View
3
Download
0
Category
Preview:
Citation preview
Team project ©2017 Dony Pratidana S. Hum | Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali:
Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli.
Copyright and reuse:
This license lets you remix, tweak, and build upon work non-commercially, as long as you credit the origin creator and license it on your new creations under the identical terms.
RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS
BUNGA MENGGUNAKAN JARINGAN SYARAF TIRUAN
METODE BACKPROPAGATION BERBASIS ANDROID
SKRIPSI
Diajukan guna memenuhi sebagian persyaratan memperoleh
gelar Sarjana Komputer (S.Kom)
Diajukan Oleh:
Kevin Kelvianto
NIM: 10110110072
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI DAN KOMUNIKASI
UNIVERSITAS MULTIMEDIA NUSANTARA
TANGERANG
2014
HALAMAN PENGESAHAN
Skripsi dengan judul
RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS BUNGA
MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE
BACKPROPAGATION BERBASIS ANDROID
Oleh
Kevin Kelvianto – 10110110072
telah diujikan pada hari Rabu, tanggal 18 Juni 2014 dan dinyatakan lulus dengan
susunan penguji sebagai berikut.
Ketua Sidang Penguji
Seng Hansun, S.Si., M.Cs. Nanang Krisdianto, S.T., M.Kom.
Dosen Pembimbing,
Adhi Kusnadi, M.Si.
Disahkan oleh
Ketua Program Studi Teknik Informatika
Maria Irmina Prasetyowati, S.Kom., M.T.
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
HALAMAN PERSEMBAHAN
Kupersembahkan karya ini untuk
Orang Tuaku tercinta
Adikku tersayang
Teman-temanku terkasih
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
PERNYATAAN TIDAK MELAKUKAN PLAGIAT
Dengan ini saya:
Nama : Kevin Kelvianto
NIM : 10110110072
Fakultas : Teknologi Informasi dan Komunikasi
Program Studi : Teknik Informatika
Menyatakan bahwa skripsi ini adalah karya ilmiah saya sendiri, bukan hasil plagiat
dari karya ilmiah yang ditulis oleh orang lain atau lembaga lain, dan semua karya
ilmiah orang lain atau lembaga lain yang dirujuk dalam skripsi ini telah disebutkan
sumber kutipannya serta dicantumkan di daftar pustaka.
Tangerang, 26 Mei 2014
Kevin Kelvianto
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS
BUNGA MENGGUNAKAN JARINGAN SYARAF TIRUAN
METODE BACKPROPAGATION BERBASIS ANDROID
ABSTRAK
Penelitian ini meneliti penggunaan jaringan syaraf tiruan dengan metode
backpropagation dalam mendeteksi jenis bunga dari bentuk kelopaknya. Perangkat
Android digunakan untuk mengambil gambar bunga dan mengirim gambar
langsung ke server. Setelah gambar yang diambil cukup maka pelatihan jaringan
syaraf tiruan dilakukan. Gambar bunga diekstrak bentuknya menggunakan deteksi
tepi sobel serta dilakukan threshold. Setelah itu data dinormalisasi dan dimasukkan
untuk pelatihan jaringan syaraf tiruan. Apabila pelatihan sudah dilakukan maka
perangkat Android dapat mengambil gambar bunga dan menggunakan jaringan
syaraf tiruan untuk mengenali gambar tersebut. Dari hasil penelitian ini didapatkan
apabila menggunakan hidden layer yang maksimal yaitu satu layer yang
mempunyai 35 hidden node persentasi keberhasilan pendeteksi bunga mencapai
akurasi 80%.
Kata kunci: backpropagation, pengenalan gambar, jaringan syaraf tiruan,
pengolahan gambar.
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
FLOWER IDENTIFICATION WITH BACKPROPAGATION
NEURAL NETWORK BASED ON ANDROID
ABSTRACT
This research is researching about the use of backpropagation neural networks
to identify flowers. Android device is used to take flower image and sending the
image to the server. After the image is enough for training then training is started.
Flower image is extracted using Sobel edge detection and threshold. Next is data
normalization and inputting the data into a neural network. After the training is
finished then the Android device can use the neural network to predict flower
image. From this research, when using one layer of hidden layer with 35 hidden
nodes the network reaches 80% accuracy.
Keyword: image processing, image recognition, neural network, backpropagation
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
KATA PENGANTAR
Segala pengetahuan yang ada di dunia ini berasal dari Tuhan Yang Mahakasih,
dan hal tesebut telah menjadi sumber inspirasi yang membantu penulis dalam
menyelesaikan laporan tugas akhir. Laporan tugas akhir yang berjudul
“RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS BUNGA
MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE
BACKPROPAGATION BERBASIS ANDROID”. Laporan ini ditujukan agar
dapat memenuhi tugas akhir yang ditempuh penulis dan juga untuk membantu
mengenali bunga dengan lebih mudah. Laporan ini diajukan kepada Program Studi
Teknik Informatika, Fakultas Teknologi Informasi dan Komunikasi, Universitas
Multimedia Nusantara.
