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
ii PERSETUJUAN Judul Kategori Nama : ARDI HASIHOLAN Nomor Induk Mahasiswa : 091401072 Program Studi Fakultas Komisi Pembimbing : : PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON : SKRIPSI : S1 ILMU KOMPUTER : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 22 Agustus 2013 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
iii 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
iv 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,. 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. 2. Bapak Prof. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 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 masukanmasukan 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 nonmateri, 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.
v 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
vi 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.
vii 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.
viii DAFTAR ISI Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Gambar Daftar Tabel Hal. ii iii iv vi vii viii x xii Bab 1 Pendahuluan 1.1 Latar Belakang 1 1.2 Perumusan Masalah 2 1.3 Batasan Masalah 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 2.2.1 Citra 6 2.2.2 Proses Threshold 6 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 2.3.2.3 Recurrent Network 10 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 18
ix Hal. Bab 3 Analisis Dan Perancangan Sistem 3.1 Analisis Sistem 20 3.1.1 Analisis Masalah 20 3.1.2Analisis Kebutuhan Sistem 21 3.1.2.1 Kebutuhan Fungsional Sistem 21 3.1.2.2 Kebutuhan Non-Fungsional Sistem 21 3.1.3 Analisis Proses 22 3.2 Pemodelan 26 3.2.1Use Case Diagram 26 3.2.2SequenceDiagram 27 3.2.3Activity Diagram 31 3.3 Pseudocode Program 33 3.3.1Pseudocode Proses Pelatihan JST 33 3.3.2 Pseudocode Proses Pengujian JST 35 3.4 Perancangan Sistem 36 3.4.1 Perancangan Flowchart Sistem 3.4.2 Perancangan Antarmuka (Interface) 3.4.2.1 Form Prototype 3.4.2.2 Form Metodebackpropagation 3.4.2.3 Form Metodeperceptron 3.4.2.4 Form Ujibackpropagation 3.4.2.5 Form Ujiperceptron 36 37 38 39 40 42 44 Bab 4 Implementasi dan Pengujian 4.1 Implementasi 45 4.1.1Form Prototype 45 4.1.2 Form Metodebackpropagation 46 4.1.3Form Metodeperceptron 48 4.1.4 Form Ujibackpropagation 49 4.1.5Form Ujiperceptron 51 4.1.6Form Menubantuan 52 4.1.7Form Bantuanpelatihan 53 4.1.8 Form Bantuanpengujian 54 4.2Pengujian 4.1.2 Algoritma Arithmetic Coding 55 4.2.1 Jenis Pengujian 55 4.2.1.1Kecepatan Pengenalan Pola PIN Barcode 56 4.2.1.2 Ketepatan Pengenalan Pola PIN Barcode 59 Bab 5 Kesimpulan dan Saran 70 5.1 Kesimpulan 70 5.2 Saran 71 Daftar Pustaka 72 Lampiran Listing Program A-1 Lampiran Curriculum Vitae B-1
x DAFTAR GAMBAR Hal. Gambar 2.1 PIN Barcode (QR-Code) 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 Backpropagation Gambar 2.8 Fungsi Aktivasi Sigmoid Gambar 2.9 Arsitektur Perceptron 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 33 Gambar 3.8 Flowchart Sistem 37 Gambar 3.9 Rancangan Form Prototype 38 Gambar 3.10 Rancangan Form Metodebackpropagation 39 Gambar 3.11 Rancangan Form Metodeperceptron 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 47 Citra PIN Barcode Gambar4.4 Form Metodeperceptron 48 Gambar4.5 Form Metodeperceptron Setelah Proses Theshold pada Citra PIN 49 Barcode Gambar4.6 Form Ujibackpropagation 50 Gambar4.7 Form Ujibackpropagation yang Telah Melakukan Pengujian Pola 50 PIN Barcode Gambar 4.8 Form Ujiperceptron 51 Gambar 4.9 Form Ujiperceptron yang Telah Melakukan Pengujian Pola PIN 52 Barcode 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 57 11 11 12 18
xi Gambar 4.15 Citra Sebelum Uji Pengenalan Metode Backpropagation Gambar 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 Hal.
xii DAFTAR TABEL Tabel 3.1 Nilai Bobot Lapisan masukan ke Lapisan Tersembunyi (v ji ) Tabel 3.2 Bobot Lapisan Masukan ke Lapisan Tersembunyi (w kj ) Tabel 3.3 Nilai Suku Perubahan Bobot Tabel 3.4 Perubahan Bobot Unit Tersembunyi Tabel 3.5 Hasil Iterasi Pertama Tabel 3.6 Hasil Perhitungan Setelah Diperoleh Bobot dan Bias Baru Tabel 4.1 Perbandingan Waktu Uji Pengenalan Pola PIN Barcode Metode Backpropagation dengan metode Perceptron Tabel 4.2 Hasil Uji Pengenalan Metode Backpropagationdengan Citra yang Belum Mengalami Kerusakan Tabel 4.3 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Belum Mengalami Kerusakan Tabel 4.4 Hasil Uji Pengenalan Metode Backpropagation dengan Citra yang Telah Mengalami Kerusakan Tabel 4.5 Hasil Uji Pengenalan Metode Perceptron dengan Citra yang Telah Mengalami Kerusakan Hal. 23 23 24 25 26 26 58 62 64 65 67