BAB 2 TINJAUAN PUSTAKA. Penyakit Hipertensi (HTN) atau tekanan darah tinggi merupakan penyakit yang

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI

METODE NUMERIK Modul I

GUIDE atau GUI builder. Ira Prasetyaningrum, M.T

PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

BAB III LANDASAN TEORI

BAB 2 KONSEP DASAR PENGENAL OBJEK

KATA PENGANTAR. Penulis. Raizal Dzil Wafa M.

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION

BAB 2 LANDASAN TEORI. Watermarking sudah ada sejak 700 tahun yang lalu. Pada akhir abad 13, pabrik kertas

BAB 2 LANDASAN TEORI

BAB III ANALISIS DAN PERANCANGAN

BAB II LANDASAN TEORI

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

Pendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved

BAB III METODOLOGI PENELITIAN

BAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.

Jaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum

BAB 2 LANDASAN TEORI

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION

Presentasi Tugas Akhir

Program Pilihan Ganda Sederhana dengan Java

BAB II LANDASAN TEORI

FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU. IIS AFRIANTY, ST., M.Sc

GUIDE. maupun menu. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari dan

Architecture Net, Simple Neural Net

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

MODUL I PENGENALAN MATLAB

PRAKTIKUM ISYARAT DAN SISTEM TOPIK 0 TUTORIAL PENGENALAN MATLAB

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

BAB 2 LANDASAN TEORI

Pemrograman dengan C++ Builder 2004 Taryana S Pendahuluan C++ Builder adalah sebuah aplikasi yang digunakan untuk pengembangan dengan

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

Jurnal Coding, Sistem Komputer Untan Volume 04, No.2 (2016), hal ISSN : x

BAB II LANDASAN TEORI

VIII.PENGANTAR JARINGAN SYARAF TIRUAN (JST)

GUI Matlab untuk membuat grafik fungsi

Neural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

1. MENGENAL VISUAL BASIC

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

BAB 2 TINJAUAN PUSTAKA

BAB II DASAR TEORI. luar dan daging iga sangat umum digunakan di Eropa dan di Amerika Serikat

BAB I PENDAHULUAN 1 BAB I PENDAHULUAN

MODUL GUIDE MATLAB. Gambar 1: Memulai GUIDE. EEPIS-ITS Praktikum Pengolahan Sinyal Digital 1

BAB VIII PENGANTAR JARINGAN SYARAF TIRUAN (JST)

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen

RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON

BAB 2 LANDASAN TEORI

BAB II NEURAL NETWORK (NN)

BAB 2 TINJAUAN PUSTAKA

GRAPHICAL USER INTERFACE (GUI) (Lanjutan)

PEMROGRAMAN TERSTRUKTUR MENGGUNAKAN MATLAB

SATIN Sains dan Teknologi Informasi

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

BAB II LANDASAN TEORI

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

BAB 2 TINJAUAN PUSTAKA

BAB 3 METODOLOGI PENELITIAN

Jaringan syaraf dengan lapisan tunggal

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

MEMULAI MENGGUNAKAN MATLAB

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

BAB II LANDASAN TEORI

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

BAB II DASAR TEORI. 2.1 Google Maps

POSITRON, Vol. IV, No. 2 (2014), Hal ISSN :

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

MATLAB UNTUK STATISTIKA & TEKNIK OPTIMASI Aplikasi untuk Rekayasa & Bisnis

LAPORAN PRAKTIKUM TEKNIK DAN INSTRUMENTASI KENDALI. M-File dan Simulink

Jaringan Syaraf Tiruan

BAB II LANDASAN TEORI

APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,

BAB 2 LANDASAN TEORI. adalah perintah yang dimengerti oleh komputer untuk melakukan tugas-tugas tertentu.

BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA

PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

BAB III METODOLOGI PENELITIAN

ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI

MODUL I DASAR-DASAR OPERASI MATLAB

BAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang

I PENDAHULUAN II LANDASAN TEORI

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

METODOLOGI PENELITIAN

Pengantar Pemrograman MATLAB

PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

Transkripsi:

BAB 2 TINJAUAN PUSTAKA 2.1 Hipertensi (HTN) Penyakit Hipertensi (HTN) atau tekanan darah tinggi merupakan penyakit yang banyak dialami oleh sebagian orang terutama pada orang-orang yang lansia atau lanjut usia. Penyakit ini menimbulkan gejala hipertensi yang sering dialami oleh penderitanya, jika anda mengalami beberapa gejala hipertensi sebaiknya anda langsung melakukan tensi darah untuk mengetahui tekanan darah di tubuh anda, jika tekanan darah anda melebihi batas normal berarti anda mengalami penyakit darah tinggi atau hipertensi. Penyakit hipertensi memang sudah banyak diderita orang tetapi bukan berarti anda bisa meremehkan penyakit ini, jika dibiarkan penyakit darah tinggi atau hipertensi bisa menyebabkan seseorang terkena stroke bahkan bisa menyebabkan resiko kematian. Kebanyakan satu dari lima orang mengalami penyakit hipertensi, bukan hanya penduduk indonesia yang banyak mengalami penyakit ini tetapi di negara-negara maju banyak penduduknya yang mengalami penyakit darah tinggi. Masyarakat membutuhkan cara untuk mengobati atau bahkan mencegah penyakit Hipertensi dengan mengetahui dan mengenali terlebih dahulu gejala gejala dini pada penyakit Hipertensi, sehingga dengan cepat tanggap untuk menanggulanginya bahkan mencegahnya sebelum penyakit tersebut semakin parah.

9 Bagi orang yang mengalami penyakit hipertensi tentu mempunyai pantanganpantangan dalam berbagai hal seperti dalam makanan, orang yang mempunyai darah tinggi tidak boleh mengkomsumsi daging kambing karena daging kambing bisa membuat tekanan darah menjadi naik drastis. Gejala-gejala umum dari penyakit Hipertensi adalah sebagai berikut: 1. Biasanya orang yang menderita hipertensi akan mengalami sakit kepala, pusing yang sering dirasakan akibat tekanan darahnya naik melebihi batas normal. 2. Wajah akan menjadi kemerahan. 3. Pada sebagian orang akan mengalami detak jantung yang berdebar-debar. 4. Orang yang mengalami darah tinggi akan mengalami gejala hipertensi seperti pandangan mata menjadi kabur atau menjadi tidak jelas. 5. Sering buang air kecil dan sulit berkonsentrasi. 6. Sering mudah kelelahan saat melakukan berbagai aktivitas. 7. Sering terjadi pendarah di hidung atau mimisan. 8. Gejala hipertensi yang parah bisa menyebabkan seseorang mengalami vertigo. 9. Orang yang mempunyai darah tinggi biasanya akan sensitif dan mudah marah terhadap hal-hal yang tidak dia sukai.

10 2.2 Jaringan Syaraf Tiruan (JST) Jaringan syaraf tiruan didefenisikan sebagai suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf tiruan manusia (Hermawan, 2006). Jaringan syaraf tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (Human cognition) yang didasarkan atas asumsi sebagai berikut: 1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron. 2. Isyarat mengalir di antara sel syaraf/neuron melalui suatu sambungan penghubung. 3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan/mengalikan isyarat yang dikirim melaluinya. 4. Setiap sel syaraf akan menerapkan fungsi aktivasi terhadap isyarat hasil penjumlahan berbobot yang masuk kepadanya untuk menetukan isyarat keluarannya. Sistem jaringan syaraf tiruan disebut juga brain metphor, computional neuroscience atau parallel distributed processing serta connection. Jaringan syaraf tiruan tersusun dari sejumlah besar elemen yang melakukan kegiatanyang analog dengan fungsi fungsi biologis neuron yang paling elementer. Elemen-elemen ini terorganisasi sebagimana anatomi otak, walaupun tidak persis. Jaringan syaraf tiruan dapat belajar dari pengalaman, melakukan generalisasi atas contoh contoh yang diperolehnya dan mengabstraksikan karakteristik esensial input bahkan untuk data yang tidak relevan.

