MENDETEKSI PENYAKIT GIGI MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION DAN METODE HOPFIELD
DRAFT SKRIPSI
RAJA RIZKY RAMADHAN HSB 091401082
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
MENDETEKSI PENYAKIT GIGI MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION DAN METODE HOPFIELD
SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
RAJA RIZKY RAMADHAN HSB 091401082
PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
: MENDETEKSI PENYAKIT GIGI MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN MENGGUNAKAN METODE BACKPROPAGATION DAN METODE HOPFIELD
Kategori
: SKRIPSI
Nama
: RAJA RIZKY RAMADHAN HSB
Nomor Induk Mahasiswa
: 091401082
Program Studi
: S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, April 2014
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
PERNYATAAN
MENDETEKSI PENYAKIT GIGI MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION DAN METODE HOPFIELD SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, April 2014
Raja Rizky Ramadhan Hsb 091401082
Universitas Sumatera Utara
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT, yang telah memberikan rahmat dan hidayah-Nya, 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, Universitas Sumatera Utara. 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 Universitas Sumatera Utara. 2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 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. Bapak Amer Sharif, 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 Drs. Dahlan Sitompul, M.Eng 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 Drs. H. Fahri Hasibuan dan Ibunda Hj. Siti Anisma Siregar serta Abangda Ahmad Ibrahim Rony S. Hasibuan ,Abangda Rudy Ardiyansyah Hasibuan, Abangda Yan Veri Alvin Hasibuan, Kakanda Ernita Sari Hasibuan, kakanda Nizmi, kakanda Adhe, kakanda Emma yang telah senantiasa mendukung dan berdoa untuk kesuksesan penulis. 10. Widya Alriva SH, yang senantiasa mendukung, perhatian, kasih sayang, pengertian, memberi semangat dan berdoa untuk kesuksesan penulis
Universitas Sumatera Utara
11. Teman-teman terbaik yang selalu memberikan semangat dan dukungan yaitu Ardi Hasiholan ,Wella Reynanda, Muhammad Huzaifa,Mahadi, Azhar, Fauzi, Tedja, Rio, Gamal, Iqsan, mail ,Santo dan Fiktaruddin. 12. Teman-teman kom A dan Kom B stambuk 2009 sekaligus keluarga besar Program Studi S1 Ilmu Komputer Fasilkom-TI USU. 13. 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, April 2014 Penulis,
Raja Rizky Ramadhan Hsb
Universitas Sumatera Utara
ABSTRAK
Gigi merupakan suatu organ terpenting makhluk hidup terutama manusia. Fungsi utama gigi adalah untuk merobek makanan dan mengunyah makanan. Kesehatan gigi merupakan suatu hal yang penting bagi kesehatan tubuh manusia karena gigi membantu proses pengunyahan makanan yang apabila gigi tidak sehat akan membuat nafsu makan tidak baik. Permasalahan yang dihadapin dalam perancangan sistem ini yaitu masalah pengenalan pola gigi yang terkena penyakit. Adapun metode jaringan syaraf yang digunakan yaitu backpropagation dan hopfield untuk dapat ditarik suatu kesimpulan metode mana yang memiliki ketepatan yang lebih baik dalam melakukan identifikasi terhadap objek yang dibahas. Pada metode backpropagation pola dilatih melalui tiga fase yang pertama yaitu fase propagasi maju, fase propagasi mundur, dan fase perubahan bobot hingga kondisi penghentian dipenuhi. Sedangkan pada metode hopfield pelatihan dilakukan dengan melakukan dot product antara vektor pola masukan dengan vektor bobot. Jaringan hopfield dikatakan sampai pada nilai maksimum jika sebuah pola stabil dipanggil ulang. Berdasarkan hasil ujicoba terhadap pola gigi diketahui bahwa metode hopfield dapat mengenali pola lebih cepat daripada metode backpropagation dengan rata-rata waktu pengenalan 2,46 dan 5,67 detik. Baik metode backpropagation maupun hopfield menghasilkan 100% pengenalan ketika data yang diuji merupakan data pelatihan. Sedangkan untuk pengujian menggunakan data yang tidak terlatih untuk Metode backpropagation menghasilkan ketepatan pendeteksian sebesar 93,3% dan metode Hopfield sebesar 82,3% dengan menggunakan data berbeda dengan pelatihan.
