aplikasi pengenalan pola tanda tangan menggunakan jaringan syaraf tiruan dengan metode perceptro1

7/25/2019 Aplikasi Pengenalan Pola Tanda Tangan Menggunakan Jaringan Syaraf Tiruan Dengan Metode Perceptro1

1/22

1

ADIAN FEBRYANTO | JURNAL SKRIPSI

TAHUN 2015

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER (STMIK DUMAI)

APLIKASI PENGENALAN POLA TANDA TANGAN MENGGUNAKAN JARINGAN

SYARAF TIRUAN DENGAN M ETODE PERCEPTRON

ADI AN FEBRYANTO

ABSTRAK

Nama Adian Febryanto dengan NIM 2114033, Jurusan Teknik Informatika (TI). Judul

Skripsi Aplikasi Pengenalan Tanda Tangan Menggunakan Jaringan Syaraf Tiruan Dengan Metode

Perceptron. Dosen Pembimbing satu (I) bernama Rahmad Kurniawan M.Kom, dan dosen

Pembimbing dua (II) bernama Masrizal M.Kom. Skripsi ini diangkat karena dilatar belakangi oleh

dimana pengenalan pola pada PT. BUANA LISTYA TAMA Tbk masih dilakukan secara manual

yaitu dengan cara membandingkan dan melihat tanda tangan yang sudah ada, tetapi pengenalan

tanda tangan menggunakan cara ini masih dapat menimbulkan keraguan dalam mengidentifikasi

pemilik dari tanda tangan dan kurang telitinya pemeriksa dalam memperhatikan tanda tangan

apakah tanda tangan tersebut cocok atau tidak cocok dengan tanda tangan asli sehingga

menimbulkan keraguan maka penulis membuat aplikasi pengenalan pola tanda tangan, untuk

mempermudah dalam mengindetifikasi pemilik tanda tangan.

Dalam penelitian ini penulis menggunakan studi perpustakaan dan studi laboraturium.

Pengumpulan data dengan cara studi pustaka yaitu penulis mendapatkan bahan-bahan secara

teoritis berbagai sumber baik itu buku, literatur ataupun karya ilmiah yang mendukung dalam

perancangan aplikasi pengenalan pola tanda tangan.

Bahasa pemrograman yang digunakan Visual Basic 6.0. Perancangan aplikasi pengenalan

tanda tangan ini dapat menjawab keraguan cocok atau tidak cocok nya suatu tanda tangan dengan

yang aslinya. Untuk mendukung kearutan data dalam hasil pengujian digunakan bahasa

pemrograman MATLAB 6.1.

Kata Kunci : Aplikasi, Jaringan Syaraf Tiruan, Metode Perceptron, Pengenalan Pola, Tanda

Tangan, Kecerdasaan Buatan, Matlab, Visual Basic 6.0


2/22

2


TAHUN 2015


PENDAHULUAN

1.1 Latar Belakang Pemilihan Judul

Seiring dengan perkembangan teknologi saat ini, para ahli mencoba untuk menggantikan

sifat kerja otak manusia dengan komputer ataupun aplikasi yang cerdas, sehingga diharapkan akan

tercipta komputer atau aplikasi yang dapat berpikir selayaknya otak manusia yang dapat

mengambil suatu keputusan sendiri dengan memperhatikan dan menimbang input atau masukan

yang diberikan dengan melalui pelatihan atau pembelajaran. Hal inilah yang mendorong

terciptanyaArtificalIntelegence(AI). Yang salah satu cabangnya adalah jaringan syaraf tiruan.

Jaringan syaraf tiruan merupakan sistem untuk pemrosesan informasi yang memiliki

kemampuan pembelajaran terhadap data dan informasi yang diterima, kemapuan untuk

memodelkan fungsi linear dan mempunyai sifat mentolerir ketidakpastian. Didalam jaringan

syaraf tiruan terdapat berbagai metode, salah satunya yaitu metode perceptron. Dimana metode

perceptron sangat sesuai untuk mengolongkan pola pada suatu permasalahan yang sederhana,

khususnya pola yang terpisah secara linear (Arif Hermawan, 2006:hal.81).

Penerapan jaringan syaraf tiruan sangatlah luas, diantaranya dalam hal peramalan,

analisis data dan pengenalan pola. Penerapan jaringan syaraf tiruan dalam pengenalan pola salah

satunya adalah pengenalan pola tanda tangan. Tanda tangan banyak digunakan dalam proses

administrasi perkantoran maupun perusahaan dan lain sebagainya. PT.Buana Listya Tama.Tbk

merupakan perusahaan besar yang bergerak di bidang pelayaran yang menggunakan tanda tangan

untuk melakukan kegiatan operasional perusahaan dalam pengurusan dokumen-dokumen dan

kegiatan administrasi perusahaan. Tanda tangan ini bertujuan untuk meminta bertanggung jawaban

dari isi yang tertera didalam dokumen tersebut, baik yang ditujukan ke pimpinan maupun kepada

orang yang bersangkutan.