11 Jaringan syaraf tiruan juga dikenal sebagai kotak hitam(black box technolog) atau tidak transparan (opaque) karena tidak dapat menerangkan bagaimana suatu hasil didapatan. Hal inilah yang akan membuat jaringan syaraf tiruan mampu digunakan untuk menyelesaikan persoalan yang tidak terstruktur dan sulit didefenisikan. Kenyataan inilah yang menyebabkan jaringan syaraf tiruan telah meluas dipakai sebagai alat bantu untuk menyelesaikan masalah pada berbagai bidang dan disiplin ilmu. Beberapa istilah dalam JST yang sering ditemui adalah sebagai berikut: 1. Neuron atau node atau unit: sel syaraf tiruan yang merupakan elemen pengolahan jaringan syaraf tiruan. Setiap neuron menerima data input, memproses input tersebut kemudian mengirimkan hasilnya berupa sebuah output. 2. Jaringan: kumpulan neuron yang saling terhubung dan membentuk lapisan. 3. Lapisan tersembunyi (hidden layer): lapisan yang tidak secara langsung berinteraksi dengan dunia luar. Lapisan ini memperluas kemampuan jaringan syaraf tiruan dalam menghadapi masalah-masalah yang kompleks. 4. Input: sebuah nilai input yang akan diproses menjadi nilai output. 5. Output: solusi dari nilai input. 6. Bobot: nilai matematis dari sebuah koneksi antar-neuron. 7. Fungsi aktivasi: fungsi yang digunakan untuk meng-update nilai-nilai bobot per-iterasi dari semua nilai input. 8. Fungsi aktivasi sederhana adalah mengalikan input dengan bobotnya dan kemudian menjumlahkannya (disebut penjumlahan sigma) berbentuk linier atau tidak linier dan sigmoid.

12 9. Paradigma pembelajaran: bentuk pembelajaran, supervised learning, atau unsupervised learning. Menurut Siang (2009:2), JST adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa: 1. Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron). 2. Sinyal dikirimkan di antara neuron-neuron melalui penghubungpenghubung. 3. Penghubung antar-neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal. 4. Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi (biasanya bukan fungsi linier) yang dikenakan pada jumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang (threshold). 2.2.1 Komponen Jaringan Syaraf Tiruan Pada umumnya JST memiliki dua lapisan, yaitu input layer dan output layer. Tetapi pada perkembangannya, adapula JST yang memiliki satu lapisan lagi yang terletak di antara input layer dan output layer. Lapisan ini disebut lapisan hidden layer. Menurut Halim et all. (2004: 12), berikut penjelasan mengenai komponen JST.

13 1. Input Layer Input layer berisi node-node yang masing-masing menyimpan sebuah nilai masukan yang tidak berubah pada fase latih dan hanya bisa berubah jika diberikan nilai masukan baru. Node pada lapisan ini tergantung pada banyaknya input dari suatu pola. 2. Hidden Layer Lapisan ini tidak pernah muncul sehingga dinamakan hidden layer. Akan tetapi semua proses pada fase pelatihan dan fase pengenalan dijalankan di lapisan ini. Jumlah lapisan ini tergantung dari arsitektur yang akan dirancang, tetapi pada umumnya terdiri dari satu lapisan hidden layer. 3. Output Layer Output layer berfungsi untuk menampilkan hasil perhitungan sistem oleh fungsi aktivasi pada lapisan hidden layer berdasarkan input yang diterima. 2.2.2 Kemampuan Jaringan Syaraf Tiruan Jaringan syaraf tiruan memiliki sejumlah besar kelebihan atau kemampuan dibandingkan dengan metode perhitungan lainnya, yaitu: 1. Kemampuan mengakuisisi pengetahuan walaupun dalam kondisi ada gangguan dan ketidakpastian. Hal ini karena jaringan syaraf tiruan mampu melakukan generalisasi, abstraksi, dan ekstraksi terhadap properti statistik dari data.

