IMPLEMENTASI JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP KOHONEN DALAM PENGENALAN TELAPAK KAKI BAYI
SKRIPSI
ITA SHARONNI A. SINAGA 111401107
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
Universitas Sumatera Utara
PERSETUJUAN
Judul
: Implementasi Jaringan Syaraf Tiruan Self Organizing Map Kohonen dalam Pengenalan Telapak Kaki Bayi
Kategori
: Skripsi
Nama
: Ita Sharonni Alemmina Sinaga
Nomor Induk Mahasiswa
: 111401107
Program Studi
: Sarjana (S1) Ilmu Komputer
Fakultas
: Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Drs. Dahlan Sitompul M.Eng
Dr. Poltak Sihombing, M. Kom
NIP: 196707252005011002
NIP. 196203171991031001
Diketahui/disetujui oleh Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M. Kom. NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
Implementasi Jaringan Syaraf Tiruan Self Organizing Map Kohonen dalam Pengenalan Telapak Kaki Bayi
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, September 2015
Ita Sharonni Alemmina Sinaga NIM. 111401107
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur kepada Tuhan Yesus Kristus, yang telah setia menemani dan menguatkan penulis dalam penulisan skripsi ini, karena oleh kasihNya penulis dapat menyelesaikan penelitian ini. Penulis mengucapkan rasa terimakasih yang sebesar-besarnya kepada pihak yang telah membantu dan ikut berperan dalam penyelesaian skripsi ini. Penulis mengucapkan terimakasih kepada: 1.
Bapak Prof. Subhilhar, M.A., Ph.D selaku Plt. Rektor Universitas Sumatera Utara
2.
Bapak Prof. Dr. Muhammad Zarlis, M.Sc selaku Dekan Fasilkom-TI USU serta Wakil Dekan Fasilkom-TI USU
3.
Bapak Dr. Poltak Sihombing, M. Kom. selaku Ketua Program Studi S1 Ilmu Komputer Fasilkom-TI USU dan Dosen Pembimbing I, atas bimbingan dan saran yang diberikan baik selama perkuliahan maupun proses pembuatan skripsi ini
4.
Ibu Maya Silvi Lydia, BSc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer Fasilkom-TI USU
5.
Bapak Drs. Dahlan Sitompul M.Eng
selaku Dosen Pembimbing II yang
memberikan bimbingan serta arahan kepada penulis 6.
Bapak Drs. Partano Siagian, M.Sc selaku Dosen Pembanding I atas kritik dan saran yang diberikan
7.
Bapak Amer Sharif, S.Si.,M.Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyelesaian skripsi ini
8.
Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU
9.
Pdt Itje Tari yang selalu memantau dan memberi semangat secara rohani kepada penulis
10. Kedua orangtua penulis serta Adik Meiwita Nurangi dan Abang Jeremy Ojahanta yang memberi semangat dan dukungan pada penulis 11. Vanny Vitha Melanie, sahabat penulis yang setia menemani dalam pembuatan skripsi ini yang juga dalam perjuangannya menyelesaikan skripsi
Universitas Sumatera Utara
v
12. Sahabat-sahabat di Program Studi S1 Ilmu Komputer USU khususnya Anandhini, Agita, Martina, Nurkholizah, Ruth Efenty, Efrida, Dina, Meylina, Witty dan Magdalena serta Baringin 13. Seluruh teman-teman stambuk 2011 dan rekan kerja IMILKOM 14. Seluruh pihak yang tidak dapat disebutkan penulis satu per satu. Penulis menyadari bahwa penelitian ini jauh dari sempurna. Namun demikian, penulis berharap bahwa skripsi ini dapat memberikan manfaat kepada setiap pembaca.
Medan,Oktober 2015
Penulis
Universitas Sumatera Utara
vi
ABSTRAK
Bayi yang baru lahir sulit dikenali melalui wajah. Untuk mencegah kasus bayi tertukar , dapat digunakan ciri unik berupa telapak kaki bayi untuk membedakan bayi satu dengan lainnya. Teknologi jaringan syaraf tiruan diharapkan mampu mengenali citra cap telapak kaki bayi, sehingga dapat membantu proses identifikasi bayi. Citra cap telapak kaki
yang berekstensi *.jpg terlebih dahulu difilter menggunakan
highpass filtering untuk mempertajam detail citra, dan terakhir dideteksi tepi Canny untuk menandai bagian yang menjadi detail citra. Hasil deteksi tepi berupa citra biner yang kemudian matriks citra biner ini digunakan
untuk dilatih dan diuji
menggunakan metode SOM Kohonen. Gambar yang dilatih berupa 10 gambar cap telapak kaki bayi asli dan 20 lainnya adalah citra asli yang telah diberi noise. Hasil akhir berupa identifikasi telapak kaki bayi berdasarkan hasil pelatihan.
