PEMBUATAN APLIKASI PREDIKSI USIA KERTAS DENGAN
METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE
SYSTEM) DAN IMAGE PROCESSING
Disusun Oleh:
Valeria Cynthia Dewi
1110091000018
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1436 H. / 2015 M.
i
JUDUL
PEMBUATAN APLIKASI PREDIKSI USIA KERTAS DENGAN
METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE
SYSTEM) DAN IMAGE PROCESSING
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
Valeria Cynthia Dewi
1110091000018
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1436 H. / 2015 M.
ii
iv
LEMBAR PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH
DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA
PERGURUAN TINGGI ATAU LEMBAGA APAPUN.
Ciputat, Oktober 2015
Valeria Cynthia Dewi
NIM. 1110091000018
v
ABSTRAK
Valeria Cynthia Dewi (1110091000018), Pembuatan Aplikasi Prediksi Usia
Kertas Dengan Metode ANFIS (Adaptive Neuro Fuzzy Inference System) dan
Image Processing. Dibimbing oleh Victor Amrizal M. Kom. dan Fenty Eka
Muzayyana Agustin, M. Kom.
Perkembangan teknologi saat ini banyak disalahgunakan oleh sebagian
orang yang berniat memalsukan kertas pada dokumen maupun buku. Salah satu
cara mengetahui keaslian kertas dengan mengetahui usianya. Usia kertas dapat
diketahui dengan beberapa cara, yaitu penanggalan karbon, penanggalan uranium,
dan penanggalan kalium-argon. Tetapi dari cara-cara tersebut masih memiliki
kelemahan yaitu, membutuhkan peralatan yang canggih dengan biaya yang mahal,
proses yang lama untuk mendapatkan hasil, dan akses yang terbatas. Untuk
memberikan solusi pada permasalahan tersebut, peneliti membuat aplikasi yang
dapat mengidentifikasi kisaran usia sebuah lembar kertas dengan proses lebih
cepat, biaya yang murah, dan tidak harus digunakan oleh pegawai laboratorium
saja. Aplikasi tersebut adalah Aplikasi Prediksi Usia Kertas yang dibuat berbasis
desktop, menggunakan bahasa pemrograman MATLAB dengan metode ANFIS
Sugeno (TSK) membership function Gaussian. Image processing dengan cara
mengambil nilai rata-rata C, M, Y, dan K dari 70 citra yang digunakan sebagai
database dan akan dilatih dengan ANFIS. Metode penelitian menggunakan
wawancara, observasi, dan studi literatur. Metode pengembangan aplikasi
menggunakan prototype. Hasil pengujian menunjukkan bahwa terdapat tingkat
keberhasilan aplikasi dalam mengidentifikasi 60 data yang sudah dilatih sebesar
100% sedangkan terhadap 40 data yang belum dilatih sebesar 42.5%.
Kata Kunci : Aplikasi, Usia Kertas, Soft Computing, ANFIS, Image
Processing, CMYK, MATLAB.
Jumlah Halaman : V Bab + xxi Halaman + 95 Halaman + 51 Gambar + 9
Tabel + Lampiran
vi
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Segala puji bagi Allah SWT. Tuhan semesta alam yang telah memberi
manusia akal pikiran. Sholawat serta salam penulis haturkan kepada Baginda
Rasulullah Muhammad saw. Beserta keluarga dan para sahabatnya. Atas segala
karunia dan rahmat yang Allah anugerahkan sehingga penulis dapat
menyelesaikan skripsi mengenai aplikasi prediksi usia kertas dengan ANFIS
(Adaptive Neuro Fuzzy Inference System) dan image processing.
Penelitian ini berjudul “PEMBUATAN APLIKASI PREDIKSI USIA
KERTAS DENGAN METODE ANFIS (ADAPTIVE NEURO FUZZY
INFERENCE SYSTEM) DAN IMAGE PROCESSING”. Skripsi ini ditujukan
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada
Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
Skripsi ini dapat terselesaikan dengan bantuan dari berbagai pihak. Dalam
kesempatan ini penulis ingin mengucapkan terima kasih kepada:
1. Bapak Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi,
UIN Syarif Hidayatullah Jakarta.
2. Ibu Arini, ST. MT. selaku Ketua Program Studi Teknik Informatika Fakultas
Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta.
3. Bapak Victor Amrizal, M. Kom. Sebagai dosen pembimbing pertama dan Ibu
Fenty Eka Muzayyana Agustin, M. Kom., sebagai dosen pembimbing kedua.
4. Seluruh dosen di Program Studi Teknik Informatika UIN Syarif Hidayatullah
Jakarta, terlebih Bapak Feri Fahrianto, M.Sc, Ibu Anif Hanifa Setyaningrum,
M.Si, Ibu Nenny Anggraeni, MT, dan Ibu Yuditha Nur Ichsani, M.Kom.
5. Seluruh guru yang pernah mengajar penulis di SMA Negeri 86 Jakarta, SMA
Negeri 27 Jakarta, Colegio Mater Immaculata Madrid, SMP Islam Al-Azhar 3
Bintaro, dan SD An-Nissa’ Tangerang Selatan.
6. Kedua orangtua penulis, papa M. Subur Widjaja Putera dan mamah Dedeh
Murniasih. Dan juga seluruh keluarga penulis, keluarga besar H. R. Moesa
dan Alm. H. M.S. Adiwidjadja, khususnya teteh Fika Kharisma Sari berserta
vii
keluarga dan kakak Aries Chandra Wijaya berserta keluarga yang tidak henti
mendo’akan dan memberi semangat kepada penulis.
7. Marchawanda Aditya Prihadiat, ST. Thank you for always being right there
when I really need you the most, and for everything you have done for me.
8. Seluruh teman-teman Program Studi Teknik Informatika Fakultas Sains dan
Teknologi, UIN Syarif Hidayatullah Jakarta Angkatan 2009, 2010 dan 2011.
Khususnya cewek-cewek TI-A (Riri, Rifda, Fita, Nova, Wafa, Hera) dan
Matul, Via, Nisa, Dini, Shofa dan kawan-kawan yang selalu memberi
semangat dan saling mendorong untuk maju.
9. Mas Ahmad Ginanjar dan Mbak Dina Oktaviani yang bersedia meluangkan
waktu untuk diwawancara.
10. Semua pihak yang tidak bisa disebutkan satu per satu yang secara langsung
maupun tidak langsung membantu penulis dalam menyelesaikan skripsi ini.
Penulis berharap penelitian ini bermanfaat bagi penulis khususnya dan
bagi pembaca pada umumnya. Dalam penyusunan skripsi ini penulis menyadari
bahwa masih banyak kekurangan, oleh karena itu penulis mohon kritik dan saran
yang membangun dari pembaca ke alamat email [email protected].
Wassalamu’alaikum Wr. Wb.