14 2. Kemampuan mempresentasikan pengetahuan secara fleksibel. Jaringan syaraf tiruan mampu menciptakan sendiri represantasi melalui pengaturan diri sendiri atau kemampuan belajar (self organizing). 3. Kemampuan untuk memberikan toleransi atas suatu distorsi (error/fault), dimana gangguan kecil pada data dapat dianggap hanay sebagai noise (guncangan) belaka. 4. Kemampuan memproses pengetahuan secara efisien karena memakai sistem paralel, sehingga waktu yang diperlukan untuk mengoperasikannya jauh lebih singkat. 2.2.3 Arsitektur Jaringan Syaraf Tiruan Arsitektur jaringan dan algoritma pelatihan sangat menentukan model-model JST. Arsitektur tersebut gunanya untuk menjelaskan arah perjalanan sinyal atau data di dalam jaringan. Sedangkan algoritma belajar menjelaskan bagaimana bobot koneksi harus diubah agar pasangan masukan-keluaran yang diinginkan dapat tercapai. Dalam setiap perubahan harga bobot koneksi dapat dilakukan dengan berbagai cara, tergantung pada jenis algoritma pelatihan yang digunakan. Dengan mengatur besarnya nilai bobot ini diharapkan bahwa kinerja jaringan dalam mempelajari berbagai macam pola yang dinyatakan oleh setiap pasangan masukan keluaran akan meningkat. Sebagai contoh, perhatikan neuron Y pada Gambar 2.1.

15 Gambar 2.1 Sebuah Sel Syaraf Tiruan Pada Gambar 2.1 diperlihatkan sebuah sel syaraf tiruan sebagai elemen penghitung. Simpul Y menerima masukan dari neuron X1, X2 dan X3 dengan bobot hubungan masing-masing adalah W1, W2 dan W3. Argumen fungsi aktivasi adalah net masukan (kombinasi linear masukan dan bobotnya). Ketiga sinyal simpul yang ada dijumlahkan net= X1W1+X2W2+,X3W3. Besarnya sinyal yang diterima oleh Y mengikuti fungsi aktivasi y=(net). Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai fungsi aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah bobot (Hartono, 2012). 2.3 Backpropagation Backpropagation merupakan salah satu dari metode pelatihan pada jaringan syaraf, dimana ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan oleh jaringan (Puspita & Eunike, 2007). Backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan mengenali pola yang digunakan selama training serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang

16 dipakai selama pelatihan (Siang, 2009). Sebagian besar pelatihan untuk jaringan feedforward (umpan maju) menggunakan gradien dari fungsi aktivasi untuk menentukan bagaimana mengatur bobot-bobot dalam rangka meminimumkan kinerja. Gradien ini ditentukan dengan menggunakan suatu teknik yang disebut backpropagation. Pada dasarnya, algoritma pelatihan standar backpropagation akan menggerakkan bobot dengan arah gradien negatif. Prinsip dasar dari algoritma backpropagation adalah memperbaiki bobot-bobot jaringan dengan arah yang membuat fungsi aktivasi menjadi turun dengan cepat. Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layer tersembunyi (Siang, 2009). Gambar 2.2 adalah arsitektur back-propagation dengan n buah masukan (ditambah sebuah bias), sebuah layer tersembunyi yang terdiri atas p unit (ditambah sebuah bias), serta m buah keluaran. Arsitektur jaringan ini disebut jaringan layer jamak. Gambar 2.2 Arsitektur Backpropagation vji merupakan bobot garis dari unit masukan xi ke unit layer tersembunyi zj (vj0 merupakan bobot garis yang menghubungkan bias di unit masukan ke unit layer

17 tersembunyi zj). wkj merupakan bobot dari layer tersembunyi zj ke unit keluaran yk (wk0 merupakan bobot dari bias di layer tersembunyi ke unit keluaran zk). 2.4 Matrix Laboratory (Matlab) Dalam deteksi dini penyakit TBC ini, diperlukan suatu software yang dapat membantu mengimplementasikan deteksi dini menjadi sebuah angka-angka yang selanjutnya dapat diolah menjadi suatu informasi. Dalam skripsi ini, penulis menggunakan software Matrix Laboratory (Matlab) untuk mencari penyelesaian masalah pengenalan pola dari suatu data yang telah disiapkan. Menurut Iqbal (2009), Matlab adalah sebuah bahasa dengan (high-performance) kinerja tinggi untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi bidang-bidang: 1. matematika dan komputansi, 2. pembentukan algorithm, 3. akusisi data, 4. pemodelan, simulasi, dan pembuatan prototype, 5. analisis data, eksplorasi, dan visualisasi, 6. grafik keilmuan dan bidang rekayasa.

