Bab 1 PENDAHULUAN
1.1 Latar Belakang
Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya, baik di bidang ilmu pengetahuan maupun teknologi. Salah satu aplikasi jaringan syaraf tiruan yang banyak digunakan adalah pengenalan pola
W
misalnya angka, huruf, sidik jari, tanda tangan maupun pola bangun geometris. Bagi manusia, untuk mengenali suatu pola bangun geometris yang berupa pola
KD
digital atau tulisan tangan sangatlah mudah. Sedangkan bagi komputer hal itu dibutuhkan suatu proses dan pelatihan yang sangat panjang dan rumit. Komputer harus menerjemahkan, mengubah, dan menghitungnya ke bentuk biner terlebih
U
dahulu dan kemudian diberi pelatihan, baru ditranslasikan ke bentuk gambar. Untuk mengetahui permasalahan komputer tersebut, maka akan dilakukan
IK
penelitian dengan merancang sebuah program bantu sederhana yang mampu mendeteksi pola bentuk bangun geometris seperti segi empat. Program tersebut
M IL
akan diberi pelatihan terlebih dahulu dengan menerapkan metode algoritma backpropagation agar menjadi suatu sistem cerdas sehingga dapat melakukan pengenalan pola bentuk geometris. Program tersebut diharapkan bisa membantu untuk mengetahui proses
komputer dalam mengerjakan suatu gambar bangun, khususnya, bentuk segi empat. Proses tersebut dimulai dari mengubah gambar menjadi biner terlebih dahulu, yang kemudian dilakukan pelatihan dengan algoritma back-propagation, dan pada akhirnya komputer dapat mengenali bangun segi empat tersebut atau tidak.
1
1.2 Rumusan Masalah
Berdasarkan uraian pada Sub Bab 1.1 maka akan diuji, bagaimana membangun sebuah sistem yang mampu mengenali beberapa pola segi empat dengan berbagai ukuran, seperti, trapesium, jajar genjang, layang-layang, belah ketupat, bujursangkar, dan persegi panjang dengan menggunakan Multilayer Perceptron Neural Network dengan metode Algoritma Back-Propagation.
W
1.3 Batasan Masalah
Melihat masalah yang ditemui pada pembuatan aplikasi ini, penulis membatasi permasalahannya, sebagai berikut:
Bentuk bangun geometris hanya berbentuk segi empat yang digambar hanya boleh 1 gambar.
•
KD
•
Bentuk bangun segi empat yang digambar hanya persegi, persegi panjang,
U
jajar genjang, trapesium, belah ketupat, layang-layang. Fungsi aktivasi yang digunakan adalah sigmoid bipolar.
•
Dimensi matrik area menggambar 200 x 150 ( dalam pixel ).
•
Proses scaling dibatasi maksimal 50 x 50 (dalam pixel)
M IL
IK
•
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk menganalisis dan membuktikan bahwa
apakah metode backpropagation dapat diimplementasikan dengan baik sehingga komputer dapat mengidentifikasi bentuk bangun geometris, seperti, segi empat dengan baik dan konsisten.
1.5 Metode/Pendekatan Metodologi yang digunakan dalam penelitian ini : •
Studi pustaka dan literatur
2
Studi pustaka dilakukan dengan mempelajari sumber-sumber pustaka yang berkaitan dengan Jaringan Saraf Tiruan dan metode Backpropagation. Sumber-sumber tersebut berupa buku-buku mengenai Jaringan Saraf Tiruan dan metode Backpropagation serta sumber online di Internet yang dapat dipercaya. •
Pembuatan Prototype (Program) Langkah-langkah perancangan pembuatan program dilakukan dengan beberapa tahapan: 1. Pengumpulan Data
W
Data file master (sample) yang akan digunakan dalam proses pelatihan, dan akan diambil dari 6 responden yang dipilih secara acak. Enam responden tersebut mewakili setiap jenis pola segi empat, seperti
KD
bujursangkar, persegi panjang, belah ketupat, layang-layang, jajar genjang, dan trapesium. Masing – masing responden akan diminta untuk
2. Penentuan Pola
U
menginputkan 3 bentuk segi empat untuk setiap jenisnya.
