IDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN

Transkripsi

1 IDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN TUGAS AKHIR RONI NRP PROGRAM STUDI S-1 JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2005

2 IDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN TUGAS AKHIR Oleh : RONI NRP Surabaya, Juli 2005 Mengetahui/Menyetujui Pembimbing Ir. APRIANI KUSUMAWARDHANI, Msc NIP Ketua Jurusan Teknik Fisika FTI-ITS Dr. Ir. TOTOK SUHARTANTO, DEA NIP

3 ABSTRAK Salah cara yang digunakan manusia dalam menyandikan sejumlah data secara khas adalah dengan barcode. Data yang disandikan biasanya data yang berhubungan dengan informasi suatu barang. Suatu barang yang diberi label barcode akan memudahkan dalam proses pemeriksaan. Input Device yang digunakan untuk membaca barcode membutuhkan posisi sudut barcode yang tepat agar dapat dibaca. Pada tugas akhir ini telah dibuat perangkat lunak yang bisa membaca barcode dalam berbagai macam posisi sudut dengan menggunakan metoda Jaringan Saraf Tiruan Backpropagation. Langkah pertama adalah memeriksa sudut citra barcode yang akan dibaca, apabila terdapat penyimpangan sudut maka citra dirotasi pada posisi sudut yang tepat, setelah itu diambil nilai pikselnya untuk menjadi inputan bagi jaringan saraf tiruan. Hasil outputan jaringan menjadi keputusan atas barcode yang dibaca. Hasil proses training dan testing oleh Jaringan Saraf Tiruan diperoleh tingkat keberhasilan sistem dalam mengenali citra gray level untuk tipe Codabar sebesar 91.67%, tipe EAN 13 sebesar 88.67%, dan tipe ISBN sebesar 89.67%, dengan jumlah citra testing sebanyak 45 buah yang berbeda ditiap tipenya dan belum pernah dibelajaran. Kata kunci: barcode, input device, sudut. iii

4 KATA PENGANTAR Segala puji bagi ALLAH SWT, Tuhan seluruh umat manusia yang Maha Pengasih lagi Maha Penyayang. Sholawat serta salam senantiasa tercurahkan kepada Rasullullah Muhammad SAW, keluarga, sahabat, dan keturunannya. Atas rahmat dan hidayah-nya maka penulis berhasil menyelesaikan Tugas Akhir yang berjudul IDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN guna memenuhi salah satu persyaratan untuk meraih gelar Sarjana Teknik di Jurusan Teknik Fisika Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya. Penulis menyadari bahwa terselesainya tugas akhir ini banyak dibantu oleh berbagai pihak. Pada kesempatan kali ini penulis ingin mengucapkan rasa terima kasih yang sebesar-besarnya kepada: 1. Bapak DR.Ir. Totok Suhartanto, DEA selaku ketua jurusan Teknik Fisika dan segenap civitas akademika. iv

5 2. Ibu Ir. Apriani Kusumawardhani, Msc selaku dosen pembimbing yang dengan sabar membantu dalam penyelesaian tugas akhir ini. 3. Bapak Ir. Zulkifli, Msc selaku dosen wali yang telah memberikan banyak nasehat. 4. Ibunda dan Ayahanda tercinta yang tidak hentihentinya memberikan dorongan spiritual dan material selama menimba ilmu. Dan adikku tercinta yang telah memberikan do a dan semangat. 5. Rekan-rekan alumni sekber, Coco, Ulul, Zainal, Sulaiman, Paijo, Subeki, Franky, Bang Arif, Lukwan, Salim arab, Bambang, Sophie dan semua mahasiswa TF Sahabatku Yelly Adibomo, Mas Nu man, Ardiyansah terima kasih atas nasehat dan masukkannya selama ini, dan semua pihak yang tidak dapat penulis sebutkan satu persatu. Semoga semua bantuan dan pertolongan yang telah diberikan kepada penulis baik secara langsung maupun tidak langsung dibalas oleh ALLAH SWT dengan sesuatu yang tidak dapat diukur dengan suatu apapun didunia ini. v

6 Akhir kata, penyusun berharap semoga hasil Tugas Akhir ini dapat menjadi setitik ilmu yang bermanfaat dan dapat dikembangkan untuk lebih baik lagi. Surabaya, Juli 2005 Penyusun vi

