IMPLEMENTASI DAN PERBANDINGAN PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE KOHONEN DAN METODE ADAPTIVE RESONANCE THEORY (ART)
SKRIPSI
MARTINA ABRIANI SIPAYUNG 111401120
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
Universitas Sumatera Utara
IMPLEMENTASI DAN PERBANDINGAN PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE KOHONEN DAN METODE ADAPTIVE RESONANCE THEORY (ART)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
MARTINA ABRIANI SIPAYUNG 111401120
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
Universitas Sumatera Utara
iii
PERSETUJUAN
Judul
: IMPLEMENTASI DAN PERBANDINGAN PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE KOHONEN DAN METODE ADAPTIVE RESONANCE THEORY (ART)
Kategori
: SKRIPSI
Nama
: MARTINA ABRIANI SIPAYUNG
Nomor Induk Mahasiswa
: 111401120
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, 03 Desember 2015 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Amer Sharif, S.Si, M.Kom
Dr. Poltak Sihombing, M.Kom
NIP.
NIP. 19620317 199103 1 001
Diketahui/disetujui Oleh Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001
Universitas Sumatera Utara
iv
PERNYATAAN
IMPLEMENTASI DAN PERBANDINGAN PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE KOHONEN DAN METODE ADAPTIVE RESONANCE THEORY (ART)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing – masing telah disebutkan sumbernya.
Medan, 03 Desember 2015
Martina Abriani Sipayung 111401120
Universitas Sumatera Utara
v
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas berkat dan karuniaNya, penulis dapat menyelesaikan penyusunan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Dalam menyelesaikan skripsi ini penulis telah banyak menerima bantuan dari berbagai pihak. Pada kesempatan ini, penulis ingin mengucapkan terima kasih sebesar – besarnya kepada : 1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D selaku Plt.Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Muhammad Zarlis, M.Sc selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara dan Dosen Pembina penulis. 3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer dan Dosen Pembimbing pertama penulis yang telah meluangkan banyak waktunya dan memberi kritik dan saran kepada penulis. 4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer dan Dosen Pembanding pertama penulis yang telah membantu dalam memberikan kritik dan saran dalam penyelesaian skripsi ini. 5. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing kedua penulis yang telah meluangkan banyak waktunya dan memberi kritik dan saran kepada penulis. 6. Bapak Drs. Marihat Situmorang, M.Kom selaku Dosen Pembanding kedua penulis yang telah membantu dalam memberikan kritik dan saran dalam penyelesaian skripsi ini. 7. Seluruh staf pengajar dan pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi. 8. Bapak Robinhot Sipayung dan Ibu Rosta Purba sebagai orangtua penulis yang telah membesarkan dan memberikan kasih sayang dan dukungan moral dan materi kepada penulis.
Universitas Sumatera Utara
vi
9. Adik – adik penulis, Karina Sipayung, Cristopher Sipayung dan Anggita Sipayung yang selalu memberikan dukungan dan doa. 10. Agita Gurusinga dan Anandhini Nababan sebagai sahabat penulis yang selalu memberikan dukungan. 11. Teman – teman yang memberikan tanda tangan yaitu : Abidah, Al Mizfar, Agung, Ema, Febri, Fikri, Ismail, Ita, Joshua, Khairun nisa, Mawaddah, Nurkholija, Retri, Richard, Ruth Mey, Sengli, Susi, dan Tifany. 12. Abang kakak senior serta teman – teman stambuk 2011 yang tidak dapat saya sebutkan satu per satu .
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi penyempurnaan skripsi ini. Semoga skripsi ini dapat bermanfaat khususnya bagi penulis dan bagi seluruh pembaca.
