RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS BUNGA ...kc.umn.ac.id/1659/1/HALAMAN AWAL.pdfGambar...

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


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 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.


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


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.


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


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


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


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


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


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


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


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 APLIKASI PENGKLASIFIKASI JENIS BUNGA ...kc.umn.ac.id/1659/1/HALAMAN AWAL.pdfGambar...

Documents

Transcript of RANCANG BANGUN APLIKASI PENGKLASIFIKASI JENIS BUNGA ...kc.umn.ac.id/1659/1/HALAMAN AWAL.pdfGambar...