Ciputat, Oktober 2015
Penulis
viii
DAFTAR ISI
HALAMAN JUDUL . ........................................................................................... i
LEMBAR PERSETUJUAN.................................................................................. ii
PENGESAHAN PANITIA UJIAN ...................................................................... iii
LEMBAR PERNYATAAN .................................................................................. iv
ABSTRAK ............................................................................................................ v
KATA PENGANTAR .......................................................................................... vi
DAFTAR ISI .......................................................................................................viii
DAFTAR GAMBAR ........................................................................................... xii
DAFTAR TABEL ................................................................................................. xv
DAFTAR LAMPIRAN ......................................................................................... xvi
DAFTAR SIMBOL .............................................................................................. xvii
BAB I. PENDAHULUAN .................................................................................... 1
1.1. Latar Belakang ............................................................................................... 1
1.2. Perumusan Masalah ....................................................................................... 6
1.3. Batasan Masalah............................................................................................. 6
1.4. Tujuan Penelitian ........................................................................................... 7
1.5. Manfaat Penelitian ......................................................................................... 7
1.6. Metode Penelitian........................................................................................... 8
1.6.1. Metode Pengumpulan Data ............................................................. 8
1.6.2. Metode Pengembangan Sistem........................................................ 9
1.7. Sistematika Penulisan .................................................................................... 9
BAB II. LANDASAN TEORI ............................................................................. 11
2.1. Kertas ............................................................................................................ 11
2.1.1. Sejarah Kertas ...................................................................................... 11
2.1.2. Kertas HVS .......................................................................................... 14
2.2. Cara Mengetahui Usia Benda Kuno ............................................................... 15
2.2.1. Metode Penanggalan Radiokarbon ...................................................... 15
ix
2.2.2. Metode Penanggalan Kalium-Argon ................................................... 16
2.2.3. Metode Penanggalan Uranium ............................................................. 16
2.3. Soft Computing ............................................................................................... 17
2.4. Jaringan Syaraf Tiruan ................................................................................... 17
2.4.1 Proses Belajar ..................................................................................... 19
2.5. Fuzzy Logic .................................................................................................... 20
2.5.1. Fungsi Keanggotaan ............................................................................. 22
2.5.2. If-then Rules ........................................................................................ 28
2.5.3. FIS (Fuzzy Inference System) .............................................................. 29
2.5.3.1. Metode Tsukamoto ............................................................... 30
2.5.3.2. Metode Takagi-Sugeno-Kang .............................................. 30
2.6. ANFIS (Adaptive Neuro Fuzzy Inference System) ...................................... 31
2.6.1. Arsitektur ANFIS ................................................................................ 32
2.7. Konsep Dasar Citra Digital ............................................................................ 34
2.7.2 Citra Warna .......................................................................................... 34
2.7.2.1. Model Warna RGB ................................................................... 35
2.7.2.2. Model Warna CMYK ............................................................... 35
2.8. Prototype ....................................................................................................... 37
2.8.1. Tujuan Utama Prototype ................................................................... 40
2.8.2. Keuntungan Membuat Prototype ...................................................... 40
2.8.3. Prototype Throw-Away ..................................................................... 41
2.9. MATLab ........................................................................................................ 42
2.10. Studi Sejenis ................................................................................................ 42
BAB III. METODOLOGI PENELITIAN ........................................................... 46
3.1. Metode Pengumpulan Data ........................................................................... 46
3.1.1. Observasi ............................................................................................. 46
3.1.2. Wawancara .......................................................................................... 47
3.1.3. Studi Pustaka ....................................................................................... 47
3.2. Metode Pengembangan Sistem ..................................................................... 47
3.2.1. Pengumpulan Kebutuhan dan Analisis .............................................. 48
3.2.2. Perancangan Cepat .............................................................................. 48
x
3.2.3. Membangun Prototype ........................................................................ 48
3.2.4. Evaluasi dan Pengujian ....................................................................... 48
3.3. Peralatan Penelitian ....................................................................................... 49
3.4. Kerangka Alur Penelitian ............................................................................. 50
BAB IV. HASIL DAN PEMBAHASAN ............................................................. 51
4.1. Pengumpulan Kebutuhan dan Analisis .......................................................... 51
4.1.1. Analisis Masalah .................................................................................. 51
4.1.2. Pengkajian dan Pembatasan Masalah .................................................. 51
4.1.3. Mencari Solusi Masalah ....................................................................... 52
4.1.3.1. Mengubah Nilai RGB Menjadi CMYK .................................. 52
4.1.3.2. Menentukan Nilai Bobot dan Output dari ANFIS ................... 54
4.2. Perancangan Cepat ........................................................................................ 56
4.2.1. Perancangan Data Flow Diagram ..................................................... 56
4.2.2. Perancangan Flowchart ...................................................................... 57
4.2.2.1. Alur Kerja Aplikasi ............................................................... 57
4.2.3. Pembuatan Basis Data ....................................................................... 58
4.2.4. Perancangan Antar Muka .................................................................. 61
4.3. Membangun Prototype ................................................................................... 63
4.3.1. Pengkodean Aplikasi ........................................................................... 63
4.3.1.1. Membangun User Interface dengan MATLab GUI .............. 63
4.3.1.2. Proses Crop Region of Interest Block ................................... 64