Medan, 03 Desember 2015
Penulis,
Universitas Sumatera Utara
vii
ABSTRAK
Tanda tangan digunakan oleh masyarakat dalam pembuktian identitas di kehidupan sehari – hari, seperti dalam bidang kesehatan, pendidikan, perbankan, usaha, dan bidang lainnya. Tanda tangan dicek dengan cara membandingkan tanda tangan dengan tanda tangan asli yang disebut dengan pengecekan manual. Pengecekan tanda tangan dapat dibantu dengan mengembangkan sebuah sistem yang dapat digunakan dalam mengenali pola tanda tangan. Sistem dibangun menggunakan jaringan saraf tiruan tanpa supervisi dengan metode Kohonen dan Adaptive Resonance Theory 1 (ART1). Dalam menggunakan metode Kohonen dan ART1, pola tanda tangan dilatih dengan cara mengelompokkan pola kedalam beberapa kelompok. Citra asli terlebih dahulu diolah melalui proses binerisasi, thinning, pemotongan dan ekstraksi fitur. Hasil dari proses pengolahan citra adalah masukan yang digunakan dalam pelatihan dan pengujian jaringan saraf tiruan menggunakan metode Kohonen dan ART1. Waktu pelatihan metode Kohonen selama 68.0842 detik sedangkan waktu pelatihan metode ART1 selama 6.83757 detik. Metode Kohonen dan ART1 dapat mengenali citra yang telah dilatih dengan ketepatan 100%. Sedangkan untuk citra yang tidak dilatih, persentase akurasi dari metode Kohonen sebesar 63.75% dengan rata – rata waktu pengujian adalah 0.000319295 detik dan persentase akurasi dari metode ART1 sebesar 47.5% dengan rata – rata waktu pengujian adalah 0.000410643 detik. Dari hasil tersebut didapatkan kesimpulan bahwa metode Kohonen lebih cepat dan tepat dalam mengenali pola tanda tangan dibandingkan dengan metode ART1.
Kata kunci : Jaringan Saraf Tiruan, Kohonen, Adaptive Resonance Theory 1 (ART1).
Universitas Sumatera Utara
viii
IMPLEMENTATION AND COMPARISON OF SIGNATURE PATTERN RECOGNITION USING KOHONEN METHOD AND ADAPTIVE RESONANCE THEORY (ART) METHOD
ABSTRACT
Signature is used by society to prove identity in daily life, such as health, education, banking, business, and other fields. Signature is checked by comparing the signature with the original signature called manual checking. Checking the signature can be helped by developing a system that can be used to recognize signature pattern. The system was built using unsupervised neural network with Kohonen method and Adaptive Resonance Theory 1 (ART1). Using Kohonen and ART1 method, signature pattern is trained by classifying the pattern into several groups. The original image must first be processed through binarization, thinning, cropping and extraction features. The result of the image processing is input that is used in neural network training and testing using Kohonen and ART1 method. Training time for Kohonen method is 68.0842 seconds while training time for ART1 method is 6.83757 seconds. Kohonen and ART1 method can recognize images that have been trained with 100% accuracy. As for the image that is not trained, the percentage of accuracy of the Kohonen method is 63.75% with the average of recognition time is 0.000319295 seconds and the percentage of accuracy of the ART1 method is 47.5% with the average of recognition time is 0.000410643 seconds. From these results, it is concluded that the Kohonen method is faster and more accurate than the ART1 method at recognizing signature pattern.
Keywords : Neural Network, Kohonen, Adaptive Resonance Theory 1 (ART1).