18 2.4.1 Jendela-jendela Pada Matlab Ada beberapa macam jendela yang tersedia dalam Matlab, yang dapat dijelaskan sebagai berikut. 1. Command Window/Editor Matlab command window/ editor merupakan jendela yang dibuka pertama kali setiap kali Matlab dijalankan. Pada jendela di atas dapat dilakukan akses-akses ke command-command Matlab dengan cara mengetikkan barisan-barisan ekspresi Matlab, seperti mengakses help window dan lain-lainnya. Gambar 2.3 Matlab Command Window Command window juga digunakan untuk memanggil tool Matlab seperti editor, debugger atau fungsi. Ciri dari jendela ini adalah adanya prompt (>>) yang menyatakan Matlab siap menerima perintah. Perintah dapat berupa fungsi-fungsi pengaturan file (seperti perintah DOS/UNIX) maupun fungsi-fungsi bawaan atau toolbox Matlab sendiri. Berikut ini beberapa fungsi pengaturan file dalam Matlab. dir/ls : digunakan untuk melihat isi dari sebuah direktori aktif;

19 cd pwd : digunakan untuk melakukan perpindahan dari direktori aktif; : digunakan untuk melihat direktori yang sedang aktif; mkdir : digunakan untuk membuat sebuah direktori; what who : digunakan untuk melihat nama file m dalam direktori aktif; : digunakan untuk melihat variabel yang sedang aktif; whos : digunakan untuk menampilkan nama setiap variabel; delete : digunakan untuk menghapus file; clear : digunakan untuk menghapus variabel; clc doc : digunakan untuk membersihkan layar; : digunakan untuk melihat dokumentasi The Math Works, Inc. dalam format html secara online; demo : digunakan untuk mencoba beberapa tampilan demo yang disediakan oleh Matlab 2. Current Directory Jendela ini menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesuai dengan tempat direktori kerja yang diinginkan. Default dari alamat direktori berada dalam folder works tempat program files Matlab berada.

20 Gambar 2.4 Matlab Current Directory 3. Command History Jendela ini berfungsi untuk menyimpan perintah-perintah apa saja yang sebelumnya dilakukan oleh pengguna terhadap Matlab. Gambar 2.5 Matlab Command History 4. Editor/Debugger Jendela ini merupakan tool yang disediakan oleh Matlab 5 ke atas. Berfungsi sebagai editorscript Matlab (M-file). Walaupun sebenarnya script ini untuk pemrograman Matlab, dapat saja menggunakan editor yang lain seperi notepad, wordpad bahkan Microssoft Word.

21 Gambar 2.6 Matlab Editor M-File 5. Figure Window Jendela ini adalah hasil visualisasi dari script Matlab, namun Matlab memberi kemudahan bagi programer untuk mengedit jendela ini sekaligus memberikan program khusus untuk itu. Sehingga jendela ini selain berfungsi sebagai visualisasi output dapat juga sekaligus menjadi media input yang interaktif. Gambar 2.7 Matlab Figure Windows 6. Workspace Workspace berfungsi untuk menampilkan seluruh variabel-variabel yang sedang aktif pada saat pemakaian Matlab. Apabila variabel berupa data matriks berukuran besar maka pengguna dapat melihat isi dari seluruh data dengan melakukan double

22 klik pada variabel tersebut. Matlab secara otomatis akan menampilkan jendela array editor yang berisikan data pada setiap variabel yang dipilih pengguna Gambar 2.8 Matlab Workspace 7. Matlab Help Window Matlab menyediakan sistem help yang dapat diakses dengan perintah help. Misalnya, untuk memperoleh informasi mengenai fungsi elfun yaitu fungsi untuk trigonometri, eksponensial, compleks dan lain-lain. Gambar 2.9 Matlab Help Window