Namun sebagian karyawan masih menganggap penggunaan tanda tangan suatu hal biasa,

sehingga memungkinkan karyawan untuk melakukan tindak kecurangan dalam penggunaan tanda

tangan. Pemalsuan dan penyalahgunaan tanda tangan salah satu tindak kecurangan yang dilakukan

karyawan untuk kepentingan pribadi, yang dapat merugikan perusahaan dan orang lain.

Dimana pengenalan pola pada PT. BUANA LISTYA TAMA Tbk masih dilakukan secara

manual yaitu dengan cara membandingkan dan melihat tanda tangan yang sudah ada, tetapi

pengenalan tanda tangan menggunakan cara ini masih dapat menimbulkan keraguan dalam

mengidentifikasi pemilik dari tanda tangan dan kurang telitinya pemeriksa dalam memperhatikan

tanda tangan apakah tanda tangan tersebut cocok atau tidak cocok dengan tanda tangan asli

sehingga menimbulkan keraguan..

Oleh sebab itu, perlu dirancang aplikasi untuk mengidentifikasi tanda tangan, dengan

menggunakan jaringan syaraf tiruan metode perceptron melalui suatu penelitian dengan judul

APLIKASI PENGENALAN TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF

TIRUAN DENGAN METODE PERCEPTRON.


3/22

3


TAHUN 2015


1.2 Identifikasi Masalah

1. Terjadinya pemalsuan dan penyalahangunaan tanda tangan sehingga dapat merugikan

perusahaan dan pihak lain.

2. Pengenalan tanda tangan masih dilakukan dengan cara membandingkan dan melihat tanda

tangan yang sudah ada (manual).

3. Pemeriksaan yang kurang teliti dalam mengenali tanda tangan apakah cocok atau tidak cocok

dengan tanda tangan asli sehingga menimbulkan keraguan.

4. Sebagian karyawan masih menganggap penggunaan tanda tangan suatu hal biasa, sehingga

terjadi tindak kecurangan dalam penggunaan tanda tangan.

1.3 Perumusan Masalah

Dari permasalahan yang telah teridentifikasi diatas maka perumusan masalah yaitu

Bagaimana membuat aplikasi pengenalan pola tanda tangan menggunakan jaringan syaraf tiruan

dengan metode perceptron?

1.4 Hipotesa

Dari permasalahan yang ada maka dapat diambil hipotesa apabila dirancang sistem

pengenalan pola tanda tangan menggunakan jaringan syaraf tiruan dengan metode perceptron

maka akan dapat mengidentifikasi pemilik tanda tangan.

1.5 Ruang Lingkup Penelitian

Agar pembahasan ini lebih terarah dalam melakukan analisa pada permasalahan yang

dihadapi dan sesuai dengan tujuan penelitian yang dicapai, maka ruang lingkup penelitian ini

adalah :

1. Datainputberupa gambar tanda tangan dengan format file jpg atau bmp.

2. Gambar tanda tangan tidak kotor (noise).

3. Hardware yang digunakan :

a) Laptop Toshiba

- Satellite Pro C640.

- Processor : intel core i3 @ 2,53 GHz.

- Memory : 2048MB RAM.

- Hardisk : 250 GB.

b) Printer dan Scaner

- Canon MX 328

4. Software yang digunakan :

a) Sistem operasi windows7 ultimate 32-bit.

b) Bahasa pemograman Visual basic6.0.

c) MySQLFront version3.2.

d) Microsoft Office 2010.

e)

Mozilla Firefox version22.0.


4/22

4


TAHUN 2015


f) Paint.

g) Astha Community

h)

Xampp version 3.1.0.

i) Microsoft Visio 2007.

5. Tool Pengujian

a) MATLAB 6.1

1.6 Tujuan dan Kegunaa Penelitian

1.6.1 Tujuan Penelitian

Adapaun tujuan dari penelitian ini sebagai berikut :

1. Menghasilkan aplikasi pengenalan pola tanda tangan dengan menggunakan

komputer.