Dalam penentuan pola, data (input) harus diubah ke dalam bentuk biner
IK
supaya dapat dikenali jaringan. 3. Pelatihan dengan Algoritma Backpropagation
M IL
Setelah dilakukan penentuan pola, maka akan dilakukan pelatihan dengan backpropagation. Algoritma backpropagation ini dilakukan dengan
menghitung galat dan mengubah bobot-bobot pada semua interkoneksinya. Di sini galat dihitung pada semua unit pengolah dan bobot pun diubah pada semua interkoneksi. Perhitungan dimulai dari lapisan keluaran dan mundur sampai lapisan masukan. Hasil keluaran dari perambatan maju dibandingkan dengan hasil keluaran yang diinginkan. Berdasarkan perbedaan ini kemudian dihitung galat untuk tiap-tiap lapisan pada jaringan. Pertama-tama dihitung galat untuk lapisan keluaran, kemudian bobot-bobot setiap interkoneksi yang menuju ke lapisan keluaran disesuaikan. Setelah itu dihitung nilai galat pada lapisan tersembunyi dan
3
dihitung perubahan bobot yang menuju ke lapisan tersembunyi. Demikian proses ini dilakukan mundur sampai ke lapisan masukan secara iteratif. •
Pengujian Program Jaringan syaraf tiruan akan diuji dengan menggunakan 2 set data, yaitu set pelatihan dan set pengujian. Set pelatihan digunakan untuk menguji kemampuan memorisasi (ingatan) jaringan. Pada set pengujian akan digunakan untuk menguji kemampuan generalisasi jaringan ketika dimasukan data
baru.
Pada
set
pengujian
ini
diharapkan
jaringan
mampu
mengeneralisasikan kasus yang dihadapi tersebut, kemudian program dapat •
Analisis Hasil Program
W
menarik kesimpulan dari output berdasarkan pengalaman setelah pelatihan.
Program ini dibangun untuk menunjukkan apakah metode backpropagation diimplementasikan
dengan
baik
sehingga
KD
dapat
komputer
dapat
mengidentifikasi bentuk bangun geometris, seperti, segi empat dengan baik dan konsisten. Pada hasil akhir program, program akan menarik kesimpulan
U
dari setiap input gambar yang dimasukkan oleh user, dan akan mengambil
IK
kesimpulan apakah gambar tersebut dapat dikenali atau tidak oleh komputer.
1.6 Sistematika Penulisan
M IL
Sistematika penulisan laporan tugas akhir ini dibagi menjadi beberapa bab sebagai berikut :
Bab 1 Pendahuluan, yang berisi latar belakang masalah, perumusan
masalah, batasan masalah, tujuan penelitian, metode penelitian, dan sistematika penulisan.
Bab 2 Tinjauan Pustaka yang berisi mengenai penelitian-penelitian yang pernah dilakukan serta hasil-hasil yang didapat dari penelitian tersebut. Landasan teori akan dipakai untuk mendukung perancangan dan implementasi sistem mencakup multilayer perceptron neural network, fungsi aktivasi dan algoritma backpropagation. Bab 3 Perancangan Sistem, yang berisi kebutuhan perangkat keras (hardware) dan perangkat lunak (software) yang digunakan, serta tahapan dalam
4
perancangan dan pembangunan sistem, termasuk aliran data dan rancangan antarmuka form masukan (input) dan form hasil (output) beserta kegunaannya. Bab 4 Implementasi dan Analisis Sistem, membahas tentang implementasi perancangan sistem yang sudah dibuat pada bab 3 beserta analisisnya dan hasil capture pengujian dari sistem yang dibuat. Bab 5 merupakan Kesimpulan dan Saran, berisi kesimpulan dari hasil penelitian yang dilakukan serta memberikan saran untuk riset yang sama ke
M IL
IK
U
KD
W
depannya agar dapat memberikan hasil yang lebih baik lagi.
5