23 2.4.2 Bagian Utama Pada Sistem Matlab Sebagai sebuah sistem, Matlab tersusun dari lima bagian utama yaitu Development Environment, Matlab Mathematical Function Library, Matlab Language, Graphics, Matlab Application Program Interface (API) 2.4.2.1 Development Environment Development Environtment merupakan sekumpulan perangkat dan fasilitas yang membantu untuk menggunakan fungsi-fungsi dan file-file Matlab. Beberapa perangkat ini merupakan sebuah graphical user interfaces (GUI). Termasuk didalamnya adalah Matlab desktop dan command window, command history, sebuah editor dan debugger, dan browsers untuk melihat help, workspace, files, dan search path. 2.4.2.2 Matlab Mathematical Function Library Matlab Mathematical Function Library merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi dasar seperti: sum, sin, cos, dan complexarithmetic, sampai dengan fungsi-fungsi yang lebih kompleks seperti matrix inverse, matrix eigenvalues, bessel functions, dan fast fourier transforms. 2.4.2.3 Matlab Language Matlab Language merupakan suatu high-level matrix/ array language dengan control flow statements, functions, data structures, input/ output, dan fitur-fitur

24 object-oriented programming. Ini memungkinkan untuk melakukan kedua hal baik "pemrograman dalam lingkup sederhana" untuk mendapatkan hasil yang cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh hasil-hasil dan aplikasi yang kompleks. 2.4.2.4 Graphics Matlab memiliki fasilitas untuk menampilkan vektor dan matriks sebagai suatu grafik. Di dalamnya melibatkan high-level functions (fungsi-fungsi tingkat tinggi) untuk visualisasi data dua dimensi dan data tiga dimensi, image processing, animation, dan presentation graphics. Ini juga melibatkan fungsi level rendah yang memungkinkan untuk memunculkan grafik mulai dari bentuk yang sederhana sampai dengan tingkatan graphical user interface pada aplikasi Matlab. 2.4.2.5 Matlab Application Program Interface (API) Matlab Application Program Interface (API) merupakan suatu library yang memungkinkan program yang telah Anda tulis dalam bahasa C dan Fortran mampu berinteraksi dengan Matlab. Ini melibatkan fasilitas untuk pemanggilan routines dari Matlab (dynamic linking), pemanggilan Matlab sebagai contoh computational engine dan untuk membaca dan menuliskan Mat-files.

25 2.4.3 GUIDE Matlab GUIDE atau GUI builder merupakan Matlab script file yang dibuat utuk analisis suatu permasalahan khusus. Penggunaan GUIDE memberikan/ menyediakan fasilitas, seperti menu, pushbutton, slider, dan sebagainya sesuai dengan program yang diinginkan atau digunakan tanpa knowledge dari Matlab. GUIDE juga memberikan cara untuk efisiennya manajemen data. Gambar 2.10 Tampilan GUIDE Matlab 2.4.3.1 Keunggulan GUIDE Matlab GUIDE Matlab mempunyai kelebihan tersendiri dibandingkan dengan bahasa pemrograman lainnya, antara lain:

26 1. GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya. 2. GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri. 3. Ukuran file, baik FIG-file maupun M-file yang dihasilkan relatif kecil. 4. Kemampuan grafisnya cukup handal dan tidak kalah dibandingkan dengan bahasa pemrograman lainnya. 2.4.3.2 Komponen GUIDE Matlab Untuk membuat sebuah user interface Matlab dengan fasilitas GUIDE harus mulai dengan membuat sebuah desain figure. Untuk membuat sebuah desain figure dapat memanfaatkan uicontrol (kontrol user interface). Beberapa uicontrol yang ada pada Matlab, antara lain: 1. Push button merupakan jenis kontrol berupa tombol tekan yang akan menghasilkan tindakan jika diklik, misalnya OK, Cancel, Hitung, Hapus, dan sebagainya. Untuk menampilkan tulisan pada push button, pengaturannya dapat melalui property inspector atau menggunakan klik kanan dan pilih property inspector. Selanjutnya, isilah tab string dengan label yang diinginkan. 2. Toggle button menghasilkan efek yang hampir sama dengan push button. Perbedaannya adalah saat push button ditekan, maka tombol akan kembali pada posisi semula jika tombol mouse dilepas, sedangkan pada toogle