2. Menerapkan metode perceptron untuk melakukan pengenalan pola tanda tangan.

3. Mengurangi tindak kecurangan terhadap pemalsuan tanda tangan.

1.6.2 Kegunaan Penelitian

Adapun kegunaan dari penelitian ini adalah :

1. Memberikan kemudahan dalam mengidentifikasi pengenalan tanda tangan

1.7 Metode Penelitian

a. Tempat dan waktu penelitian

Tempat penelitian dalam pemilihan judul ini dilakukan di perusahaan PT. Buana

Listya Tama tbk cabang dumai.

b. Jenis penelitian

Jenis penelitian yang dilaksanakan dalam penelitian ini berupa :

1. Studi Pustaka

Dimana jenis penelitian ini dilakukan dengan cara mengumpulkan data dari

buku maupun dari internet.

2. Laboratorium

Dimana jenis penelitian ini menggunakan laptop untuk menguji aplikasi

c. Mengumpulkan Data

Dalam penelitian ini, adapun teknik mengumpulkan data yang dilakukan adalah

sebagai berikut :

1. Interviewatau wawancara yaitu pengumpulan data secara tatap muka langsung

untuk mendapatkan data-data dan keterangan yang diperlukan dalam pembuatan

aplikasi yang akan dirancang.

2. Observasi atau pengamatan langsung ke objek penelitian guna memperoleh data

atau informasi dan gambaran terhadap sistem yang sedang berjalan sehingga

selanjutnya dapat dirancang sesuai yang sesuai dengan kebutuhan.


5/22

5


TAHUN 2015


1.8 Sistematika Penelitian

Adapun sistematika penelitian yang diguanakan didalam pembuatan proposal skripsi

sebagai berikut :

BAB I : PENDAHULUAN

BAB II : TINJAUAN UMUM OBJEK PENELITIAN

BAB III : ANALISA DAN PERANCANGAN

BAB IV : IMPLEMEMTASI SISTEM

BAB V : KESIMPULAN DAN SARAN

TINJUAN UMUM DAN LANDASAN TEORI

2.1. Tinjuan Umum Objek Penelitian

Bagan Organisasi

PT. Buana Listya Tama Tbk DumaiBranch

Gambar 1. Bagan Organisasi PT. Buana Listya Tama Tbk

DumaiBranch

Sumber : PT. Buana Listya Tama Tbk DumaiBranch

2.2. Tinjuan Teori Umum

2.2.1 Pengertian Sistem


6/22

6


TAHUN 2015


Sistem adalah sekumpulan objek-objek yang saling berinteraksi, serta hubungan antar

objek bisa dilihat sebagai satu kesatuan yang dirancang untuk mencapai tujuan yang telah

ditetapkan (Hamim Tohari 2014:hal.2).

2.2.2 Informasi

Informasi adalah data yang telah diproses sedemikian rupa, sehingga memiliki arti yang

lebih bermanfaat bagi penggunanya (Hamim Tohari, 2014:hal.7).

2.2.3 Data

Data dapat didefinisikan sebagai bahan keterangan tentang kejadian-kejadian nyata atau

fakta-fakta yang dirumuskan dalam sekelompok lambing tertentu yang tidak acak, yang

menunjukkan jumlah, tindakan, atau hal. Data dapat berupa catatan-catatan dalam kertas, buku,

atau tersimpan sebagaifiledalam basis data (Edhy Susanta, 2011:hal.13).

2.2.4 Pemodelan

Pemodelan (modeling) adalah penyerderhanaan dari suatu permasalahan. Sasaran dari

model adalah sebuah abstraksi dari segala sesuatu menjadi gambaran-gambaran yang lebih mudah

untuk dipahami oleh berbagai pihak. Tujuan dari pemodelan (dalam konteks pengembangan sistem

atau perangkat lunak aplikasi) adalah sebagai media visualisasi dan komunikasi antar berbagai

pihak yang terlibat dalam pengembangan sistem atau perangkat lunak aplikasi. Selain itu

pemodelan juga berfungsi sebagai alat dokumentasi, yaitu menelaah lebih jauh perilaku dari suatu

sistem secara seksama, dan untuk melakukan pengujian (testing) sistem yang telah dilakukan

pengembangan (Hamim Tohari,2014:hal.17).

2.2.5 Pengolahan Citra

Pengolahan citra adalah satu cabang dari ilmu informatika.

Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra atau gambar

menjadi citra lain dengan menggunakan teknik tertentu.1

Berikut adalah ini adalah definisi dasar yang dipergunakan dalam pengolahan citra :

1. Citra adalah Gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang

kontinu menjadi gambar diskrit melalui prosessampling.1

2. Sampling adalah proses untuk menentukan warna pada piksel tertentu pada citra dari sebuah

gambar yang kontinu.1

3. Kuantisasi adalah ada kalanya, dalam proses sampling, warna rata-rata yang didapat

direlasikan ke level warna tertentu.1

4. Derau (Noise) adalah gambar atau pixel yang menggangu kualitas citra.1

2.2.6 Pengertian UML (Un if ied Modeli ng Language)

1

http://id.wikipedia.org/wiki/Pengolahan_citra


7/22

7


TAHUN 2015


UML (Unified Modeling Language)adalah notasi yang lengkap untuk membuat visualisasi model

suatu sistem (Deddy Kusbianto,2010:hal.116).

