniruan proses berfikir dan peniruan proses komputasi. Salah satu bagian dari peniruan proses komputasi adalah jaringan saraf tiruan. Jaringan Saraf Tiruan (JST) merupakan bagian dari kecerdasan buatan, yaitu teknologi komputasi yang berbasis pada model saraf manusia dan mencoba mensimulasikan tingkah laku dan kerja model saraf manusia terhadap berbagai masukan (Haykin, 1999), yang saat ini semakin berkembang pesat dan mampu menyelesaikan permasalahan yang kompleks seperti pengenalan pola. Salah satu algoritma pembelajaran yang cukup representatif terhadap proses kerja jaringan saraf manusia adalah algoritma jaringan saraf propagasi balik (Puspitaningrum, 2006). Salah satu pola yang dapat dijadikan sebagai objek penelitian adalah sidik jari. Ada beberapa teknik dalam pengenalan sidik jari yaitu correlation based match, minutiae based match dan pattern (image) based match. Salah satu pendekatan yang populer adalah dengan menggunakan pencocokan pada local feature seperti minutiae matching. Minutiae adalah tipe khusus dari pola guratan sidik jari, seperti ending, bifurcation dan islands (Maltoni, 2003). Teknik ini membutuhkan praproses yang rumit karena sensitif terhadap noise, dan memerlukan citra dengan resolusi baik. Selain menggunakan tingkat lokal pada sidik jari, pengenalan sidik jari juga dapat dilakukan dengan memperhatikan tingkat global pada sidik jari, yakni pencocokan fitur yang dilakukan pada keseluruhan citra. Fitur sidik jari ini dapat diperoleh dengan metode ekstraksi fitur ataupun dengan menggunakan filtering dan operasi transformasi. Dalam penelitian ini, penulis menggunakan teknik ketiga yaitu pattern

2 2 (image) based match dengan memperhatikan tingkat global sidik jari. Tahapan awal dalam pengenalan sidik jari adalah prapengolahan citra dan ekstraksi fitur. Proses ekstraksi fitur dilakukan untuk mendapatkan nilai fitur yang dibutuhkan pada tahap pengklasifikasian. Berbagai metode ekstraksi fitur telah banyak digunakan untuk mendapatkan nilai fitur sebagai masukan dalam pengenalan sidik jari. Salah satu metode yang sering digunakan sebagai ekstraksi fitur adalah transformasi wavelet diskrit. Transformasi wavelet diskrit mempunyai kemampuan ekstraksi fitur yang baik karena fitur-fitur yang penting tidak akan hilang ketika dimensi citra mengalami reduksi (Putra, 2010). Beberapa penelitian tentang jaringan saraf tiruan propagasi balik telah banyak dilakukan untuk mengamati tingkat konvergensi, lamanya proses pembelajaran dan keakuratan dari algoritma ini dalam mempelajari setiap pola yang dikehendaki dan untuk menghindari local minima saat proses pembelajaran (Zweiri et al.,2003). Beberapa penelitian tersebut dilakukan dengan menitikberatkan pada faktor-faktor yang dianggap dapat mempercepat proses pembelajaran yaitu laju pembelajaran (α) dan momentum (β). Laju pembelajaran merupakan parameter jaringan dalam mengendalikan proses penyesuaian bobot. Biasanya nilai laju pembelajaran yang optimal bergantung pada kasus yang dihadapi. Momentum digunakan untuk mempercepat pelatihan jaringan. Momentum melibatkan penyesuaian bobot yang ditambah dengan faktor tertentu dari penyesuaian sebelumnya (Haykin, 2009). Agar kedua faktor dapat saling melengkapi maka diperlukan kombinasi kedua parameter ini. Zweiri et al. (2003) mengusulkan penambahan salah satu faktor yang disebut faktor proporsional (γ). Hasil penelitian membuktikan bahwa ketiga faktor ini dapat mempercepat jaringan mencapai konvergen. Dengan adanya faktor proporsional ini, diharapkan jaringan memiliki tingkat konvergensi yang tinggi agar tingkat kesalahan yang diinginkan tercapai.