Selama penulis mengerjakan tugas akhir, tentunya tidak pernah terlepas
daripada semua orang-orang yang berada di sekitar penulis. Rasa terima kasih
penulis ditujukan kepada:
1. Maria Irmina Prasetiyowati, S.Kom, M.T., selaku Ketua Program Studi Teknik
Informatika,
2. Adhi Kusnadi, M.Si., selaku Dosen Pembimbing,
3. Orang tua penulis, Liauw Florentina dan Gumanto Gui atas dukungan doa,
semangat, kasih sayang yang tidak terhingga kepada penulis,
4. Sahabat penulis yang telah memberikan dukungan kepada penulis,
5. Dan segenap pihak yang telah membantu dalam proses penyusunan laporan ini,
baik secara langsung maupun tidak langsung, sehingga laporan ini dapat
terselesaikan dengan baik.
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
Penulis menyadari bahwa laporan tugas akhir ini tidak sempurna. Oleh karena
itu, penulis menerima kritik dan saran yang bersifat konstruktif dari semua pihak
untuk memperbaiki laporan tugas akhir ini agar menjadi lebih baik lagi. Penulis
juga berharap laporan tugas akhir ini bermanfaat bagi para pembaca.
Tangerang, Juni 2014
Penulis
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
DAFTAR ISI
HALAMAN PENGESAHAN ................................................................................. ii
HALAMAN PERSEMBAHAN ............................................................................ iii
PERNYATAAN TIDAK MELAKUKAN PLAGIAT .......................................... iv
ABSTRAK .............................................................................................................. v
ABSTRACT ........................................................................................................... vi
KATA PENGANTAR .......................................................................................... vii
DAFTAR ISI .......................................................................................................... ix
DAFTAR TABEL ................................................................................................. xii
DAFTAR GAMBAR ........................................................................................... xiii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang .............................................................................................. 1
1.2 Perumusan Masalah ...................................................................................... 3
1.3 Batasan Masalah............................................................................................ 4
1.4 Tujuan Penelitian .......................................................................................... 4
1.5 Manfaat Penelitian ........................................................................................ 4
1.6 Sistematika Penulisan ................................................................................... 5
BAB II LANDASAN TEORI ................................................................................. 7
2.1 Flowering Plants (Tumbuhan yang Berbunga) ............................................. 7
2.2 Pengolahan Citra ........................................................................................... 7
2.3 Edge Detection ............................................................................................ 10
2.4 Neural Network (Jaringan Syaraf Tiruan)................................................... 14
2.4.1 Neuron ...................................................................................................... 14
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
2.4.2 Layer ........................................................................................................ 16
2.4.3 Arsitektur Jaringan Syaraf Tiruan ............................................................ 17
2.4.4 Fungsi Aktivasi ........................................................................................ 18
2.4.5 Pelatihan Standar Backpropagation ......................................................... 19
2.4.6 Pemilihan Bobot dan Bias Awal .............................................................. 22
2.4.7 Momentum ............................................................................................... 23
BAB III METODOLOGI PENELITIAN.............................................................. 25
3.1 Metodologi .................................................................................................. 25
3.2 Perancangan Jaringan Syaraf Tiruan ........................................................... 26
3.3 Perancangan Sistem .................................................................................... 29
3.3.1 Diagram Alir ........................................................................................ 29
3.3.2 Use Case Diagram ............................................................................... 49
3.3.3 Class Diagram ..................................................................................... 50
3.3.4 Sequence Diagram ............................................................................... 51
3.4 Perancangan Database ................................................................................. 52
3.5 Desain Antarmuka ....................................................................................... 54
3.5.1 Form Server ......................................................................................... 54
3.5.2 Activity Menu Utama Client ................................................................. 55
3.5.3 Activity Add Image ............................................................................... 56
3.5.4 Activity Use Network ............................................................................ 57
3.5.5 Activity View Image.............................................................................. 58
3.5.6 Activity Delete Image ........................................................................... 59
3.5.7 Activity Create Network ....................................................................... 60
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
3.5.8 Activity Set Training Parameter .......................................................... 61
BAB IV IMPLEMENTASI DAN EVALUASI .................................................... 62
4.1 Spesifikasi Perangkat .................................................................................. 62
4.2 Implementasi Sistem ................................................................................... 63
4.2.1 Form Server ......................................................................................... 63
4.2.2 Activity Main Menu .............................................................................. 64
4.2.3 Activity Add Image ............................................................................... 69
4.2.4 Activity View Image.............................................................................. 70
4.2.5 Activity Delete Image ........................................................................... 71
4.2.6 Activity Create Network ....................................................................... 72
4.2.7 Activity Use Network ............................................................................ 73
4.2.8 Activity Set Network Parameter ........................................................... 75
4.3 Potongan Source Code ................................................................................ 75