2.2.6.1 Diagram UML

Diagram UML adalah yang menggambarkan permasalahan maupun solusi dari

permasalahan suatu model (Deddy Kusbianto,2010:hal.113).

Berikut gambar dari diagram UML (Unified Modeling Language).

Gambar 2. Diagram UML

Sumber :http://www.uml.org/

1. Use Case Diagram

Use case adalah rangkaian atau uraian sekelompok yang saling terkait dan membentuk sistem

secara teratur yang dilakukan atau diawasi oleh sebuah aktor. Use case digunakan untuk

membentuk tingkah laku benda dalam sebuah model serta direalisasikan oleh sebuah kolaborasi.

(Hamim Tohari,2014:hal:47).

Beberapa elemen yang digunakan pada diagram use case dapat dilihat pada gambar dibawah ini

Gambar 3. Elemen-elemen diagram use case

Sumber : Hamim Tohari,2014:hal.52

2. Class Diagram

Class Diagram adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan sebuah

objek dan merupakan inti dari pengembangan dan perancangan berorientasi objek (Hamim

Tohari,2014:hal.83).Berikut adalah elemen-elemen yang digunakan pada class diagram.

Tabel 1. Elemen-elemen class diagram
http://www.uml.org/http://www.uml.org/http://www.uml.org/


8/22

8


TAHUN 2015


Sumber : Grady Booch,1999.Visual Modeling With Rational

Rose

Nama

Komponen

Keterangan

Elemen-elemen class

diagram

Class

Class adalah blok-blok pembangunan pada

pemograman berorientasi obyek. Sebuah class

digambarkan sebagai kotak yang terbagi atas 3

bagian. Bagian atas adalah nama class. Bagian

tengah mendefinisikan property/attribute

class.Bagian akhir mendefinisikan method-

methoddari sebuah class.

Association

Sebuah asosiasi merupakan sebuah relationship

paling umum anatar 2 class dan dilambangkan

oleh sebuah garis yang menghubungkan antara

2 class. Garis ini bisa melambangkan

relationship dan juga dapat menampilkan

hokum-hukum multiplisitas pada sebuah

relationship.

(Contoh : One-to-one, one-to-many, many-to-

many)

Composition

Jika sebuah class tidak bisa berdiri sendiri dan

harus merupakan bagian dari class yang lain,

maka class tersebut memiliki relasi

Composition terhadap class tempat dia

bergantung terserbut.

Dependency

Kadangkala sebuah class menggunakan class

yang lain. Hal ini disebut dependency.

Umumnya penggunaan dependencydigunakan

untuk menunjukkan operasi pada suatu class

yang menggunakan class lain.

-------------

Aggregation

Aggregation mengidentifikasi keseluruhan

bagian relationship dan biasanya disebut

sebagai relasi

-

Attribut

-Attribut

+Method

+

1..n Owned by


9/22

9


TAHUN 2015


3. Sequence Diagram

Sequence Diagram menggambarkan interaksi antara sejumlah objek dalam urutan waktu.

Kegunaannya untuk menunjukkan rangkaian pesan yang dikirim antara objek juga interaksi antar

objek yang terjadi pada titik tertentu dalam eksekusi sistem (Hamim Tohari.2014:hal.101). Berikut

elemen-elemen padasequence diagram.

Tabel 2. Elemen-elemensequence diagram

Sumber : Grady Booch,1999.Visual Modeling With RationalRose

4. State Diagram

State Diagramyaitu menunjukkanstate-state dari obyek tunggal, event-eventatau pesan yang

menyebabkan transisi dari suatu stateke stateyang lain. State diagram hanya dibuat untuk class

yang berkelakuan dinamis(Hamim Tohari,2014:hal.107).

5. ActivityDiagram

Activity diagram memodelkan workflow proses bisnis dan urutan aktivitas dalam sebuah

proses. Diagram ini sangat mirip dengan flowchart karena memodelkan workflow dari satu

aktivitas ke aktivitas lainnya atau dari aktivitas ke status (Hamim Tohari,2014:hal.114). Berikut

elemen-elemen pada activity diagram.

Tabel 3. Elemen-elemen activity diagram


10/22

10


TAHUN 2015


Sumber : Grady Booch,1999.Visual Modeling With Rational

Rose

6.