3 3 1.2 Rumusan Masalah Berdasarkan latar belakang yang telah diuraikan, penggunaan dua parameter dalam pembelajaran jaringan mengalami tingkat konvergensi yang rendah sehingga memerlukan waktu pembelajaran yang cukup lama. Oleh karena itu rumusan masalah pada penelitian ini adalah bagaimana mengimplementasikan faktor proporsional dan mengkombinasikannya dengan dua parameter lainnya agar dapat meningkatkan konvergensi pembelajaran jaringan saraf tiruan propagasi balik serta dapat mengenali pola sidik jari dengan tingkat error yang diinginkan. 1.3 Batasan Masalah Agar penelitian ini tidak mengambang dan fokus pada hal-hal yang diinginkan, maka perlu adanya beberapa batasan yaitu: 1. Pola sidik jari berupa citra dengan format bitmap (.bmp) mode grayscale 2. Dalam penelitian ini tidak membahas dalam menentukan titik inti (core point) sidik jari dan penentuan pola tidak berdasarkan minusi. 3. Arsitektur jaringan yang digunakan adalah 121 input neuron, 25 hidden neuron dan 5 output neuron. 1.4 Tujuan penelitian Tujuan dari penelitian ini adalah merancang sistem pengenalan sidik jari menggunakan jaringan saraf tiruan propagasi balik dengan tiga parameter pembelajaran yaitu laju pembelajaran, momentum dan faktor proporsional.

4 4 1.5 Manfaat Penelitian Manfaat yang diperoleh dari penelitian ini adalah: 1. Untuk mengetahui kombinasi dari ketiga faktor jaringan saraf tiruan propagasi balik dalam update bobot dan penurunan error pada pembelajaran jaringan saraf tiruan yang dapat mengenali citra sidik jari. 2. Menambah pemahaman penulis mengenai pengenalan pola khususnya sidik jari. I.6 Metodologi Penelitian Tahapan-tahapan yang akan dilakukan pada pelaksanaan skripsi ini adalah sebagai berikut: 1. Studi Literatur Studi literatur dilakukan dengan mengumpulkan bahan-bahan referensi baik dari buku, artikel, paper, jurnal, makalah, maupun situs-situs internet. Studi literatur yang dilakukan terkait dengan pengenalan sidik jari, pengolahan citra dan jaringan saraf tiruan. 2. Analisis Permasalahan Pada tahap ini dilakukan analisis terhadap hasil studi literatur untuk mengetahui dan mendapatkan pemahaman mengenai jaringan saraf tiruan dalam menyelesaikan masalah pengenalan sidik jari. 3. Perancangan Sistem Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data pelatihan, pemilihan lingkungan pengembangan, flowchart dan perancangan antarmuka (user interface). Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan. 4. Implementasi Sistem Pada tahap ini dilakukan proses implementasi pengkodean program dalam aplikasi komputer menggunakan bahasa pemrograman yang telah dipilih yang sesuai dengan analisis dan perancangan yang sudah dilakukan. 5. Pengujian

5 5 Pada tahap ini dilakukan proses pengujian dan percobaan terhadap kemampuan sistem sesuai dengan kebutuhan yang ditentukan sebelumnya serta memastikan program yang dibuat berjalan seperti yang diharapkan. 6. Penyusunan Laporan Pada tahap ini dilakukan dokumentasi hasil analisis dan implementasi dari system yang telah dibangun sebagai laporan tugas akhir. 1.7 Sistematika Penulisan Penulisan skripsi ini menggunakan sistematika penulisan yang membagi pembahasan skispi dalam lima bagian utama, yang terdiri atas: BAB 1: PENDAHULUAN Pada bab ini merupakan pendahuluan yang berisi latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian, dan sistematika penulisan skripsi. BAB 2: LANDASAN TEORI Pada bab ini membahas mengenai teori-teori yang digunakan untuk memahami permasalahan yang berkaitan dengan pengenalan sidik jari yaitu pengolahan citra, ektraksi fitur serta metode jaringan saraf tiruan. BAB 3: ANALISIS DAN PERANCANGAN SISTEM Pada bab ini berisikan analisis mengenai metode yang digunakan untuk menyelesaikan masalah dan perancangan dari sistem yang dibangun. BAB 4: IMPLEMENTASI DAN PENGUJIAN SISTEM Pada bab ini dibahas mengenai spesifikasi kebutuhan perangkat keras (hardware) dan perangkat lunak (software) dari sistem. Kemudian terdapat cara kerja dari sistem dan menampilkan hasil dari pengujian sistem ini.

6 6 BAB 5: KESIMPULAN DAN SARAN Pada bab ini dibuat mengenai rangkuman dari hasil analisis dan implementasi kerja sistem pada bagian sebelumnya, dan pada bagian ini terdapat saran yang diberikan untuk pengembangan sistem selanjutnya.