27 button, tombol tidak akan kembali pada posisi semula, kecuali jika menekannya kembali. 3. Radio button digunakan untuk memilih atau menandai satu pilihan dari beberapa pilihan yang ada. Misalnya, sewaktu akan dibuat aplikasi konversi suhu. Suhu awal dalam derajat Celcius diinputkan dan selanjutnya pilihan untuk mengonversi suhu Celcius ke Reamur, Fahrenheit, atau Kelvin. 4. Kontrol checkboxes berguna jika terdapat beberapa pilihan mandiri atau tidak bergantung dengan pilihan-pilihan lainnya. Contoh aplikasi penggunaan checkboxes adalah saat pemilihan hobi. Karena hobi bisa lebih dari satu, maka checkboxes dapat diklik lebih dari satu kali. 5. Kontrol edit text merupakan sebuah tempat yang memungkinkan untuk memasukkan atau memodifikasi text. String property berisi teks yang akan memunculkan pada kotak edit text. Kemudian, edit text bermanfaaat pula untuk menginputkan suatu data dari keyboard. Sebagai contoh, suatu aplikasi untuk menentukan luas dan keliling sebuah lingkaran. Input dan outputnya disajikan dari edit text. 6. Kontrol static text akan menghasilkan teks bersifat statis (tetap), sehingga pemakai tidak dapat melakukan perubahan padanya. Pada static text, teks dapat diatur dengan beberapa fasilitas, antara lain jenis dan ukuran font, warna justifikasi (left, center, right), dan lain-lain. Semuanya juga dapat dimodifikasi melalui property inspector. 7. Slider berguna jika inputan nilai yang diinginkan tidak menggunakan keyboard, tetapi hanya dengan cara menggeser slider secara vertikal maupun horizontal ke nilai yang kita inginkan. Dengan menggunakan

28 slider, pemasukan nilai data dapat dilakukan secara lebih fleksibel karena nilai max, nilai min, serta sliderstep dapat diatur sendiri. 8. Frames merupakan kotak tertutup yang dapat digunakan untuk mengelompokkan kontrol-kontrol yang berhubungan. Tidak seperti kontrol lainnya, frames tidak memiliki rutin callback. 9. Kontrol listbox menampilkan semua daftar item yang terdapat pada string property dan item yang ada dapat dipilih satu atau lebih. Value property berisi indeks yang dihubungkan dengan daftar item yang dapat dipilih. Jika item yang dipilih lebih dari satu, maka nilai yang dikirimkan merupakan sebuah vektor. Indeks-indeks item sebuah listbox merupakan bilangan bulat, dimana item pertama diberi indeks 0, item kedua diberi indeks 1, dan seterusnya. 10. Popup menu berguna menampilkan daftar pilihan yang didefinisikan pada string property ketika mengklik tanda panah pada aplikasi dan memiliki fungsi yang sama seperti radio button. Ketika tidak dibuka, popup menu hanya menampilkan satu item yang menjadi pilihan pertama pada string property. Popup menu sangat bermanfaat ketika sebuah pilihan tanpa jarak diberikan, tidak seperti radio button. 11. Axes berguna untuk menampilkan sebuah grafik atau gambar (image). Axes sebenarnya tidak masuk dalam uicontrol, tetapi axes dapat diprogram agar pemakai dapat berinteraksi dengan axes dan objek grafik yang ditampilkan melalui axes.

29 2.4.4 Toolbox Backpropagation pada Matlab Software Matlab mempunyai beberapa perintah yang dapat digunakan untuk membuat jaringan syaraf tiruan backpropagation. Perintah-perintah tersebut adalah (Suharjito, 2008): 1. newff digunakan untuk membentuk jaringan syaraf dengan backpropagation 2. train digunakan untuk melakukan pelatihan jaringan 3. sim digunakan untuk melakukan output dari jaringan yang sudah dilatih 4. minmax digunakan untuk mencari nilai minimum dan maksimum data input 5. trainparam digunakan untuk menentukan parameter pelatihan jaringan seperti epoch, goal, learning rate, dan momentum coefisient (mc) 6. tansig, logsig parameter fungsi aktivasi dari suatu layer jaringan: tansig adalah fungsi aktivasi bipolar sigmoid dan logsig fungsi aktivasi binary sigmoid.