Object Diagram

Object diagram adalah model yang menjelaskan bagaimana sejumlah objek bekerja sama

dalam beberapa kelakuan (Hamim Tohari,2014:hal.99)

7. CollaborationDiagram

Collaboration diagram merupakan cara alternative untuk menggambarkan scenario dari suatu

sistem (Hamim Tohari,2014:hal.104)

8. Component Diagram

Component diagram digunakan untuk memodelkan aspek fisik dari suatu sistem (Halim

Tohari,2014:hal.130).

9. Deployment Diagram

Diagram deployment menunjukkan tata letak sebuah sistem secara fisik (Hamim

Tohari,2014:hal.134).

2.3 Tinjauan Teori Khusus

2.3.1 Pengertian Aplikasi

Aplikasi berasal dari kata applicationyaitu bentuk benda dari kata kerja to applyyang

dalam bahasa Indonesia berarti pengolah. Secara istilah, aplikasi komputer adalah suatu subkelas

perangkat lunak komputer yang menggunakan kemampuan komputer langsung untuk melakukan

suatu tugas yang diinginkan pemakai. Contoh utama perangkat lunak aplikasi adalah

program pengolah kata, lembar kerja, dan pemutar media.2

2.3.2 Kecerdasan Buatan

Kecerdadsan Buatan atau Artificial Intelligence (AI) merupakan salah satu bagian dari

ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan

pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik dari pada yang

dilakukan manusia.

Menurut John McCarthy, 1956, AI adalah untuk mengetahui dan memodelkan proses-

proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia

Gambar 4. Penerapan Konsep Kecerdasan Buatan di

Komputer

Sumber : Muhammad Dahria, 2008:hal 185

2.3.3 Pengenalan Pola

2www.mlarik.com/pengertian-aplikasi


11/22

11


TAHUN 2015


Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan

sebagai tindakan mengambil data mentah dan bertindak berdasarkan klasifikasi data. Dengan

demikian, ia merupakan himpunan kaidah bagi pembelajaran diselia (supervised learning). Ada

beberapa definisi lain tentang pengenalan pola, diantaranya :

Penentuan suatu objek fisik atau kejadian kedalam salah satu atau beberapa kategori.

Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klarifikasi (pengenalan) dari suatu

pengukuran.

Suatu pengenalan secara otomatis suatu bentuk, sifat, keadaan, kondisi, susunan tanpa

keikutsertaan manusia secara aktif dalam proses pemutusan.

Berdasarkan beberapa definisi diatas, pengenalan pola bisa didefinisikan sebagai

kecerdasan yang menitikberatkan pada metode pengklasifikasian objek kedalam klas-klas tertentuuntuk menyelesaikan masalah tertentu.

3

2.3.4 Jaringan Saraf Tiruan

Jaringan Saraf Tiruan didefinisikan sebagai suatu sistem pemrosesan informasi yang

mempunyai karakteristik menyerupai jaringan saraf manusia ( Arief Hermawan, 2006:hal.3).

Jaringan Saraf Tiruan ditentukan oleh 3 hal, yaitu: (Drs. Jong Jek Siang, M.Sc, 2005:hal.3).

1. Pola hubungan antar neuron (disebut arsitektur jaringan).

2. Metode untuk menentukan bobot penghubung (disebut metode training / learning /

algoritma).

3.

Fungsi aktivasi.

Gambar 5. Contoh Jaringan Saraf Tiruan

Sumber : Drs. Jong Jek Siang, M.Sc, 2005:hal 3

2.3.4.1 Model Neuron

Neuron adalah unit pemroses informasi yang menjadi dasar dalam pengoperasian

jaringan saraf tiruan. Neuron terdiri dari 3 elemen pembentuk ( Drs.Jong Jek Siang, M.Sc,

2009:hal.23) :

1. Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Jalur-jalur tersebut memiliki

bobot/kekuatan yang berbeda-beda. Bobot yang bernilai positif akan memperkuat sinyal dan

yang bernilai negative akan memperlemah sinyal yang dibawanya. Jumlah, struktur jaringan

(dan juga model jaringan yang terbentuk).

3

http://id.wikipedia.org/wiki/Pengenalan_pola


12/22

12


TAHUN 2015


2. Suatu unit penjumlahan yang akan menjumlahkan input-input sinyal yang sudah dikalikan

dengan bobotnya.

Misalkan X1,X2, ..., Xm adalah unit-unit input dan Wj1, Wj2, , Wjm adalah bobot

penghubung dari unit-unit tersebut ke unit keluaran Yj, maka unit penjumlahan akan

memberikan keluaran sebesar Uj= X1Wj1 + X2Wj2++ XmWjm..

3. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan diteruskan ke

neuronlain ataukah tidak.

