IMPLEMENTASI METODE BIDIRECTIONAL ASSOCIATIVE MEMORY PADA ABSENSI BERBASIS IDENTIFIKASI WAJAH (Studi Kasus Mahasiswa Fasilkom-TI USU) SKRIPSI YAYANG KURNIATI 101401069 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI METODE BIDIRECTIONAL ASSOCIATIVE MEMORY PADA ABSENSI BERBASIS IDENTIFIKASI WAJAH (Studi Kasus Mahasiswa Fasilkom-TI USU) SKRIPSI Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer YAYANG KURNIATI 101401069 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN Judul : IMPLEMENTASI METODE BIDIRECTIONAL ASSOCIATIVE MEMORY PADA ABSENSI BERBASIS IDENTIFIKASI WAJAH (Studi Kasus : Mahasiswa Fasilkom-TI USU) Kategori : SKRIPSI Nama : YAYANG KURNIATI Nomor Induk Mahasiswa : 101401069 Program Studi : SARJANA (S1) ILMU KOPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI Komisi Pembimbing : Diluluskan di Medan, 28 Oktober 2014 Pembimbing 2 Pembimbing 1 Amer Sharif, S.Si., M.Kom Ade Candra, S.T., M.Kom NIP. - NIP. 1979 0904 2009 1210 02 Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 1962 0317 1991 0310 01
PERNYATAAN IMPLEMENTASI METODE BIDIRECTIONAL ASSOCIATIVE MEMORY PADA ABSENSI BERBASIS IDENTIFIKASI WAJAH (Studi Kasus Mahasiswa Fasilkom-TI USU) SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 28 Oktober 2014 Yayang Kurniati 101401069
PENGHARGAAN Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat-nya kepada penulis untuk menyelesaikan penyusunan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Ucapan terima kasih penulis sampaikan kepada semua pihak yang mendukung yang memotivasi penulis, baik secara langsung maupun tidak langsung. Pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada : 1. Ayahanda Suryadi dan Ibunda Ismawarni tercinta yang tak pernah bosan mengingatkan penulis untuk menyelesaikakn skripsi ini, sehingga penulis terus merasa termotivasi 2. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, MSc(CTM). Sp.A(K) selaku Rektor. 3. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 4. Bapak Dr. Poltak Sihombing, M.Kom, selaku Ketua Program Studi S1 Ilmu Komputer dan Dosen Pembanding II yang telah memberikan saran untuk menyempurnakan skripsi ini 5. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program Studi S1 Ilmu 6. Bapak Ade Candra, S.T., M.Kom, selaku Dosen Pembimbing I yang telah memberikan banyak saran dan kritik yang sangat detil sehingga membuat penulis mampu belajar dari kesalahan dan kekurangan yang ada dalam skripsi ini. 7. Bapak Amer Sharif, S.Si., M.Kom, selaku Dosen Pembimbing II yang telah memberikan banyak saran dan solusi-solusi dari masalah yang timbul dalam proses pembuatan skripsi ini. 8. Bapak Drs. Agus Salim Harahap, M.Si, selaku Dosen Pembanding II yang telah memberikan saran dan kritik yang sangat bermanfaat untuk penyempurnaan skripsi ini.