4.3.1.3. Ekstraksi Fitur Warna CMYK .............................................. 64
4.3.1.4. Proses Matching .................................................................... 65
4.3.1.5. Hasil Pelatihan dan Pengujian ANFIS .................................. 70
4.3.1.5.1. Arsitektur ANFIS ................................................... 70
4.3.1.5.2. Membership Function ............................................. 71
4.3.1.5.1. Rule Base ................................................................ 73
4.3.1.6. Perancangan Output .............................................................. 74
4.4. Evaluasi dan Pengujian .................................................................................. 79
4.4.1. Pengujian Aplikasi ............................................................................... 79
4.4.1.1. Functional Testing ................................................................... 79
xi
4.4.1.2. User Acceptance Testing (UAT) .............................................. 82
4.4.1.3. Pengujian Akurasi Aplikasi ..................................................... 85
4.4.2. Dokumentasi ........................................................................................ 86
4.4.3. Analisa Hasil Pengujian ....................................................................... 89
BAB V. KESIMPULAN DAN SARAN ............................................................... 91
5.1. Kesimpulan .................................................................................................... 91
5.2. Saran .............................................................................................................. 91
DAFTAR PUSTAKA ........................................................................................... 93
LAMPIRAN
xii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Jaringan Syaraf Tiruan Sederhana 19
Gambar 2.2 Taksonomi Proses Belajar 19
Gambar 2.3 Kurva Linear Menaik 23
Gambar 2.4 Kurva Linear Menurun 24
Gambar 2.5 Kurva Segitiga 24
Gambar 2.6 Kurva Trapesium 25
Gambar 2.7 Daerah ‘bahu’ pada variabel TEMPERATUR 25
Gambar 2.8 Kurva S Pertumbuhan 26
Gambar 2.9 Kurva S Penurunan 26
Gambar 2.10 Kurva PI 27
Gambar 2.11 Kurva BETA 27
Gambar 2.12 Kurva GAUSS 28
Gambar 2.13 Diagram Blok Sistem Inferensi Fuzzy 29
Gambar 2.14 Arsitektur ANFIS 32
Gambar 2.15 Langkah-langkah Pendekatan Prototype 38
Gambar 3.1 Kerangka Alur Penelitian 50
Gambar 4.1 Data Flow Diagram Aplikasi Prediksi Usia Kertas 56
Gambar 4.2 Flowchart Aplikasi 57
Gambar 4.3 Perancangan Antar Muka Halaman Utama 61
Gambar 4.4 Perancangan Antar Muka Halaman Tentang Aplikasi 62
Gambar 4.5 User Interface Halaman Utama 63
Gambar 4.6 User Interface Halaman Tentang Aplikasi 63
Gambar 4.7 Anfis Editor 66
xiii
Gambar 4.8 Anfis Editor Setelah Pemilihan Data Latih 66
Gambar 4.9 Pemilihan Fungsi Keanggotaan 67
Gambar 4.10 Proses Pelatihan Data 69
Gambar 4.11 Hasil Pelatihan dan Pengujian Terhadap Data Latih 69
Gambar 4.12 Arsitektur ANFIS yang Terbentuk 70
Gambar 4.13 Membership Function input 1 (Nilai C) 71
Gambar 4.14 Membership Function input 2 (Nilai M) 71
Gambar 4.15 Membership Function input 3 (Nilai Y) 72
Gambar 4.16. Membership Function input 4 (Nilai K) 72
Gambar 4.17 Membership Function Output 73
Gambar 4.18 Aturan-aturan Fuzzy 74
Gambar 4.19 Halaman Utama Aplikasi Prediksi Usia Kertas 75
Gambar 4.20 Tentang Aplikasi Prediksi Usia Kertas 76
Gambar 4.21 Hasil Identifikasi Kertas Kategori Tua 76
Gambar 4.22 Hasil Identifikasi Kertas Kategori Sedang 77
Gambar 4.23 Hasil Identifikasi Kertas Kategori Muda 77
Gambar 4.24 Hasil Identifikasi Kertas Kategori Buatan 78
Gambar 4.25 File pdf Cara Menggunakan Aplikasi 78
Gambar 4.26 Diagram hasil pengujian berjalannya aplikasi 82
Gambar 4.27 Diagram keberhasilan aplikasi 83
Gambar 4.28 Diagram manfaat penggunaan aplikasi dalam
memprediksi usia kertas 83
Gambar 4.29 Diagram kebutuhan akan aplikasi 84
Gambar 4.30 Diagram efisiensi aplikasi 84
Gambar 4.31 Diagram kemudahan aplikasi 85
Gambar 4.32 Data Latih Kertas yang Dituakan 87
Gambar 4.33 Data Latih Lembaran Kertas Kategori Muda 87
xiv
Gambar 4.34 Data Latih Lembaran Kertas Kategori Sedang 88
Gambar 4.35 Data Latih Lembaran Kertas Kategori Tua 88
xv
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Sejenis 45
Tabel 4.1 Nilai Ouput Data Latih Tertinggi dan Terendah 55
Tabel 4.2 Hasil Data Training Citra Kertas Kategori Tua 58
Tabel 4.3 Hasil Data Training Citra kertas kategori sedang 59
Tabel 4.4 Hasil Data Training Citra Kertas kategori Muda 59
Tabel 4.5 Data Training Citra Kategori Buatan 60
Tabel 4.6 Skenario Functional Testing 78
Tabel 4.7 Hasil Pengujian Data Latih 83
Tabel 4.8 Hasil Pengujian Data yang Belum Dilatih 84
xvi
DAFTAR LAMPIRAN
Halaman
A- Hasil Wawancara dengan Narasumber A-1
B- Hasil Pengujian Aplikasi B-10
C- Kuisioner Pengujian Aplikasi C-15
D- Surat Bimbingan Skripsi D-16
xvii
DAFTAR SIMBOL
Simbol Nama dan Keterangan
Simbol arus/flow
Untuk menyatakan jalannya arus suatu proses.
Simbol communication link
Untuk menyatakan bahwa ada suatu transisi suatu
data/informasi dari satu lokasi ke lokasi lainnya.
Simbol connector
Untuk menyatakan sambungan dari satu proses ke
proses lainnya dalam halaman/lembar yang sama.
Simbol offline connector
Untuk menyatakan sambungan dari satu proses ke
proses lainnya dalam halaman/lembar yang berbeda.
Simbol Nama dan Keterangan
Simbol Offline Connector
Untuk menyatakan sambungan dari satu proses ke
xviii
proses lainnya ke dalam halaman/lembar yang berbeda.
Simbol Manual
Untuk menyatakan suatu tindakan (proses) yang tidak
dilakukan oleh komputer (manual).
Simbol Decision/Logika
Untuk menunjukkan suatu kondisi tertentu yang akan
menghasilkan dua kemungkinan jawaban, ya atau tidak.
Simbol Predefined Process
Untuk menyatakan penyediaan tempat penyimpanan
suatu pengolahan untuk member harga awal.
Simbol Terminal
Untuk menyatakan permulaan atau akhir suatu program.
Simbol Keying Operation
Untuk menyatakan segala jenis operasi yang diproses
dengan menggunakan suatu mesin yang mempunyai
keyboard.
xix
Simbol Off-line Storage
Untuk menunjukkan bahwa kata dalam simbol ini akan
disimpan ke suatu media tertentu.
Simbol Manual Input
Untuk memasukkan data secara manual dengan
menggunakan online keyboard.
Simbol Nama dan Keterangan
Simbol Input-Output
Untuk menyatakan proses input dan output tanpa
tergantung dengan jenis peralatannya.
Simbol Punched Card
Untuk menyatakan input berasal dari kartu atau output
ditulis ke kartu.
Simbol Magnetic-tape Unit
Untuk menyatakan input berasal dari pita magnetik atau
output disimpan ke pita.
xx
Simbol Disk Storage
Untuk menyatakan input berasal dari disk atau output
disimpan ke disk.
Simbol Dokumen
Untuk mencetak laporan ke printer.
Simbol Display
Untuk menyatakan peralatan output yang digunakan
berupa layar (video, komputer).
Notasi Keterangan
Proses atau fungsi atau prosedur; pada
pemodelan perangkat lunak yang akan
diimplementasikan dengan pemrograman
terstruktur, maka pemodelan notasi inilah yang
harusnya menjadi fungsi atau prosedur di
dalam kode program
xxi
File atau basis data atau penyimpanan
(storage); pada pemodelan perangkat lunak
yang akan diimplementasikan dengan
pemrograman terstruktur, maka pemodelan
notasi inilah yang harusnya dibuat menjadi
tabel-tabel basis data yang dibutuhkan, tabel-
tabel ini juga harus sesuai dengan perancangan
tabel-tabel pada basis data.
Entitas luar (external entity) atau masukan
(input) atau keluaran (output) atau orang yang
memakai/bertinteraksi dengan perangkat lunak
yang dimodelkan atau sistem lain yang terkait
dengan aliran data dari sistem yang dimodelkan
Aliran data; merupakan data yang dikirim antar
proses, dari penyimpanan ke proses, atau dari
proses ke masukan (input) atau keluaran
(output).
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Kertas adalah bahan yang tipis dan rata, yang dihasilkan dengan
kompresi serat yang berasal dari pulp. Kertas bernilai tinggi jika di dalamnya
terdapat data dan informasi yang berharga seperti kertas pada buku dan
dokumen-dokumen. Seiring waktu berjalan, kertas mengalami penuaan yang
mengakibatkan kertas menjadi rapuh dan mudah hancur. Perbedaan usia pada
kertas dapat dilihat dari perubahan warna pada kertas. Kertas yang sudah tua
memiliki warna kuning kecoklatan yang merata di sekitar tepinya.