4.4 Evaluasi ....................................................................................................... 79
4.5 Ujicoba Jaringan Syaraf Tiruan .................................................................. 82
BAB V SIMPULAN DAN SARAN ..................................................................... 87
5.1 Simpulan ..................................................................................................... 87
5.2 Saran ............................................................................................................ 87
DAFTAR PUSTAKA ........................................................................................... 89
DAFTAR LAMPIRAN ......................................................................................... 91
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
DAFTAR TABEL
Tabel 2. 1 Turunan orde pertama dan kedua pada bentuk kontinu dan diskret
(Kadir, 2013) ......................................................................................................... 11
Tabel 3.1 Tabel neuralinput .................................................................................. 52
Tabel 3.2 Tabel neuralobject ................................................................................. 53
Tabel 4. 1 Tabel hasil percobaan........................................................................... 80
Tabel 4. 2 Tabel hasil ujicoba ............................................................................... 82
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
DAFTAR GAMBAR
Gambar 2.1 Deteksi tepi orde pertama dan orde kedua pada arah x (Kadir, 2013)
............................................................................................................................... 12
Gambar 2.6 Operator Sobel................................................................................... 14
Gambar 2.7 Neuron ............................................................................................... 15
Gambar 2.8 Single layer network .......................................................................... 17
Gambar 3.1 Perancangan Jaringan Syaraf Tiruan ................................................. 29
Gambar 3.2 Diagram alir sistem ........................................................................... 31
Gambar 3.3 Diagram alir penambahan gambar .................................................... 32
Gambar 3.4 Diagram alir melihat gambar............................................................. 34
Gambar 3.5 Diagram alir penghapusan gambar .................................................... 36
Gambar 3.6 Diagram alir proses pembuatan jaringan syaraf tiruan baru ............. 37
Gambar 3.7 Diagram alir proses reset jaringan syaraf tiruan ............................... 38
Gambar 3.8 Diagram alir proses penggunaan jaringan syaraf tiruan .................... 39
Gambar 3.9 Diagram alir pengecekan akurasi jaringan syaraf tiruan ................... 41
Gambar 3.10 Diagram alir pengecekan status training ......................................... 42
Gambar 3.11 Diagram alir pelatihan jaringan syaraf tiruan .................................. 43
Gambar 3.12 Diagram alir sub proses pelatihan jaringan syaraf tiruan ................ 44
Gambar 3.13 Diagram alir penyimpanan jaringan syaraf tiruan ........................... 45
Gambar 3.14 Diagram alir load jaringan syaraf tiruan ......................................... 46
Gambar 3.15 Diagram alir perubahan training parameter ................................... 48
Gambar 3.16 Use case diagram ............................................................................ 49
Gambar 3.17 Class diagram ................................................................................. 50
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
Gambar 3.18 Sequence Diagram Training Network ............................................. 51
Gambar 3.19 ERD ................................................................................................. 53
Gambar 3.20 Desain form server .......................................................................... 54
Gambar 3.21 Desain menu utama client ............................................................... 55
Gambar 3.22 Desain activity add image ............................................................... 56
Gambar 3.23 Desain use network.......................................................................... 57
Gambar 3.24 Desain view image ........................................................................... 58
Gambar 3.25 Desain delete image ........................................................................ 59
Gambar 3.26 Desain create network ..................................................................... 60
Gambar 3.27 Desain set training parameter ......................................................... 61
Gambar 4.1 Form server ....................................................................................... 64
Gambar 4.2 Activity main menu ............................................................................ 64
Gambar 4.3 Change server ip menu ...................................................................... 65
Gambar 4.4 Start training ..................................................................................... 66
Gambar 4.5 Check network accuracy ................................................................... 66
Gambar 4.6 Reset network .................................................................................... 67
Gambar 4.7 Load network ..................................................................................... 68
Gambar 4.8 Save network ..................................................................................... 68
Gambar 4.9 Check is training ............................................................................... 69
Gambar 4.10 Activity add image ........................................................................... 70
Gambar 4.11 Activity view image.......................................................................... 71
Gambar 4.12 Activity delete image ....................................................................... 72
Gambar 4.13 Activity create network .................................................................... 73
Gambar 4.14 Activity use network awal ................................................................ 74
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
Gambar 4.15 Activity use network respon ............................................................. 74
Gambar 4.16 Activity set network parameter ........................................................ 75
Gambar 4.17 Snippet Train Network .................................................................... 76
Gambar 4.18 Snippet Count Layer Value ............................................................. 76
Gambar 4.19 Snippet Count Threshold Output ..................................................... 77
Gambar 4.20 Snippet Count Error Rate ................................................................ 77
Gambar 4.21 Snippet Count Weight Change ........................................................ 78
Gambar 4.22 Snippet Fungsi Get Image List ........................................................ 78
Rancang Bangun ..., Kevin Kelvianto, FTI UMN, 2014
Recommended