2.3.4.2 Arsitektur Jaringan Saraf Tiruan

Beberapa arsitektur jaringan ya sering dipakai dalam jaringan saraf tiruan antara lain

(Drs.Jong Jek Siang, M.Sc, 2009:hal.24) :

a. Jaringan Layar Tunggal (single layer network)

Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan sekumpulan

outputnya. Dalam beberapa metode (misal perceptron), hanya ada sebuah unit neuronoutput.

Gambar 6. Jaringan Layer Tunggal

Sumber : Drs.Jong Jek Siang, M.Sc, 2009:hal.24

Gambar 6. menunjukan arsitektur jaringan dengan n unit input(X1, X2, , Xn) dan m buah

unit output(Y1,Y2, , Ym). Perhatikan bahwa dalam jaringan ini, semua unit inputdihubungkan

dengan semua unit output, meskipun dengan bobot yang berbeda-beda. Tidak ada unit inputyang

dihubungkan dengan unit input lainnya. Demikian pula dengan unit output. Besaran Wji

menyatakan bobot hubungan antara unit ke-i dalam input dengan unit ke-j dalam output. Bobot-

bobot ini saling independen. Selama proses pelatihan, bobot-bobot tersebut akan dimodifikasi

untuk meningkatkan keakuratan hasil. Model semacam ini tepat digunakan untuk pengenalan pola

karena kesederhanannya.

b.

Jaringan Layar Jamak (multi layer network)

Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan ini, selain unit

input dan output, ada unit-unit lain (sering disebut layar tersembunyi). Dimungkinkan pula ada

beberapa layar tersembunyi. Sama seperti pada unit inputdan output, unit-unit dalam satu layar

tidak saling berhubungan.


13/22

13


TAHUN 2015


Gambar 7. Jaringan Layar Jamak


Jaringan dengan n buah unit input (X1, X2, , Xn), sebuah layar tersembunyiyang terdiri

dari p buah unit (Z1, ,Zp) dan m buah unit output (Y1,Y2, , Ym). Jaringan layar jamak dapat

menyelesaikan masalah yang lebih kompleks dibandingkan dengan layar tunggal, meskipun

kadang kala proses pelatihan lebih kompleks dan lama.

c. JaringanReccurent

Model jaringan reccurentmirip dengan jaringan layar tunggal ataupun ganda. Hanya saja, ada

neuron outputyang memberikan sinyal pada unitinput(sering disebutfeedback loop).

2.3.4.3 Fungsi Aktivasi jaringan saraf tiruan

Dalam jaringan saraf tiruan, fungsi aktivasi dipakai untuk menentukan keluaran suatu

neuron. Argumen fungsi aktivasi adalah net masukan (kombinasi linearmasukan dan bobotnya.).

jika net = X1W1, maka fungsi aktivasinya adalah f (net) = f ( X1W1).

Beberapa fungsi aktivasi yang sering dipakai adalah sebagai berikut (Drs.Jong Jek Siang, M.Sc,

2009:hal.26) :

a. Fungsi threshold (batas ambang)

Untuk beberapa kasus, fungsi threshold yang dibuat tidak berharga 0 dan 1, tapi berharga

-1 atau 1 (sering disebut thresholdbipolar). Jadi :

b.

Fungsisigmoid

f (x) =

Fungsi identitas sering dipakai karena nilai fungsinya yang terletak anatara 0 dan 1 dan

dapat diturunkan dengan mudah.

f(x) = f(x) (1-f(x))

c. Fungsi identitas

f(x) = x

Fungsi identitas sering dipakai apabila kita menginginkan keluaran jaringan berupa

sembarang bilangan riil (bukan hanya pada range [0,1] atau [-1,1]).


14/22

14


TAHUN 2015


2.3.4.6 Bias dan Threshold

Kadang-kadang dalam jaringan saraf tiruan ditambahkan sebuah unit masukan yang

nilainya selalu = 1. Unit yang sedemikian itu disebut Bias. Bias dapat dipandang sebagai sebuah

input yang nilainya = 1. Bias berfungsi untuk mengubah nilai threshold menjadi = 0 (bukan = a).

Jika melibatkan bias, maka keluaran unit penjumlahan adalah (Drs.Jong Jek Siang, M.Sc,

2009:hal.27)

Net = b +

Fungsi aktivasi threshold menjadi :

Gambar 8. Bias Dalam Jaringan Saraf Tiruan


2.3.5 Metode Perceptron

Metode Perceptron ialah metode yang akan menghasilkan kemungkinan keberhasilan

yang besar sehubungan dengan kemampuannya dalam mendistribusikan bobot dan bias secara

merata pada setiap koneksi antar-lapisan pada proses pelatihannya. Perceptron sangat sesuai untuk

mengolongkan pola pada suatu permasalahan yang sederhana, khususnya pola yang terpisah secara

linear (Arif Hermawan, 2006:hal.81).