Dewasa ini, perkembangan teknologi semakin pesat dan bukan suatu
hal yang tidak mungkin bagi seseorang untuk melakukan pemalsuan
dokumen demi kepentingan pribadi yang merugikan pihak lain. Seperti pada
kasus pemalsuan dokumen, Stenley Mandang, Mth, Pdh warga Tangerang
dilaporkan kepolisi terkait dugaan pemalsuan surat hibah atau wasiat dari
Grace Wawuruntu (Arifin, 2013). Pihak yang dirugikan dari permasalahan ini
yaitu pewaris yang sah. Seorang polisi ditangkap karena memalsukan time
sheet records nya agar memperoleh uang yang lebih banyak dari kantor
(wbbjtv.com, 2015). Seorang pekerja di Charlie Norwood VA Medical Center
2
di Augusta, Cathedral Henderson, tertangkap karena memalsukan rekam
medis pasien (rare.us, 2015).
Kita perlu mengetahui usia kertas dari buku atau dokumen untuk
mengetahui apakah buku atau dokumen tersebut asli atau tidak dilihat dari
tahun terbitnya. Salah satu cara mengetahui usia kertas dapat dilakukan
dengan metode Penanggalan Karbon.
Berdasarkan wawancara dengan seseorang yang mempelajari ilmu
Arkeologi, R. Ahmad Ginanjar Purnawibawa (Konsevator di Kementrian
Pendidikan dan Kebudayaan) menyatakan bahwa ada beberapa cara
menentukan umur kertas atau naskah. Yaitu dengan interne evidentie dan
externe evidentie. Interne evidentie merupakan upaya untuk menentukan
umur naskah dari data yang ada di dalam naskah itu sendiri, misalnya angka
tahun yang tercatat, peristiwa yang diceritakan, maupun tokoh yang
disebutkan. Sementara externe evidentie merupakan upaya menentukan umur
naskah dari faktor di luar data yang ada di dalam naskah. Salah satunya dari
bahan kertas tersebut. Untuk naskah atau kertas, yang memiliki kandungan
organik, dapat digunakan metode carbon dating. Prinsip dasarnya, setiap
benda memiliki kandungan karbon di dalamnya. Kandungan karbon ini akan
terus ada di dalam makhluk hidup karena terus menerus terbentuk dari proses
fotosintesis. Saat makhluk tersebut mati, kandungan karbon ini tidak akan
dapat bertambah dan kadar radiokarbonnya akan terus menerus berkurang
karena meluruh. Setiap 5700 tahun atom-atom radiokarbon akan tinggal
3
setengah. Hal ini merupakan dasar penetapan umur benda kuno yang
digunakan.
Paul Devereux menyatakan (Susantio, 2010) bahwa ada beberapa cara
untuk mengetahui usia benda kuno yaitu dengan metode penanggalan
Radiokarbon (C-14), penanggalan Kalium-argon, dan penanggalan Uranium.
Prinsip penanggalan C-14 adalah semua bentuk kehidupan di bumi
mengambil dan menyimpan karbon. Penanggalan Kalium-argon digunakan
untuk mencari tahu bilamana jejak-jejak kaki manusia purba mulai ada di
bumi. Penanggalan Uranium dapat mengidentifikasi waktu yang lebih jauh di
masa lampau daripada penanggalan Radiokarbon.
Keuntungan menggunakan metode penanggalan Radiokarbon,
penanggalan Kalium-argon, maupun penanggalan Uranium yaitu dengan
melalui proses pengujian laboratorium, perhitungan akan menghasilkan
keluaran yang tepat, akurat, dan juga dapat mengidentifikasi usia benda yang
berasal di waktu yang jauh di masa lampau. Sedangkan, kelemahannya yaitu
membutuhkan peralatan terkini dengan biaya yang mahal, memakan waktu
yang lama untuk mendapatkan hasil pengujian, dan hanya sebagian orang saja
yang bisa mengetahui usia kertas menggunakan metode ini.
Berdasarkan wawancara dengan ahli citra digital sekaligus pengamat
benda kuno, Bapak Victor Amrizal, M.Kom, menyatakan bahwa perubahan
yang terlihat pada penuaan kertas ditandai dengan perubahan warna kertas
menjadi coklat kekuningan di sekitar tepi kertas. Seiring perkembangan
teknologi, komputer dapat membaca sebuah citra dengan metode Image
4
Processing untuk mendapatkan identitas dari citra tersebut, maka dari itu
komputer dapat juga membaca sebuah citra kertas untuk mendapatkan
identitas citra kertas tersebut.
Logika Neuro-Fuzzy merupakan logika hybrid gabungan logika fuzzy
dengan artificial neural network. Logika Neuro-Fuzzy melakukan pelatihan
menggunakan jaringan syaraf, namun struktur jaringannya diinterpretasikan
dengan sekelompok aturan-aturan fuzzy. Fuzzy Neural Network diperkenalkan
oleh Ishibuchi yang merupakan metode pembelajaran jaringan syaraf untuk
mendayagunakan pengetahuan pakar yang direpresentasikan dalam bentuk IF
– THEN. (Kusumadewi dan Hartati, 2006)
ANFIS (Adaptive Neuro Fuzzy Inference System) merupakan sistem
inferensi gabungan dari Jaringan Syaraf Tiruan dengan Sistem Inferensi
Fuzzy. ANFIS menggunakan model inferensi Sugeno atau Takagi-Sugeno-
Kang (Suyanto, 2008). Bisa dikatakan bahwa ANFIS adalah suatu metode
yang mana dalam melakukan penyetelan aturan digunakan algoritma
pembelajaran terhadap sekumpulan data. Pada ANFIS juga memungkinkan
aturan-aturan untuk beradaptasi (Kusumadewi dan Hartati, 2010).
Karena ANFIS merupakan penggabungan antara Logika Fuzzy
dengan Jaringan Syaraf Tiruan, kelebihan ANFIS yaitu dapat melengkapi
karakteristik pada Fuzzy Logic dan Jaringan Syaraf Tiruan yang saling
bertolak belakang dalam hal kemampuan belajar (learning) dan kemampuan
untuk menjelaskan proses penalaran (Suyanto, 2008). Sedangkan,
5
kekurangannya adalah keberhasilan sistem ditentukan oleh data yang menjadi
sumber pembelajaran. Untuk mendapatkan hasil yang optimal dibutuhkan
data yang mempunyai tingkat keakuratan yang tinggi (Widodo P dan
Handayanto P, 2012).
Pada penelitian sebelumnya, Nurul Hikmah, Jurusan Teknik Elektro,
Universitas Indonesia, pada tahun 2008 melakukan penelitian terhadap
ANFIS dan pengolahan citra pada retina mata manusia. Dwi Kris Setianto,
Jurusan Teknik Elektro, Universitas Indonesia tahun 2008 juga melakukan
penelitian terhadap ANFIS dan pengolahan citra pada iris mata manusia. Dari
penelitian di atas didapatkan bahwa metode ANFIS dan Image Processing
dapat digunakan untuk mengeluarkan output yaitu berupa solusi dari suatu
permasalahan dalam mengidentifikasi citra.
Apabila kita memakai sebuah aplikasi yang dapat memprediksi usia
kertas, kita tidak perlu membeli peralatan canggih yang mahal, proses
pengerjaan yang dilalui akan lebih sederhana dan lebih cepat, dan semua
orang bisa memakai aplikasi ini bukan hanya sebagian orang saja dengan
kriteria khusus seperti ahli arkeologi, ahli geofisika, ataupun ahli yang
lainnya. Oleh karena itu, pada penelitian ini metode ANFIS dan Image
Processing akan diimplementasikan untuk memprediksi usia kertas ke dalam
sebuah aplikasi. Aplikasi ini dapat membantu masyarakat ahli maupun biasa
dalam melakukan prediksi usia kertas yang ada pada buku, dokumen penting,
maupun kertas yang lain nya.