7 DAFTAR ISI Lembar Judul....i Lembar Pengesahan.. ii Abstrak.. iii Kata Pengantar..iv Daftar Isi. vii Daftar Gambar...x Daftar Tabel. xii Daftar Notasi xiii BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Tujuan Batasan Permasalahan Metodologi Penelitian Sistematika Laporan 5 BAB II DASAR TEORI 2.1 Barcode Pengolahan Citra Digital Jaringan Saraf Tiruan..33 vii

8 2.4 Pemodelan Jaringan Saraf Tiruan Konsep Belajar Jaringan Saraf Tiruan Metoda Backpropagation Parameter Pelatihan Fase Pemakaian Kelemahan Yang Sering Terjadi Pada Backpropagation..58 BAB III PERANCANGAN SISTEM IDENTIFIKASI BARCODE 3.1 Data Diagram Proses Prapengolahan Citra Rotasi Citra Pengolahan Utama Pelatihan Jaringan Saraf Tiruan Propagasi Balik Pengujian Jaringan Saraf Tiruan.78 viii

9 BAB IV PENGUJIAN DAN ANALISA 4.1 Data Input Hasil Proses Pembelajaran Hasil Proses Pengenalan.88 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran 99 DAFTAR PUSTAKA..100 LAMPIRAN LAMPIRAN LAMPIRAN LAMPIRAN LAMPIRAN A B C D E ix

10 DAFTAR GAMBAR Gambar 2.1 Barcode EAN Gambar 2.2 Barcode ISBN...10 Gambar 2.3 Barcode Codabar...10 Gambar 2.4 Matrik Citra...16 Gambar 2.5 Rotasi Citra...22 Gambar 2.6 Gradien Sebuah Tepi, Gambar Lingkaran Adalah Lokasi Piksel..25 Gambar 2.7 Daerah Citra 3x Gambar 2.8 (a) Matrik Konvolusi 3x3 (b) Nilai Matrik Konvolusi 3x3.33 Gambar 2.9 Struktur Neuron Pada Otak Manusia 34 Gambar 2.10 Kurva Fungsi Sigmoid Biner, Rentang (0,1)...40 Gambar 2.11 Kurva Fungsi Sigmoid Bipolar, Rentanng (-1,1)...41 Gambar 2.12 Sebuah Jaringan Saraf Tiruan Sederhana...42 Gambar 3.1 Blok Sistem Identifikasi Barcode Secara Utuh...63 Gambar 3.2 Flowchart Prapengolahan Citra.65 x

11 Gambar 3.3 Citra Asli Hasil Capture Kamera Dengan Ukuran 640x480 Piksel.66 Gambar 3.4 Citra Barcode Setelah Dilakukan Pengambilan Ciri Gambar..67 Gambar 3.5 Citra Barcode Setelah Dilakukan Image Reduction Dengan Ukuran 150x75 Piksel...68 Gambar 3.6 Flowchart Pelatihan Propagasi Balik...74 Gambar 3.7 Flowchart Pengenalan Jaringan.80 Gambar 4.1 Grafik Error Terhadap Iterasi.88 Gambar 4.2 Jaringan Mampu Membaca Citra Testing Dengan Sempurna.96 xi

12 DAFTAR TABEL Tabel 4.1 Tabel Variasi Parameter Jaringan Dan Error 85 Tabel 4.2 Tabel Perbandingan Tingkat Keberhasilan Jaringan Dalam Mengenali Pola Citra Testing 90 Tabel 4.3 Tabel Prosentase Keberhasilan Jaringan Dalam Mengenali Pola Citra Dengan Variasi Sudut per xii

13 DAFTAR NOTASI X i Z j z_inj z j Y k y_in k y k w 0k w jk Δw jk v 0j v ij Δv ij δ k δ j α η = unit ke-i pada lapisan masukan = unit ke-j pada lapisan tersembunyi = keluaran untuk unit Z j = nilai aktivasi dari unit Z j = unit ke-k pada lapisan keluaran = net masukan untuk unit Y k = nilai aktivasi dari unit Y k = nilai bobot pada bias untuk unit Y k = nilai bobot dari Z j ke Y k = selisih antara w jk (t) dengan w jk (t+1) = nilai bobot pada bias untuk unit Z j = nilai bobot dari unit X i ke unit Z j = selisih antara v ij (t) dengan v ij (t+1) = factor pengaturan nilai bobot pada lapisan keluaran = factor pengaturan nilai bobot pada lapisan tersembunyi = konstanta laju pelatihan = momentum xiii