Metode Perceptron ialah model yang memiliki aplikasi dan pelatihan yang paling baik

pada era tersebut (Drs. Jong Jek Siang, M.Sc, 2009:hal.59).

2.3.5.1 Arsitektur Perceptron

Arsitektur jaringan perceptron mirip dengan arsitektur jaringan Hebb.

Gambar 9. Arsitektur Perceptron


Jaringan terdiri dari beberapa unit masukan (ditambah sebuah bias), dan memiliki sebuah

unit keluaran. Hanya saja fungsi aktivasi bukan merupakan fungsi biner (bipolar), tetapi memiliki

kemungkinan nilai -1, 0 atau 1.

Untuk suatu nilai thresholdyang ditentukan :


15/22

15


TAHUN 2015


f =

Secara geometris fungsi aktivasi membentuk 2 garis sekaligus, masing-masing dengan persamaan

:

W1X1 + W2X2 + + WnXn + b = dan

W1X1 + W2X2 + ... + WnXn + b = -

2.3.5.2 Pelatihan Perceptron

Misalkan s adalah Vektor masukan dan t adalah target keluaran. adalah laju pemahaman

(learning rate) yang ditentukan. adalah threshold yang ditentukan.

Algoritma pelatihan perceptron adalah sebagai berikut :

1.

Insialisasi semua bobot dan bias (umumnya Wi = b = 0)

Tentukan laju pemahaman (=). Untuk penyederhanaan, biasnya diberi nilai = 1

2. Selama ada elemen vector masukan yang respon unit keluarannya tidak sama dengan

target, lakukan :

a. Set aktivasi unit masukan Xi= Si(i=1,n)

b. Hitung respon unit keluaran : net =

y = f (net) =

c. Perbaiki bobot pola yang mengandung kesalahan (y t) menurut persamaan :Wi(baru) = Wi (lama) + w (i=1, , n) dengan w = t Xi

b(baru) = b(lama) + b dengan b = t

Ada beberapa hal yang perlu diperhatikan dalam algoritma tersebut :

a. Iterasi dilakukan terus hingga semua pola memiliki keluaran jaringan yang sama dengan

targetnya (jaringan sudah memahami pola). Iterasi tidak terhenti setelah semua pola

dimasukkan seperti yang terjadi di jaringan pada model Hebb.

b. Pada langkah 2 (c), perubahan bobot hanya dilakukan pada pola yang mengandung

kesalahan (keluaran jaringan target). Perubahan tersebut merupakan hasil kali unit

masukan dengan target dan laju pemahaman. Perubahan bobot hanya akan terjadi kalau

unit masukan 0.

c. Kecepatan iterasi ditentukan pula oleh laju pemahaman (= dengan 0 1) yang

dipakai. Semakin besar harga , semakin sedikit iterasi yang diperlukan. Akan tetapi jika

terlalu besar, maka akan merusak pola yang sudah benar sehingga pemahaman menjadi

lambat (Drs. Jong Jek Siang, M.Sc, 2009:hal.61).

ANALISA DAN PERANCANGAN SISTEM

3.1 Prosedur Sistem Berjalan

jika net >

jika net

ika net < -


16/22

16


TAHUN 2015


Gambar. Gambaran sistem yang sedang bejalan

3.2 Use CaseDiagram

Gambar. Use caseDiagram Aplikasi Pengenalan Pola

Tanda Tangan

3.3 Activity Diagram

Gambar.Activitydiagram Aplikasi Pengenalan Pola

Tanda Tangan

3.4 ClassDiagram


17/22

17


TAHUN 2015


Gambar. Classdiagram Aplikasi Pengenalan Pola Tanda

Tangan

3.5 SequenceDiagram

3.5.1. SequenceDiagram Administrator

Gambar. Sequence Diagram Admin Aplikasi Pengenalan Pola Tanda

Tangan

3.5.2. SequenceDiagram Karyawan

Adapun perancangan sequencediagram karyawan aplikasi pengenalan pola tanda tangan

dapat dilihat pada gambar dibawah ini :

Gambar. SequenceDiagram karyawan

3.5.3. SequenceDiagram Branch Manajer

Adapun perancangan sequencediagram branch manajeraplikasi pengenalan pola tanda

tangan dapat dilihat pada gambar dibawah ini :