6
1.1. Perumusan Masalah
Berdasarkan latar belakang di atas dapat dirumuskan beberapa permasalahan
sebagai berikut:
a. Bagaimana cara membaca citra menggunakan Image Processing?
b. Bagaimana cara memprediksi usia kertas dengan metode ANFIS?
c. Bagaimana membangun aplikasi yang dapat memprediksi usia kertas
dengan metode ANFIS dan Image Processing?
1.2. Batasan Masalah
Dari rumusan masalah tersebut maka batasan masalah dari penelitian ini
adalah sebagai berikut:
1. Input pada aplikasi ini yaitu citra hasil scan lembaran kertas HVS secara acak
dari buku yang terbit pada jangkauan tahun 1969 sampai dengan tahun 2014
dengan resolusi scanner sebesar 300 dpi.
2. Proses pengolahan citra yang dilalui harus dilakukan konversi citra RGB
menjadi citra CMYK terlebih dahulu.
3. Proses pemisahan Region of Interest Block ditentukan secara otomatis oleh
aplikasi.
4. Aplikasi ini dibuat menggunakan MATLAB sebagai alat identifikasi logika
fuzzy menggunakan metode Sugeno (Takagi-Sugeno-Kang atau TSK) kurva
Gaussian.
7
5. Database yang akan di input ke dalam sistem berupa file .txt.
6. Aplikasi ini hanya dapat digunakan di komputer desktop atau laptop.
7. Aplikasi ini dikembangkan menggunakan metode Prototype.
8. Output aplikasi ini hanya menunjukkan prediksi dari hasil tanpa menunjukkan
database dari variabel input dan output.
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk membangun aplikasi yang dapat
memprediksi usia kertas dengan Metode ANFIS melalui pembacaan citra
dengan Image Processing.
1.4. Manfaat Penelitian
Sesuai dengan permasalahan dan tujuan penelitian yang telah disebutkan
di atas, maka manfaat penelitian yang dapat dirumuskan adalah sebagai
berikut:
1. Bagi Penulis:
a) Menambah wawasan penulis mengenai pemrograman Matlab
dalam pembuatan aplikasi ini.
b) Untuk memenuhi salah satu syarat dalam menempuh gelar Strata
Satu (S1) program studi Teknik Informatika Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
8
2. Bagi Universitas
a) Mengetahui kemampuan mahasiswa dalam penguasaan materi,
baik teori maupun praktek yang telah diperoleh selama masa
kuliah.
b) Mengetahui kemampuan mahasiswa dalam penerapan ilmu yang
didapatkan selama kuliah dan sebagai bahan evaluasi.
1.5. Metode Penelitian
1.6.1 Metode Pengumpulan Data
Dalam mengembangkan aplikasi ini, diperlukan data-data informasi
yang relatif lengkap sebagai bahan yang dapat mendukung kebenaran materi
uraian pembahasan. Oleh karena itu sebelum melakukan pengembangan
aplikasi ini, dalam persiapannya terlebih dahulu dilakukan tahapan
pengumpulan data atau bahan materi penunjang. Adapun metode
pengumpulan data dan informasi yang dilakukan adalah sebagai berikut:
a) Wawancara
Wawancara dilakukan untuk mengumpulkan data dengan mengajukan
beberapa pertanyaan sehingga penulis mendapatkan data dari
narasumber.
9
b) Observasi
Observasi dilakukan untuk mencari dan mengumpulkan data dengan
melihat secara langsung objek datanya di lokasi penelitian, Perpustakaan
Utama UIN Syarif Hidayatullah Jakarta.
c) Studi Pustaka
Mempelajari teori-teori dari buku dan penelitian sejenis yang
berhubungan dengan pengembangan aplikasi prediksi usia kertas dengan
ANFIS (Adaptive Neuro Fuzzy Inference System) dan image processing
menggunakan MATLAB.
1.6.2 Metode Pengembangan Sistem
Metode pengembangan perangkat lunak yang penulis gunakan adalah
Prototype menurut Janner Simarmata (2010).
1.6. Sistematika Penulisan
Dalam penelitian ini memiliki sistematika penulisan laporan sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi latar belakang penelitian, rumusan masalah, batasan
masalah pada penelitian, tujuan yang hendak dicapai, manfaat
yang diharapkan, metodologi penelitian, dan sistematika
penelitian.
10
BAB II LANDASAN TEORI
Bab ini akan menguraikan teori-teori yang mendukung penelitian
yang didapat dengan melakukan studi pustaka sebagai landasan
dalam melakukan penelitian.
BAB III METODOLOGI PENELITIAN
Bab ini akan menguraikan tentang tahapan-tahapan penelitian
yang dilakukan dari mempelajari penelitian-penelitian
sebelumnya yang berkaitan dengan penelitian ini.
BAB IV HASIL DAN PEMBAHASAN
Bab ini membahas tentang hasil dari analisis masalah,
perancangan, evaluasi, hasil uji coba aplikasi, dan analisis
terhadap hasil tersebut.
BAB V KESIMPULAN DAN SARAN
Bab ini mengemukakan kesimpulan dari penelitian yang
dilakukan dan saran-saran yang diusulkan untuk pengembangan
lebih lanjut agar tercapai hasil yang lebih baik.
11
BAB II
LANDASAN TEORI
2.1. Kertas
Menurut Kamus Besar Bahasa Indonesia (2008), pengertian Kertas yaitu
barang lembaran dibuat dari bubur rumput, jerami, kayu, dan sebagainya yang
biasa ditulisi atau dijadikan pembungkus dan sebagainya.
Kata “kertas” etimologis berasal dari papyros, bahasa Yunani Kuno.
Papirus adalah kertas tebal yang dihasilkan dari empulur papirus Cyperus,
tanaman yang digunakan di Mesir kuno dan Mediterania untuk menulis, melukis,
dan membuat artikel (Renaldi, 2013).
Kertas berharga adalah kertas yang berisi pernyataan tertulis atau tercetak
dari seseorang atau orang yang berwewenang sebagai bukti suatu kejadian
(Kamus Besar Bahasa Indonesia, 2008).
2.1.1. Sejarah Kertas
Sejarah kertas di beberapa bagian dunia yaitu (Mulyadin, 2010):
1. Tiongkok
Kontribusi terbesar kepada peradaban manusia dari kerajaan dinasti Han yaitu
penemuan kertas oleh pejabat negara Tsai' Lun pada tahun 109 M. Bahan
yang digunakan Ts'ai Lun adalah serpihan-serpihan kayu, kain karung tua,
12
dan jala ikan, baru pada tahun 400 M penulisan di atas kain sutra dan bambu
dimulai.
2. Jepang
Rahasia pembuatan kertas disembunyikan selama 500 tahun oleh orang-orang
Tiongkok. Pada tahun 610 M, pembuatan kertas mulai menyebar dengan
dimulainya pembagian buku-buku ajaran agama Budha yang dibuat dari
serpihan kayu Mulbarry oleh Bikkhu-Bikkhu Budha.