Hasil
pengujian terhadap citra yang dilatih menunjukkan tingkat akurasi pengenalan sebesar 90 % dan persentase akurasi pengenalan untuk citra yang tidak dilatih sebesar 66,7 %. Kata kunci: jaringan syaraf tiruan, SOM Kohonen, pengenalan pola, telapak kaki bayi, deteksi tepi Canny, highpass filter
Universitas Sumatera Utara
vii
Implementation of Self Organizing Map Kohonen Neural Network in Recognizing Baby’s Sole Of Foot
ABSTRACT
A newborn babies are difficult to identify through the face. In order to prevent the cases of swapped babies, an approach on using the soles part of baby's feet is believed to be a solution to distinguish one baby from another. By using the ANN technology, it will help the recognition process of baby's foot image of the stamp, which will result in the identification of newly born babies. The image of the stamp foot will be in a *.jpg extension, in which it is first filtered using the highpass filtering to sharpen up the image details. Then it is followed by Canny edge detection to mark some parts of the image detail. The result of the edge detection process will be in the form of a binary image. That binary image holds matrix value which later used in the training and testing process of SOM Kohonen Method. The trained images will consist of the 10 initial baby’s foot stamp image along with the 20 noise version images. The result of the identification process is based on the result of training. In the testing section, it is found that a trained image has the accuracy of 90% in identifying babie’s feet while the original image has only 66.7% of recognition level. Keywords: artificial neural network, SOM Kohonen, pattern recognition, baby’s sole of foot, Canny edge detection, highpass filter
Universitas Sumatera Utara
viii
DAFTAR ISI
Hal. Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
vi
Abstract
vii
Daftar Isi
viii
Daftar Tabel
x
Daftar Gambar
xi
Daftar Lampiran Bab 1
Bab 2
xiii
Pendahuluan 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 Penelitian
3
1.7. Sistematika Penulisan
3
Landasan Teori 2.1.Pengenalan Pola
5
2.2.Deteksi Tepi
5
2.2.1
6
Deteksi tepi Canny
2.3.Perbaikan Citra
8
2.3.1
Operasi spasial (filtering)
8
2.3.2
High pass filter
8
2.4.Jaringan Syaraf Tiruan
10
2.4.1
Arsitektur jaringan
12
2.4.2
Self Organizing Map Kohonen
15
Universitas Sumatera Utara
ix
Bab 3
Analisis dan Perancangan 3.1
3.2
Bab 4
22
3.1.1
Analisis masalah
22
3.1.2
Analisis kebutuhan
23
3.1.3
Analisis proses
25
Perancangan Sistem
30
3.2.1
Diagram use case
30
3.2.2
Diagram sekuensial
33
3.2.3
Diagram aktivitas
33
3.2.4
Pseudocode
35
3.2.5
Flowchart sistem
38
3.2.6
Perancangan antarmuka sistem
40
Implementasi dan Pengujian 4.1
4.2
Bab 5
Analisis Sistem
Implementasi
44
4.1.1
Implementasi form beranda
44
4.1.2
Implementasi form pelatihan
45
4.1.3
Implementasi form pengujian
45
4.1.4
Implementasi form help
46
Pengujian
47
4.2.1. Pengujian terhadap citra yang dilatih
52
4.2.2. Pengujian terhadap citra yang tidak dilatih
57
Kesimpulan dan Saran
Daftar Pustaka
5.1.
Kesimpulan
58
5.2.
Saran
58
60
Universitas Sumatera Utara
x
DAFTAR TABEL
Tabel 3.1
Dokumentasi naratif dari use case pelatihan
31
Tabel 3.2
Dokumentasi naratif dari use case pengujian
32
Tabel 3.3
Keterangan rancangan antarmuka beranda
40
Tabel 3.4
Keterangan rancangan antarmuka pelatihan
41
Tabel 3.5
Keterangan rancangan antarmuka pengujian
42
Tabel 3.6
Keterangan rancangan antarmuka help
43
Tabel 4.1
Hasil pengujian terhadap citra yang telah dilatih
52
Tabel 4.2
Hasil pengujian terhadap citra yang tidak dilatih
57
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Gambar 2.1
Skema pengenalan pola
5
Gambar 2.2
Citra asli
7
Gambar 2.3
Citra hasil deteksi tepi Canny
8
Gambar 2.4
Contoh matriks high pass filtering
10
Gambar 2.5
Citra asli, grayscale, hasil high pass filter
10
Gambar 2.6
Contoh model neuron jaringan syaraf tiruan
11
Gambar 2.7
Single layer network
13
Gambar 2.8
Multi layer network
13
Gambar 2.9
Recurrent network dengan hidden neuron
14
Gambar 2.10
Lattice 1 dimensi dengan 3 neuron
15
Gambar 2.11
Arsitektur jaringan kohonen
16
Gambar 3.1
Diagram Ishikawa pengenalan telapak kaki bayi
23
Gambar 3.2
Bobot baru dalam Ms.Excel
29
Gambar 3.3
Use case sistem pengenalan telapak kaki bayi
31
Gambar 3.4
Sequence diagram untuk pelatihan
33
Gambar 3.5
Sequence diagram untuk pengujian
33
Gambar 3.6
Diagram aktivitas use case pelatihan
34
Gambar 3.7
Diagram aktivitas use case pengujian
35
Gambar 3.8
Flowchart pelatihan
38
Gambar 3.9
Flowchart pengujian
39
Gambar 3.10
Rancangan antarmuka beranda
40
Gambar 3.11
Rancangan antarmuka pelatihan
41
Gambar 3.12
Rancangan antarmuka pengujian
42
Gambar 3.13
Rancangan antarmuka help
43
Gambar 4.1
Form beranda
44
Gambar 4.2
Form pelatihan
45
Gambar 4.3
Form pengujian
45
Gambar 4.4
Form help
46
Gambar 4.5
Pelatihan load citra
47
Universitas Sumatera Utara
xii
Gambar 4.6
Tampilan citra setelah di resize
48
Gambar 4.7
Proses grayscale pada citra
48
Gambar 4.8
Proses filter citra dengan high pass filter
49
Gambar 4.9
Citra hasil deteksi tepi
50
Gambar 4.10
Tampilan pelatihan telah selesai
51
Gambar 4.11
Form pengujian setelah dijalankan
52
Universitas Sumatera Utara
xiii
DAFTAR LAMPIRAN
Listing Program
62
Bobot Baru Setelah Pelatihan dalam MsExcel
77
Vektor Input Citra Latih dalam Ms Excel
80
Curriculum Vitae
85
Universitas Sumatera Utara