Katakunci: Identifikasi Pola, Pengolahan Citra, Jaringan Syaraf Tiruan, Backpropagation, Hopfield.
Universitas Sumatera Utara
DETECTING DENTAL DISEASES USING ARTIFICIAL NEURAL NETWORK WITH BACKPROPAGATION AND HOPFIELD METHODS
ABSTRACT
Teeth are one of the important things for living things, especially humans. The main functions of teeth are to tear and chew food. That function causes the health of teeth become something important for humans' health since the condition of teeth will surely influence humans' appetite. The unhealthy teeth can decrease humans' appetite, and so for the other way. Therefore, humans need to know the conditions or patterns of their teeth. The problem that is faced in this system design is the patterns recognitions of the diseased teeth. The neural network systems that are used are backpropagation and hopfield to make a conclution, which methode has the better accuracy at identifying the discussed object. In backpropagation methode, the patterns are trained through three phases which are forward propagation phase, backward propagation phase, and changes quality phase until ceasing condition being fulfilled. In hopfield methode, the training is done by performing dot product between input vector pattern and quality vector. Hopfield network is indicated reaching the maximum value if a stable pattern is being resummoned. Based on a tryout of the patterns of teeth was known that hopfield methode can recognize the pattern faster than backpropagation one with the average of recognition time 2.46 and 5.67 secs. Both backpropagation and hopfield methode make 100% recognition when the examined sample is the training sample. As for using the test data are not trained to produce the backpropagation method detection accuracy of 93.3% and 82.3% of the Hopfield method using data different from the training
Keyword: Pattern Identification, Artificial Neural Network, Backpropagation, Hopfield
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Gambar Daftar Tabel
ii iii iv vi vii viii xi x
Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Perumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Sistemmatika Penulisan
1 2 2 2 2 3
Bab 2 Landasan Teori 2.1 Pengelolahan Citra 2.1.1 Citra Digital Gray Scale 2.1.2 Proses Threshold 2.2 Jaringan Saraf Tiruan 2.2,1 Arsitektur Jaringan Saraf Tiruan 2.2.1.1 Jaringan Lapisan Tunggal (Single layer Network) 2.2.1.2 Jaringan Banyak Lapisan (multilayer net) 2.2.1.3 Jaringan Lapisan Kompetitif competitive layer net 2.3. Jaringan Saraf Tiruan Backpropagation 2.3.1 Arsitektur Jaringan Backpropagation 2.3.2 Fungsi Aktivasi 2.3.3 Pelatihan Standart Backpropagation 2.3.4 Algoritma Pelatihan 2.4 Jaringan Saraf Tiruan Hopfield 2.4.1 Jaringan Saraf Tiruan Hopfield Diskrit 2.4.1.1 Algoritma Jaringan Hopfield Diskrit 2.4.2 Arsitektur Metode Hopfield 2.5. Gigi 21
4 4 4 5 6 7 7 8 9 9 12 13 14 17 18 19 20
Universitas Sumatera Utara