2. Timur Tengah
Tahun 751 M kota Arab yang bernama Samarkhand diserbu oleh kerajaan
Persia. Diantara tahanan penduduk Samarkhand adalah orang-orang
Tionghwa yang berprofesi sebagai pembuat kertas. Mereka dipaksa untuk
membuat dan mengoprasikan pabrik kertas, di Samarkhand pembuatan kertas
menyebar ke seluruh Timur Tengah.
3. Eropa
Orang-orang Maroko menyerbu Spanyol pada abad ke-8. Ini menjadi awal
dimulainya Pabrik Kertas Eropa pertama yang terletak di Xativa Propinsi
Volencia di tahun 1150. Teknologi ini berkembang dengan pesat, beberapa
pabrik kertas mulai dibuka di Itali (1276), Prancis (1348), Jerman (1390), dan
Inggris (1494). Pada abad ke 16 kertas mulai di produksi di seluruh daratan
Eropa.
13
4. Amerika Utara
Tahun 1575 pembuatan kertas dimulai di Meksiko oleh para penjajah Spanyol
di Culhuacan. Sebenarnya sebelum orang-orang Spanyol datang, suku Maya
dan Aztecs sudah membuat kertas dari bahan kayu Fig (Ficus) dan kayu
Mulberry (Morus) dengan cara dipukul-pukul.
5. Amerika Serikat
Pembutan kertas mulai masuk koloni Amerika pada abad ke 17, pertama kali
diperkenalkan oleh orang-orang Jerman bernama William Rittenhouse yang
pindah ke Amerika pada tahun 1688. Pada tahu 1690 William Rittenhouse
mulai membangun pabrik kertas pertama di Pennsylvania.
6. Perancis
Perancis adalah produsen terbesar kertas HVS untuk percetakan di abad 18.
Para ahli kertas di Eropa menemukan bahwa kertas dari Belanda mempunyai
kualitas yang lebih baik, tetapi ada ayang berpendapat ini hanya fanatisme
saja. Sempat beberapa kali produsen Perancis memalsukan produknya kepada
masyarakat dengan memakai tanda air (Water Mark) bertuliskan "Papier de
Hollande" supaya harga jual kertas mereka menjadi lebih mahal.
7. Indonesia
Ada dua pabrik kertas tertua di Indonesia yaitu PT. Kertas Padalarang dan
PT. Kertas Leces. PT. Kertas Padalarang (PTKP) didirikan pada tanggal 22
Mei 1922 dengan nama NV Papier Fabriek Padalarang yang merupakan
14
cabang dari NV. Papier Fabriek Nijmegen di negeri Belanda. Pabrik ini
merupakan pabrik kertas pertama di Indonesia (kertaspadalarang.co.id).
PT Kertas Leces merupakan pabrik kertas tertua ke dua setelah pabrik kertas
Padalarang yang dibangun pada masa penjajahan Belanda pada tahun 1939
dan mulai beroperasi tahun 1940 dengan kapasitas 10 ton/hari yang
memproduksi kertas tulis cetak dengan bahan baku jerami yang
menggunakan proses soda (kertasleces.co.id).
2.1.2. Kertas HVS
HVS adalah singkatan dari Houtvrij Schrijfpapier (bahasa Belanda),
yang artinya kertas tulis bebas serat kayu. Kertas jenis HVS dibuat dari pulp
(bubur kertas) yang tidak mengandung lignin (perekat antar serat di dalam
pohon), sehingga tidak mudah berubah warna (menjadi kekuningan) jika
diletakkan di bawah sinar matahari atau sinar lampu (kamusq.com, 2012).
Kertas HVS merupakan kertas tulis berkualitas tinggi yang muncul
dengan berbagai ukuran. Baik ukuran dimensi (pxl) maupun ukuran berat. Di
Indonesia kertas HVS biasanya di produksi dengan 3 tingkat ukuran berat
yaitu 60 gr, 70 gr dan 80 gr. Sementara ukuran dimensi kertas HVS biasanya
di buat dalam 2 pilihan, yaitu kertas HVS ukuran Kuarto dan kertas HVS
ukuran Folio. Kertas HVS ukuran Kuarto adalah sebutan untuk kertas HVS
berukuran A4, yaitu 21 x 29,7 cm. Sedangkan kertas HVS ukuran Folio
adalah kertas HVS berukuran 21.5 x 32,5 cm (kamusq.com, 2012).
15
2.2. Cara Mengetahui Usia Benda Kuno
2.2.1. Metode Penanggalan Radiokarbon
Metode penanggalan radiokarbon adalah metode yang digunakan untuk
mengetahui usia berbagai benda yang didasarkan pada hasil perhitungan
aktivitas karbon-14 yang terkandung dalam benda tersebut atau didasarkan
pada perbandingan banyaknya isotop radioaktif karbon-14 yang ada pada
benda tersebut dengan sebuah sumber standar yang telah diketahui jumlah
isotop radioaktifnya. Metode penanggalan radioaktif ini bisa digunakan untuk
mengukur umur semua benda selama benda tersebut memiliki karbon-14 di
dalamnya, baik benda organik maupun anorganik (Guta dan Polach, 1985
dalam Suci, Anggun, dkk. 2013).
Makhluk hidup yang telah mati, jasadnya tidak lagi menyerap
radiokarbon dan radiokarbon yang dikandungnya terus-menerus meluruh.
Setelah 5568 tahun (waktu paruh karbon-14), benda itu hanya memiliki
setengah jumlah radiokarbon relatif terhadap kandungan karbon total seperti
yang dikandungnya ketika berada dalam keadaan hidup. Dengan menentukan
perbandingan radiokarbon terhadap karbon biasa, kita dapat menentukan
umur benda purba dan jasad benda yang berasal dari benda organik. Metode
yang baik ini memungkinkan penentuan umur mumi, kayu, kulit, batubara,
dan benda-benda lain dari kebudayaan purba yang umurnya sampai 50.000
tahun, sekitar sembilan kali umur paruh karbon-14 (Beiser, 1987 dalam Suci,
Anggun, dkk. 2013).
16
Perkembangan utama dalam metode radiokarbon hingga hari ini
melibatkan perbaikan dalam teknik pengukuran dan penelitian dari bahan
yang berbeda. Secara singkat, metode karbon padat awal dikembangkan oleh
Libby dan rekan-rekannya digantikan dengan metode pencacahan gas pada
tahun 1950. Metode pencacahan sintilasi cair, menggunakan benzena,
asetilena, etanol, metanol dan sebagainya, dikembangkan pada waktu yang
sama. Saat ini sebagian besar laboratorium radiokarbon menggunakan kedua
metode penanggalan radiokarbon tersebut. Perkembangan terbaru adalah
penggunaan Spektrometri Akselerator Massa yang menghitung isotop C-14
secara langsung (Higham, 2002 dalam Suci, Anggun, dkk. 2013).
2.2.2. Metode Penanggalan Kalium-Argon
Dalam arkeologi dikenal pula penanggalan Kalium-argon. Penanggalan
ini digunakan untuk mencari tahu bilamana jejak-jejak kaki manusia purba
mulai ada di bumi. Metode kerjanya adalah mengukur rata-rata hilangnya
kalium di bebatuan vulkanis. Penanggalan ini pernah diterapkan pada temuan
jejak kaki Australopithecus di Tanzania pada 1978. Diperkirakan jejak kaki
tersebut berusia 3,8 juta tahun.