18/22

18


TAHUN 2015


Gambar. SequenceDiagramBranch Manajer

3.6 Analisa Proses Kerja

Gambar . Gambaran Proses Kerja Aplikasi

MANUAL SISTEM

4.1 Tampilan Form L oad


19/22

19


TAHUN 2015


Gambar . Tampilan Form Load

4.2 Tampilan Form Login

Gambar . Tampilan Form Login

4.3 Tampilan FormMenu Utama .

Gambar. Tampilan Form Menu Utama

4.4 Tampilan FormKelola Hak Akses


20/22

20


TAHUN 2015


Gambar. Tampilan Form Kelola Hak Akses

4.5 Tampilan FromGanti Password

Gambar.. Tampilan Form Ganti Password

4.6 Tampilan FormInput Data Karyawan

Gambar. TampilanFormInput Data Karyawan

4.7 Tampilan FormPengujian


21/22

21


TAHUN 2015


Gambar 44. TampilanFormPengujian

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil pengerjaan tugas akhir, maka dapat diambil beberapa kesimpulan sebagai

berikut:

1. Aplikasi pengenalan pola tanda tangan dapat diterapkan dengan menggunakan bahasa

pemograman visual basic 6.0.

2. Aplikasi pengenalan pola tanda tangan dapat mengidentifikasi pemilik dari tanda tanga asli.

3. Penerapan jaringan syaraf tiruan pada bahasa pemograman visual basic dapat mengubah

gambar tanda tangan menjadi grayscale dan biner.

4. Penerapan metode perceptron menghasilkan data input sama dengan target sehingga pola

tanda tangan dapat teridentifikasi.

5.2 Saran

Selain kesimpulan, adanya saran untuk pengembangan aplikasi menjadi lebih sempurna

sangatlah penting, beberapa saran yang dapat diberikan antara lain:

1. Jika ada pengembangan dari aplikasi ini, dipertimbangkan untuk menambah fitur-fitur

aplikasi berupa menyediakan fasilitas tanda tangan di dalam aplikasi secara langsung tanpa

melakukan pemilihan gambar terlebih dahulu dalam melakukan input data dan pengujian.

2. Untuk mempermudah dalam melakukan input data dan pengujian di aplikasi pengenalan pola

tanda tangan gunakan light pen.

3. Perbesar ukuran atau matrix pada pola biner agar dapat diidentifikasi secara keseluruhan.

4. Aplikasi ini dapat menjadi dasar bagi aplikasi pengenalan bentuk lainya yang menggunakan

jaringan syaraf tiruan, seperti: aplikasi pengenalan karakter tulisan dan pengenalan wajah.


22/22

22


TAHUN 2015


5. Hasil pengenalan tanda tangan dapat dikembangkan lebih lanjut untuk diimplementasikan

untuk mendukung kegiatan administrasi lainnya, seperti: pengenalan tanda tangan pada

instasi perbankan.

DAFTAR PUSTAKA

Dahria, Muhammad. 2008. Kecerdasan Buatan (Artifical Intelligence) : Jurnal

SAINTIKOM. Volume 5 No 2.

David. Dan Sandy Kosasi. 2013. Penerapan Algoritma Jaringan Syaraf Tiruan Untuk

Pengenalan Pola Tanda Tangan: Jurnal Teknologi Volume 6 Nomor 2.

Hermawan, Arief. 2010. Jaringan Syaraf Tiruan, Yogyakarta: Andi. Yogyakarta

Indrajani, S.Kom.,MM. 2011. Perancangan Basis Data Dalam ALL IN 1 :Elex Media

Komputindo.

Jong Jek Siang,M.Sc.Drs. 2009. Jaringan Saraf Tiruan Dan PemogramannyaMenggunakan

Matlab : Andi

Nugroho, Adi. 2011. Perancangan dan Implementasi Sistem Basis Data : Andi

Pandjaitan, Lanny. 2007. Dasar-Dasar Komputasi Cerdas : Andi. Yogyakarta

Prasetia dan Edi Widodo, Catur. 2013. Tips Codding Interfancing Port USB DanPort Serial

Menggunakan VB : Andi. Yogyakarta

Prof. Dr. Jogiyanto. HM, MBA., Akt. 2009. Sistem Teknologi Informasi : Andi.

Yogyakarta

Rusmawan, Uus. 2011. Visual Basic 6.0 Untuk Semua Tingkatan: Elex Media Komputindo.

Simarmata, Janner. 2007. Perancangan Basis Data : Andi. Yogyakarta

Sunarya, I Made Gede. 2013. Sistem Biometrika Identifikasi Tanda Tangan Menggunakan

Metode Jaringan Syaraf Tiruan Model Perceptron : Jurnal Informatika Vol 7, No. 1.

Sutanta, Edhy. 2011. Basis Data Dalam Tinjuan Konseptual : Andi. Yogyakarta

aplikasi pengenalan pola tanda tangan menggunakan jaringan syaraf tiruan dengan metode perceptro1

Documents