9. Semua dosen dan pegawai di S1 Ilmu Komputer yang telah membantu proses pembuatan skripsi ini. 10. Model dari skripsi ini (Zullfikri, Lily Aulia, Hayatun Nufus, S.Kom) yang dengan setia terus membantu penulis untuk menguji coba aplikasi dari skripsi ini. 11. Temen-temen yang telah bersedia memberikan fotonya ke penulis, walaupun tidak dijadikan sebagai model. 12. Keluarga besar UKMI Al-Khuwarizmi (adik, abang, kakak dan teman-teman) yang selalu mengingatkan penulis untuk tetap berjuang di jalan Allah walau sesibuk apapun 13. Saudara-saudara tercinta, FUNZY, (Fanny Fairina N, S.Kom, Hayatun Nufus, S.Kom, Nurhennida Sitepu, S.Kom, Azizah Mei Sari Sebayang, S.Kom) yang mebuat penulis meahami arti ukhuwah 14. Teman-teman stambuk 2010 yang selalu kompak dan saling membantu dari awal kuliah sampai penyusunan skripsi. 15. Semua pihak yang tidak bisa disebutkan satu per satu dalam skripsi ini. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Untuk itu penulis akan lebih banyak belajar untuk kedepannya lagi. Kiranya Semoga Allah SWT memberikan rahmat-nya kepada semua pihak yang telah banyak membantu, memberi perhatian dan dukungan kepada penulis dalam menyelesaikan skripsi ini. Medan, 28 Oktober 2014 Penulis
ABSTRAK Absensi merupakan salah satu administrasi yang sangat penting bagi dunia pendidikan, khususnya mahasiswa. Namun masih banyak mahasiswa yang menganggap bahwa absensi hanya sebagai formalitas saja, sehingga sering terjadi kecurangan dalam proses absensi. Pada skripsi ini, masalah yang diangkat adalah pembuatan aplikasi absensi berbasis identifikasi wajah dengan menggunakan metode Bidirectional Associative Memory. Algoritma ini memiliki dua proses, yaitu proses pelatihan dan pengujian. Proses pelatihan diawali dengan mengambil nilai bipolar dari citra digital (foto) yang menjadi inputan dengan cara mengubah citra tersebut menjadi citra grayscale, lalu dengan menggunakan nilai threshold, citra grayscale tersebut diubah menjadi citrra biner (1 dan 0), lalu nilai 0 diubah menjadi nilai -1, sehingga didapatkan nilai bipolar dari citra inputan. Citra bipolar akan dikalikan dengan target masing-masing inputan untuk menghasilkan nilai matriks bobot (W ) yang dapat menampung semua citra inputan. Proses pengujian dilakukan dengan mengambil inputan melalui kamera webcam, lalu diubah menjadi nilai bipolar dan dikalikan dengan matriks bobot (W) yang telah dihasilkan pada proses pelatihan. Sehingga aplikasi ini dapat mengenali citra yang diambil melalui kamera webcam. Sistem absensi wajah ini sangat bergantung pada intensitas cahaya yang ada pada foto. Apabila intensitas cahaya pada foto di proses pelatihan hampir sama dengan foto di proses pengujian, maka foto akan dapat dikenali. Namun jika perbedaan intensitas cahaya sangat signifikan, maka foto tidak dapat dikenali. Dari 20 kali pengujian, hanya sekitar 62,5% yang dapat dikenali. 37,5% lainnya tidak dapat dikenali karena memiliki intensitas cahaya yang berbeda. Kata kunci : Bidirectional Associative Memory, Aplikasi Absensi, Jaringan Syaraf Tiruan, Citra Digital, Matriks Bobot