2.2.3. Metode Penanggalan Uranium
Sementara itu, penanggalan Uranium juga sering diterapkan pada sisa-
sisa kebudayaan manusia purba. Teknik ini sangat penting untuk memberikan
penanggalan gua-gua dan mengetahui bilamana gua-gua itu dihuni atau
dipakai. Terlebih apabila gua-gua itu terbuat dari bebatuan yang kaya kalsium
17
karbonat. Para arkeolog sering memakai teknik ini karena mereka dapat
menentukan waktu yang lebih jauh di masa lampau daripada hanya memakai
penanggalan Radiokarbon (Paul Devereux dalam Sustantio, 2010).
2.3. Soft Computing
Soft computing adalah suatu model pendekatan untuk melakukan komputasi
dengan meniru akal manusia dan memiliki kemampuan untuk menalar dan belajar
pada lingkungan yang penuh dengan ketidakpastian dan ketidaktepatan. (Jang,
1997 dalam Kusumadewi dan Hartati, 2010)
Soft computing merupakan koleksi dari beberapa metodologi yang bertujuan
untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian,
dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan
biaya penyelesaiannya murah. (Kusumadewi dan Hartati, 2006)
Disamping itu, Kusumadewi dan Hartati juga menuliskan bahwa soft
computing merupakan suatu model yang menggunakan pendekatan dalam
melakukan penalaran untuk memecahkan masalah. Proses pendekatan dapat
dilakukan secara fungsional maupun melalui pencarian random.
2.4. Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan atau Artificial Neural Network adalah suatu arsiteksur
jaringan untuk memodelkan cara kerja sistem syaraf manusia (otak) dalam
melaksanakan tugas tertentu. Pemodelan ini didasari oleh kemampuan otak
manusia dalam mengorganisasi sel-sel penyusunnya (yang disebut neuron),
18
sehingga memiliki kemampuan untuk melaksanakan tugas-tugas tertentu
khususnya pengenalan pola dengan efektivitas jaringan sangat tinggi (Suyanto,
2008).
Jaringan Syaraf Tiruan adalah sistem pemroses informasi dengan
karakteristik dan performa yang mendekati syaraf biologis. Jaringan syaraf tiruan
adalah generalisasi dari pemodelan syaraf biologi dengan asumsi-asumsi antara
lain, (Widodo P. dan Handayanto P., 2012):
- Pemrosesan informasi terletak pada sejumlah komponen yang dinamakan
neuron. Sinyal merambat antara satu neuron ke neuron-neuron lainnya
melalui jalur penghubung. Tiap jalur penghubung memiliki bobot dan
mengalikan besar nilai sinyal yang masuk (jenis neuron tertentu). Tiap neuron
menerapkan fungsi aktivasi (biasanya nonlinear) yang menjumlahkan semua
masukan untuk menentukan sinyal keluarannya. Tiap jaringan ditentukan
oleh arsitektur pola jaringan, bobot pada koneksi dan fungsi aktivasi.
- Selain memproses, jaringan syaraf tiruan juga memiliki kemampuan
menyimpan informasi, jaringan syaraf adalah pemroses sederhana yang
berjumlah banyak dan bekerja secara paralel dan terdistribusi, yang memiliki
kemampuan menyimpan pengetahuan dan memberikan saat dibutuhkan yang
terdiri dari pengetahuan yang dimiliki sebagai hasil proses pembelajaran dan
koneksi antar neuron yang berfungsi menyimpan pengetahuan itu. Sedangkan
jaringan syaraf tiruan bermaksud membuat sistem yang menyerupai syaraf
tiruan biologis.
19
Gambar 2.1 JST Sederhana (Widodo dan Handayanto, 2012 : 132)
2.4.1 Proses Belajar
Belajar adalah suatu proses dimana parameter-parameter bebas JST
diadaptasikan melalui suatu proses perangsangan berkelanjutan oleh lingkungan
dimana jaringan berada. Jenis belajar ditentukan oleh pola dimana pengubahan
parameter dilakukan (Suyanto, 2011).
Gambar 2.2 Taksonomi proses belajar (Suyanto, 2011 : 75)
20
2.5. Fuzzy Logic
Pada tahun 1965, Zadeh memodifikasi teori himpunan dimana setiap
anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai
1. Himpunan ini disebut dengan Himpunan Kabur (Fuzzy Set). (Widodo P. dan
Handayanto P., 2012)
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input
ke dalam suatu ruang output. Telah dikemukakan oleh Lotfi A. Zadeh, bapak dari
logika fuzzy: “Pada hampir semua kasus kita dapat menghasilkan suatu solusi
tanpa menggunakan logika fuzzy, namun menggunakan fuzzy akan lebih cepat dan
lebih murah”
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
- Konsep logika fuzzy mudah dimengerti. Konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
- Logika fuzzy sangat fleksibel.
- Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.
- Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
- Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan seperti pada jaringan syaraf tiruan.
21
- Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara
konvensional.
- Logika fuzzy didasarkan pada bahasa alami.
Beberapa aplikasi logika fuzzy, antara lain, (Widodo P. dan Handayanto P.,
2012):
1. Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di
Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan
untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis
dan banyaknya kotoran serta jumlah yang akan dicuci.
2. Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan sistem
fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12-17%.
3. Kereta bawah tanah Sendai mengontrol pemberhentian otomatis pada area
tertentu.
4. Ilmu kedokteran dan biologi, seperti sistem diagnosis yang didasarkan
pada logika fuzzy, penelitian kanker, manipulasi peralatan prostetik yang
didasarkan pada logika fuzzy, dan lain-lain.
5. Manajemen dan pengambilan keputusan, seperti manajemen basis data
yang didasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada
logika fuzzy, sistem pembuat keputusan di militer yang didasarkan pada
logika fuzzy, pembuatan games yang didasarkan pada logika fuzzy, dan
lain-lain.
22
6. Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks,
dan lain-lain.
7. Klasifikasi dan pencocokan pola.
8. Psikologi, seperti logika fuzzy untuk menganalisis kelakuan masyarakat,
pencegahan dan investigasi kriminal, dan lain-lain.
9. Ilmu-ilmu sosial, terutama untuk pemodelan informasi yang tidak pasti.
10. Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dan lain-lain.
11. Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa
bumi, dan lain-lain.
12. Riset operasi, seperti penjadwalan dan pemodelan, pengalokasian, dan
lain-lain.
13. Peningkatan kepercayaan, seperti kegagalan diagnosis, inspeksi dan
monitoring produksi.
2.5.1. Fungsi Keanggotaan
Fungsi Keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya.
Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan
adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang
digunakan. (Kusumadewi dan Hartati, 2010)
23
1. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana
dan menjadi pilihan yang baik untuk mendekati suatu konsep yang
kurang jelas.
Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan
himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol [0] bergerak ke kanan menuju ke nilai domain yang
memiliki derajat keanggotaan lebih tinggi.
Gambar 2.3 Kurva Linear Menaik
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai
dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri,
kemudian bergerak menurun ke nilai domain yang memiliki derajat
keanggotaan lebih rendah.
24
Gambar 2.4 Kurva Linear Menurun
2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara dua
garis (linear).