Universitas Sumatera Utara
ix
DAFTAR ISI
Hal. Persetujuan
iii
Pernyataan
iv
Penghargaan
v
Abstrak
vii
Abstract
viii
Daftar Isi
ix
Daftar Gambar
xiii
Daftar Tabel
xiv
Bab 1 Pendahuluan
1
1.1 Latar Belakang
2
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
2
1.5 Manfaat Penelitian
2
1.6 Metode Penelitian
3
1.7 Sistematika Penulisan
3
Bab 2 Landasan Teori 2.1 Jaringan Saraf Tiruan
5
2.1.1 Model Matematika
6
2.1.2 Arsitektur Jaringan
8
2.1.3 Pelatihan Supervisi dan Tanpa Supervisi
11
2.1.4 Aplikasi
12
2.2 Metode Kohonen
12
2.2.1 Arsitektur Jaringan Kohonen
12
2.2.2 Algoritma Jaringan Kohonen
13
2.3 Metode Adaptive Resonance Theory (ART)
14
Universitas Sumatera Utara
x
2.3.1 Arsitektur Adaptive Resonance Theory 1 (ART1)
15
2.3.2 Algoritma Adaptive Resonance Theory 1 (ART1)
15
2.3.3 Pelatihan Cepat (Fast Learning) dan Pelatihan Lambat (Slow Learning)
17
2.4 Pengenalan Pola
18
2.5 Citra Digital
18
2.5.1 Citra RGB
20
2.5.2 Citra Abu – abu (Grayscale)
20
2.5.3 Citra Biner
20
2.6 Prapengolahan Citra
21
2.6.1 Konversi RGB ke Abu – abu (Grayscale)
21
2.6.2 Pengambangan (Tresholding)
21
2.6.3 Thinning
22
2.7 Ekstraksi Fitur
22
2.7.1 Transformasi Wavelet 2D
23
2.8 Format File Citra JPEG (.jpg)
24
2.9 Verifikasi Tanda Tangan
24
2.10 Penelitian Terdahulu
25
Bab 3 Analisis dan Perancangan Sistem 3.1 Analisis Sistem
27
3.1.1 Analisis Masalah
27
3.1.2 Analisis Kebutuhan
28
3.1.2.1 Kebutuhan Fungsional
28
3.1.2.2 Kebutuhan Non-Fungsional
29
3.1.3 Analisis Proses
29
3.1.3.1 Akuisisi Citra
29
3.1.3.2 Prapengolahan Citra
29
3.1.3.3 Ekstraksi Fitur
30
3.1.3.4 Fase Pelatihan dan Pengujian
31
3.2 Pemodelan Sistem
44
3.2.1 Diagram Kasus Penggunaan (Use Case Diagram)
44
3.2.2 Diagram Aktivitas (Activity Diagram)
47
Universitas Sumatera Utara
xi
3.2.3 Diagram Urutan Aksi - aksi (Sequence Diagram) 3.3 Perancangan Flowchart
50 51
3.3.1 Flowchart Binerisasi Citra
51
3.3.2 Flowchart Thinning Citra
52
3.3.3 Flowchart Pemotongan Citra
54
3.3.4 Flowchart Ekstraksi Fitur
55
3.3.5 Flowchart Pelatihan Jaringan Saraf Tiruan (JST)
57
3.3.6 Flowchart Pengujian Jaringan Saraf Tiruan (JST)
62
3.4 Perancangan Arsitektur Jaringan
65
3.4.1 Jaringan Kohonen
66
3.4.2 Jaringan Adaptive Resonance Theory 1 (ART1)
66
3.5 Perancangan Antarmuka Sistem
67
3.5.1 Halaman Utama
67
3.5.2 Pengolahan Citra dan Pelatihan
68
3.5.3 Pengujian
70
3.5.4 Bantuan
72
Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi Sistem
76
4.4.1 Tampilan Antarmuka Sistem
76
4.4.1.1 Halaman Utama
76
4.4.1.2 Pelatihan
77
4.1.1.2.1 Prapengolahan Citra dan Ekstraksi Fitur
78
4.1.1.2.2 Pelatihan Jaringan Saraf Tiruan 4.4.1.3 Pengujian
83 84
4.1.1.3.1 Pengujian dengan Satu Citra Uji
85
4.1.1.3.2 Pengujian dengan 20 (dua puluh) Citra Uji
86
4.4.1.4 Bantuan
89
4.2 Pengujian dan Hasil Pengujian
91
4.2.1 Waktu Pelatihan
91
4.2.2 Waktu Pengujian dan Persentase Akurasi Pengujian
92
Universitas Sumatera Utara
xii
4.2.2.1 Pengujian pada citra yang telah dilatih
92
4.2.2.2 Pengujian pada citra yang tidak dilatih
94
4.3 Analisis Penyebab Kesalahan dalam Mengenali Pola Tanda Tangan
102
4.3.1 Analisis Penyebab Kesalahan dalam Mengenali Pola Tanda Tangan Menggunakan Metode Kohonen
102
4.3.2 Analisis Penyebab Kesalahan dalam Mengenali Pola Tanda Tangan Menggunakan Metode ART1
104
Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan
107
5.2 Saran
108
Daftar Pustaka
109
Lampiran Listing Program