IMPLEMENTATION OF BIDIRECTIONAL ASSOCIATIVE MEMORY METHOD FOR FACE IDENTIFICATION- BASED PRESENCE RECORD (Case Study : Student of Faculty of Computer Science and Information Technology USU) ABSTRACT Presence record is one of the most important administrative requirements in an education system, especially for student. However, many students still consider presence record as not important which often results in falsification of the presence record. In this paper, the issues raised is creating a presence record application of face identification-based by using Bidirectional Associative Memory method. This algorithm has two processes, which are training and testing process. Training process is started from converting the digital images input into grayscale images and then converting these images into binary (0 or 1) values. The zero values are converted to -1 to obtain bipolar values of the original digital images input. The bipolar image will be multiplied with its own target to produce the weight matrix (W). Testing process is done by capturing a photo by webcam and converting it into bipolar values which will be multiplied by the weight matrix obtained from the training pocess. So this system can recognize it. This system is depending on light intensity. If the light intensity of photo in training process is similiar with light intensity of photoes in testing process, so this photo will be recognized. But, if the difference is very significant, this photo won t be recognized. From 20 times experiments, there is 62,5% of photoescan be recognized. And others can t be recognized is caused by the light intensity of photoes in training process is different in testing process. Keyword : Bidirectional Associative Memory, Presence Record Application, Artificial Neural Network, Digital Image, Weight Matrix
DAFTAR ISI Halaman Persetujuan... ii Pernyataan... iii Penghargaan... iv Abstrak... vi Abstract... vii Daftar Isi... viii Daftar Tabel... x Daftar Gambar... xi Bab I : Pendahuluan... 1 1.1. Latar Belakang... 1 1.2. Rumusan Masalah... 2 1.3. Batasan Masalah... 2 1.4. Tujuan Penelitian... 2 1.5. Manfaat Penelitian... 3 1.6. Metodologi Penulisan... 3 1.7. Sistematika Penulisan... 4 Bab II : Landasan Teori... 6 2.1. Pengolahan Citra... 6 2.2. Jaringan Syaraf Tiruan... 8 2.3. Komponen Jaringan Syaraf Tiruan... 9 2.4. Arsitektur Jaringan... 11 2.4.1. Jaringan dengan Lapisan Tunggal... 11 2.4.2. Jaringan dengan Lapisan Banyak... 12 2.4.3. Jaringan dengan Lapisan Kompetitif... 13 2.5. Fungsi Aktivasi Bipolar dengan Threshold... 13 2.6. Fungsi Pembelajaran... 14 2.6.1. Pembelajaran Terawasi (Supervised Learning)... 15 2.6.2. Pembelajaran Tak Terawasi (Unsupervised Learning)... 16
2.7. Bidirectional Associative Memory... 16 2.7.1. BAM Diskret... 16 2.7.2. BAM Kontinu... 17 2.7.3. Kapasitas Memori BAM... 22 Bab III : Analisis dan Perancangan Sistem... 23 3.1. Analisis Masalah... 23 3.2. Analisis Kebutuhan Sistem... 23 3.2.1. Kebutuhan fungsional sistem... 23 3.2.1. Kebutuhan non-fungsional sistem... 24 3.3. Pemodelan Sistem... 24 3.4. Flowchart Sistem... 33 3.4.1. Flowchart Sistem Secara Umum... 34 3.4.2. Flowchart Pelatihan Sistem... 35 3.4.3. Flowchart Pengujian Sistem... 36 3.4.4. Flowchart Algoritma BAM... 37 3.5. DFD dan ERD... 37 3.5.1. DFD... 37 3.5.2. ERD... 38 3.6. Perancangan Antarmuka Sistem... 38 3.6.1. Form Utama... 38 3.6.2. Form Mulai Absen... 39 3.6.3. Form Admin... 40 3.6.4. Form Pelatihan... 40 3.6.5. Form Rekaiptulasi Data Absensi... 42 3.6.6. Form Data Mahasiswa... 43 Bab IV : Implementasi dan Pengujian... 44 4.1. Implementasi... 44 4.2. Pengujian... 52 Bab V : Kesimpulan dan Saran... 69