Bab 3 Analisis Dan Perancangan Sistem 3.1 Analisis Sistem 3.1.1 Analisis Masalah 3.1.2 Analisis Kebutuhan Sistem 3.1.2.1 Kebutuhan Fungsional Sistem 3.1.2.2 Kebutuhan Non-Fungsional Sistem 3.1.3 Analisis Proses 3.1.3.1 Perancangan Arsitektur jaringan 3.2 Pemodelan 3.2.1 Use Case Diagram 3.2.2 Sequence Diagram 3.2.3 Activity Diagram 3.3 Pseudocode Program 3.3.1 Pseudocode Proses Pelatihan JST 3.3.2 Pseudocode Proses Pengujian JST 3.4 Perancangan Sistem 3.4.1 Perancangan Flowchart Sistem 3.4.2 Perancangan Antarmuka (Interface) 3.4.2.1 Form Utama 3.4.2.2 Form Pelatihan 3.4.2.3 Form Pengujian 3.4.2.4 Form Bantuan Bab 4 Implementasi dan Pengujian 4.1 Implementasi 4.1.1 Form Utama 4.1.2 Form Pelatihan 4.1.3 Form Pengujian 4.1.4 Form Bantuan Utama 4.1.5 Form Bantuan Pelatihan 4.1.6 Form Bantuan Pengujian 4.2. Pengujian 4.2.1 Kecepatan Pelatihan Jaringan Saraf Tiruan 4.2.2 Kecepatan Dan Ketepatan Pengujian Jaringan Saraf Tiruan 4.2.3 Kesimpulan Kecepatan Pengujian Jaringan Syaraf Tiruan Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 5.2 Saran Daftar Pustaka Lampiran Listing Program Lampiran Curriculum Vitae
25 25 26 26 27 27 31 34 34 39 41 45 45 46 48 48 49 49 50 51 53
55 55 56 59 60 61 61 62 62 65 73
74 75 76 A-1 B-2
Universitas Sumatera Utara
DAFTAR GAMBAR Nomor Gambar 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16
Nama Gambar
Halaman
Proses Threshold Jaringan Saraf Tiruan Sederhana Model Neuron Jaringan Saraf dengan Lapisan Tunggal Jaringa Saraf dengan Banyak Lapisan Jaringan saraf dengan kompetitif Jaringan Backpropagation Arsitektur Jaringan Backpropagation Keadaan/ kondisi jaringan Hopfield Biner Arsitektur Metode Hopfield Gigi Diagram Ishikawa Arsitektur Jaringan Backpropagation sistem Arsitektur Jaringan Hopfield sistem Use Case Diagram Sistem Identifikasi Penyakit Gigi Sequence Diagram Pelatihan JST Backpropagation Sequence Diagram Pelatihan JST Hopfield Sequence Diagram Pengujian JST Backpropagation Sequence Diagram Pengujian JST Hopfield Activity Diagram Pelatihan Backpropagation Activity Diagram Pelatihan Hopfield Activity Diagram Pengujian Backpropagation Activity Diagram Pengujian Hopfield Flowchart Sistem Tampilan Rancangan Form Utama Tampilan Rancangan Form Pelatihan Tampilan Rancangan Form Pengujian Tampilan Rancangan Form Bantuan Form Utama Form Pelatihan Form Pelatihan Setelah Membuka File Citra Frorm Gambar Gigi Setelah Melakukan Proses Threshold Form Setelah Proses Threshold pada Citra Gigi Form Pengujian From Hasil Pengujian dengan Backpropagation Form Hasil Pengujian dengan Hopfield Form Menu Bantuan Form Bantuan Pelatihan Form Bantuan pengujian Catatan Waktu Pelatihan JST Backpropagation Catatan Waktu Pelatihan JST Hopfield Pengujian JST Backpropagation Terhadap Objek Pengujian JST Hopfield Terhadap Objek Grafik Kecepatan metode Backpropagation dan Metode Hopfield
5 5 6 7 8 8 9 11 18 20 21 26 32 33 34 39 40 40 41 42 43 44 44 48 49 50 52 53 56 57 57 58 58 59 60 60 61 61 62 64 64 65 66 73
Universitas Sumatera Utara
DAFTAR TABEL
Nomor Tabel 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 4.1 4.2 4.3 4.4 4.1
Nama Tabel
Halaman
Nilai Bobot Lapisan masukan ke Lapisan Tersembunyi (vji) Bobot Lapisan Masukan ke Lapisan Tersembunyi (wkj) Nilai Suku Perubahan Bobot Perubahan Bobot Unit Tersembunyi Dokumentasi Naratif Use Case latih Backpropagation Dokumentasi Naratif Use Case Latih Hopfield Dokumentasi Naratif Use Case Identifikasi Penyakit Gigi (Pengujian) Backpropagation Dokumentasi Naratif Use Case Identifikasi Penyakit Gigi (Pengujian) Hopfield Vektor Input Pelatihan Hasil Pengujian Metode Backpropagation Hasil Pengujian Metode Hopfield Hasil Pengujian Metode Backpropagation Menggunakan Data Masukan Tidak Terlatih Hasil Pengujian Metode Hopfield menggunakan data masukan tidak terlatih
28 28 29 30 35 36 37 38 62 66 68 70 72
Universitas Sumatera Utara