A-1
Lampiran Citra Tanda Tangan
B-1
Lampiran Curriculum Vitae
C-1
Universitas Sumatera Utara
xiii
DAFTAR GAMBAR
Hal. Gambar 2.1 Model matematis dari jaringan saraf tiruan
7
Gambar 2.2 Jaringan saraf dengan lapisan tunggal
9
Gambar 2.3 Jaringan saraf dengan lapisan banyak
10
Gambar 2.4 Jaringan saraf dengan lapisan kompetitif
11
Gambar 2.5 Arsitektur jaringan kohonen
13
Gambar 2.6 Struktur sasar ART1
15
Gambar 2.7 Struktur sistem pengenalan pola
18
Gambar 2.8 Koordinat citra digital
19
Gambar 2.9 Ilustrasi digitalisasi citra
20
Gambar 2.10 Transformasi Wavelet 2D 1 level
24
Gambar 2.11 Skema hasil Transformasi Wavelet 2D 1 level
24
Gambar 3.1 Diagram Ishikawa
28
Gambar 3.2 Prapengolahan citra
30
Gambar 3.3 Ekstraksi fitur
31
Gambar 3.4 Diagram kasus penggunaan (Use case Diagram)
44
Gambar 3.5 Diagram aktivitas (Activity Diagram) pelatihan sistem
48
Gambar 3.6 Diagram aktivitas (Activity Diagram) pengujian sistem
49
Gambar 3.7 Diagram aktivitas (Activity Diagram) simpan data tabel hasil
49
Gambar 3.8 Diagram aktivitas (Activity Diagram) menampilkan grafik pengujian
50
Gambar 3.9 Diagram urutan aksi – aksi (Sequence Diagram) Sistem
50
Gambar 3.10 Flowchart binerisasi citra
51
Gambar 3.11 Flowchart thinning citra
53
Gambar 3.12 Flowchart pemotongan citra
54
Universitas Sumatera Utara
xiv
Gambar 3.13 Flowchart ekstraksi fitur
56
Gambar 3.14 Flowchart pelatihan Kohonen
58
Gambar 3.15 Flowchart pelatihan ART1
59
Gambar 3.16 Flowchart pengujian Kohonen
63
Gambar 3.17 Flowchart pengujian ART1
64
Gambar 3.18 Arsitektur jaringan saraf tiruan metode Kohonen untuk pengenalan tanda tangan
66
Gambar 3.19 Arsitektur jaringan saraf tiruan metode ART1 untuk pengenalan tanda tangan
67
Gambar 3.20 Halaman utama
68
Gambar 3.21 Pengolahan citra dan pelatihan
69
Gambar 3.22 Pengujian
71
Gambar 3.23 Bantuan halaman utama
73
Gambar 3.24 Bantuan halaman pelatihan
74
Gambar 3.25 Bantuan halaman pengujian
75
Gambar 4.1 Halaman utama
77
Gambar 4.2 Pelatihan
78
Gambar 4.3 Buka citra
79
Gambar 4.4 Citra pelatihan
79
Gambar 4.5 Binerisasi citra asli
80
Gambar 4.6 Thinning pada citra
80
Gambar 4.7 Pemotongan citra
81
Gambar 4.8 Proses ekstraksi fitur
82
Gambar 4.9 Hasil ekstraksi fitur
82
Gambar 4.10 Proses pelatihan
83
Gambar 4.11 Waktu proses pelatihan
84
Gambar 4.12 Pengujian
85
Gambar 4.13 Citra uji
85
Gambar 4.14 Hasil pengujian satu citra uji
86
Gambar 4.15 Citra uji (dua puluh citra)
87
Gambar 4.16 Hasil pengujian (dua puluh citra)
87
Gambar 4.17 Grafik pengujian
88
Gambar 4.18 Bantuan halaman utama
89
Universitas Sumatera Utara
xv
Gambar 4.19 Bantuan pelatihan
90
Gambar 4.20 Bantuan Pengujian
90
Gambar 4.21 Grafik perbandingan waktu pengujian metode Kohonen dan metode ART1
101
Universitas Sumatera Utara
xvi
DAFTAR TABEL
Hal. Tabel 3.1 Dokumentasi naratif kasus penggunaan (Use case) pelatihan Kohonen dan ART1
45
Tabel 3.2 Dokumentasi naratif kasus penggunaan (Use case) pengujian Kohonen dan ART1
46
Tabel 4.1 Parameter dan waktu pelatihan Kohonen
91
Tabel 4.2 Parameter dan waktu pelatihan ART1
91
Tabel 4.3 Hasil pengujian pada citra yang telah dilatih
92
Tabel 4.4 Hasil pengujian pada citra yang tidak dilatih
94
Tabel 4.5 Citra uji dengan target kelompok dan keluarannya menggunakan metode Kohonen
103
Tabel 4.6 Citra uji dengan target kelompok dan keluarannya menggunakan metode ART1
104
Universitas Sumatera Utara