Daftar Pustaka... 70 Lampiran Angket Pengujian... A1 Lampiran Listing Program... B1 Lampiran Curiculum Vitae... C1
DAFTAR TABEL Halaman Tabel 3.1. Dokumentasi Naratif Use Case Pelatihan Inputan... 24 Tabel 3.2. Dokumentasi Naratif Use Case Pengujian Inputan... 27 Tabel 4.1. Hasil Pengujian Webcam untuk sample Lily... 54 Tabel 4.2. Hasil Pengujian Webcam untuk sample Zulfikri... 57 Tabel 4.3. Hasil Pengujian Webcam untuk sample Yayang... 60 Tabel 4.4. Hasil Pengujian Webcam untuk sample Aisyah... 62 Tabel 4.5. Hasil Pengamatan untuk Pertanyaan Nomor 1... 67 Tabel 4.6. Hasil Pengamatan untuk Pertanyaan Nomor 2... 67 Tabel 4.7. Hasil Pengamatan untuk Pertanyaan Nomor 3... 67 Tabel 4.8. Hasil Pengamatan untuk Pertanyaan Nomor 4... 68
DAFTAR GAMBAR Halaman Gambar 2.1. Susunan syaraf manusia... 7 Gambar 2.2. Struktur neuron jaringan syaraf... 8 Gambar 2.3. Jaringan syaraf dengan lapisan tunggal... 10 Gambar 2.4. Jaringan syaraf dengan banyak lapisan.... 11 Gambar 2.5. Fungsi aktivasi: Bipolar (threshold)... 12 Gambar 2.6. Arsitektur BAM... 14 Gambar 2.7. Matriks 3x3 untuk BAM.... 15 Gambar 3.1. Diagram Ishikawa Analisis Permasalahan... 19 Gambar 3.2. Use case Diagram Sistem Absensi Wajah... 21 Gambar 3.3. Activity Diagram untuk Proses Absensi Wajah... 22 Gambar 3.4. Sequence Diagram untuk Absensi Wajah... 23 Gambar 3.5. Activity Diagram untuk Proses Pelatihan Inputan... 25 Gambar 3.6. Sequence diagram untuk Proses Pelatihan Input... 26 Gambar 3.7. Activity Diagram untuk Proses Pengujian Inputan... 28 Gambar 3.8. Sequence Diagram untuk Proses Pengujian Inputan... 28 Gambar 3.9. Flowchart sistem secara umum... 29 Gambar 3.10. Flowchart Pelatihan Sistem... 30 Gambar 3.11 Flowchart Pengujian Sistem... 31 Gambar 3.12. Fowchart Algoritma BAM... 32 Gambar 3.13. DFD Level 0... Gambar 3.14. DFD Level 1... Gambar 3.15 DFD Levl 1 Proses 1... Gambar 3.16 ERD... Gambar 3.17. Tampilan Rancangan Form Utama... 33 Gambar 3.18. Tampilan Form absensi... 34 Gambar 3.19. Tampilan Antarmuka Admin Login... 35 Gambar 3.20. Tampilan Antarmuka Admin... 35 Gambar 3.21. Tampilan Antarmuka Form Pelatihan... 36 Gambar 3.22. Tampilan Antarmuka Rekapitulasi Data Absensi... 37
Gambar 3.23. Tampilan Form Data Mahasiswa... 38 Gambar 4.1. Citra Asli Foto 100 x 100 piksel... 44 Gambar 4.2. Nilai RGB dari Citra Asli... 44 Gambar 4.3. Citra grayscale... 45 Gambar 4.4. Nilai Grayscale dari Citra Asli... 45 Gambar 4.5. Nilai Biner dari Citra Asli... 46 Gambar 4.6. Citra Bipolar... 46 Gambar 4.7. Nilai Bipolar dari Citra Asli... 47 Gambar 4.8. Nilai W11... 48 Gambar 4.9. Nilai W_total... 49 Gambar 4.10. Nilai x_in11 sebelum dibandingkan dengan threshold... 50 Gambar 4.11. Nilai x_in11 setelah dibandingkan dengan threshold... 50 Gambar 4.12 Nilai y_in11... 51 Gambar 4.13. Masukan Diambil dari Webcam... 52 Gambar 4.14. Citra Grayscale Gambar Uji... 52 Gambar 4.15. Nilai grayscale dari Gambar Uji... 52 Gambar 4.16. Citra Hitam-Putih Gambar Uji... 53 Gambar 4.17. Nilai Bipolar dari Gambar Uji... 53 Gambar 4.18. Hasil kali Gambar Uji dengan W_total... 54