Gambar 2.5 Kurva Segitiga
3. Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja
ada beberapa titik yang memiliki nilai keanggotaan 1.
25
Gambar 2.6 Kurva Trapesium
4. Representasi Kurva Bentuk Bahu
Daerah yang terletak di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya
akan naik dan turun. Tetapi terkadang salah satu sisi dari variabel
tersebut tidak mengalami perubahan. Bahu kiri bergerak dari benar ke
salah, demikian juga bahu kanan bergerak dari salah ke benar.
Gambar 2.7 Daerah ‘bahu’ pada variabel TEMPERATUR.
26
5. Representasi Kurva-S
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-
S atau sigmoid yang berhubungan dengan kenaikan dan penurunan
permukaan secara tak linear.
Gambar 2.8 kurva S pertumbuhan
Gambar 2.9 kurva S penurunan
27
6. Representasi Kurva Bentuk Lonceng (Bell Curve)
a. Kurva PI
Kurva PI berbentuk lonceng dengan derajat keanggotaan 1
terletak pada pusat dengan domain (), dan lebar kurva ().
Gambar 2.10 kurva PI
b. Kurva BETA
Kurva ini didefinisikan dengan dua parameter, yaitu nilai pada
domain yang menunjukkan pusat kurva (), dan setengah lebar
kurva ().
Gambar 2.11 kurva Beta
28
c. Kurva GAUSS
Kurva GAUSS menggunakan () untuk menunjukkan nilai domain
pada pusat kurva, dan (k) yang menunjukkan lebar kurva.
Gambar 2.12 kurva gauss
2.5.2. If-then Rules
Untuk membedakan dengan First-Order Logic secara sintaks, suatu
aturan fuzzy dituliskan sebagai:
IF antecendent THEN consequent
Dalam suatu sistem berbasis aturan fuzzy, proses inference
memperhitungkan semua aturan yang ada di dalam basis pengetahuan. Hasil
dari proses inference direpresentasikan oleh suatu fuzzy set untuk setiap
variabel bebas (pada consequent). Derajat keanggotaan untuk setiap nilai
variabel tidak bebas menyatakan ukutan kompatibilitas terhadap variabel
bebas (pada antecedent). Misalkan, terdapat suatu sistem dengan n variabel
29
bebas, X1, ..., Xn dan m variabel tidak bebas Y1, ..., Ym. Misalkan R adalah
suatu basis dari sejumlah r aturan fuzzy
IF P1(X1,...,Xn) THEN Q1(Y1,...,Ym),
IF Pr(X1,...,Xn) THEN Qr(Y1,...,Ym),
Di mana P1,...,Pr menyatakan fuzzy predicate untuk variabel bebas, dan
Q1,...,Qr menyatakan fuzzy predicate untuk variabel tidak bebas.
2.5.3. FIS (Fuzzy Inference System)
Sistem Inferensi Fuzzy merupakan suatu kerangka komputasi yang
didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan
penalaran fuzzy. (Kusumadewi dan Hartati, 2010)
Gambar 2.13 Diagram Blok Sistem Inferensi Fuzzy (Kusumadewi dan Hartati,
2010 : 40)
30
Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim
ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire
strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu,
maka akan dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil
agregasi akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai
output sistem.
2.5.3.1. Metode Tsukamoto
Sistem inferensi fuzzy didasarkan pada konsep penalaran monoton.
Pada metode penalaran secara monoton, nilai crisp pada daerah konsekuen
dapat diperoleh secara langsung berdasarkan fire strength pada antesedennya.
Salah satu syarat yang harus dipenuhi pada metode penalaran ini adalah
himpunan fuzzy pada konsekuennya harus bersifat monoton naik maupun
monoton turun.
2.5.3.2. Metode Takagi-Sugeno-Kang (TSK)
Sistem inferensi fuzzy menggunakan metode sugeno memiliki
karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy, namun
merupakan suatu persamaan linear dengan variabel-variabel sesuai dengan
variabel-variabel inputnya. Metode ini diperkenalkan oleh Takagi-Sugeno-
Kang pada tahun 1985.
31
2.6. ANFIS (Adaptive Neuro Fuzzy Inference System)
ANFIS (Artificial Neuro Fuzzy Inference System atau Adaptive
Network-based Fuzzy Inference System) adalah arsitektur yang secara
fungsional sama dengan fuzzy rule base model Sugeno. Arsitektur ANFIS
juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan
tertentu. Bisa dikatakan bahwa ANFIS adalah suatu metode yang mana dalam
melakukan penyetelan aturan digunakan algoritma pembelajaran terhadap
sekumpulan data. Pada ANFIS juga memungkinkan aturan-aturan untuk
beradaptasi (Kusumadewi dan Hartati, 2010).
Menurut Kusumadewi dan Hartati (2006), Neuro Fuzzy Inference
System merupakan sekumpulan aturan dan suatu metode inferensi yang
dikombinasikan dalam suatu struktur terhubung kemudian dilakukan
pelatihan dan adaptasi.
Integrasi antara sistem fuzzy dengan jaringan syaraf memiliki beberapa
karakteristik, antara lain (Jang, 1997 dalam Kusumadewi dan Hartati, 2010):
a. Mampu mengimplementasikan kepakaran manusia;
b. Model komputasi diinspirasikan secara biologis;
c. Menggunakan komputasi numeris;
d. Mendukung domain untuk aplikasi-aplikasi baru, seperti pemrosesan
sinyal secara adaptif, kendali adaptif, identifikasi sistem non-linear,
regresi non-linear, dan pencocokan pola;
32
e. Pembelajaran dilakukan dengan model yang tidak terikat;
f. Proses komputasi dilakukan decara intensif;
g. Memiliki toleransi terhadap kegagalan;
h. Dapat digunakan untuk aplikasi-aplikasi pada dunia nyata
2.6.1. Arsitektur ANFIS
Misalkan ada 2 input X1, X2 dan satu output y. Ada 2 aturan pada
basis aturan model Sugeno (Jang, 1997 dalam Kusumadewi dan Hartati,
2010):
If X1 is A1 and X2 is B1 Then y1 = c11x1 + c12x2 + c10
If X1 is A2 and X2 is B2 Then y2 = c21x1 + c22x2 + c20
Jika predikat untuk aturan ke dua aturan adalah w1 dan w2, maka
dapat dihitung rata-rata terbobot:
Gambar 2.14 arsitektur ANFIS
w1y1 w2y2
w1
w1y1 + w2y2 w2
33
Jaringan ANFIS terdiri dari lapisan-lapisan sebagai berikut (Jang,
1997 dalam Kusumadewi dan Hartati, 2010):
a. Lapisan 1: Tiap-tiap neuron i pada lapisan pertama adaptif terhadap
parameter suatu fungsi aktivasi. Output dari tiap neuron berupa
derajat keanggotaan yang diberikan oleh fungsi keanggotaan input,
yaitu: A1(X1), B1(X2), A2(X1), atau B2(X2).
b. Lapisan 2: Tiap-tiap neuron pada lapisan ke dua berupa neuron tetap
yang outputnya adalah hasil dari masukan. Biasanya digunakan
operator AND. Tiap-tiap node merepresentasikan predikat dari
aturan ke-i.
c. Lapisan 3: Tiap-tiap neuron pada lapisan ke tiga berupa node tetap
yang merupakan hasil penghitungan rasio dari predikat (w), dari
aturan ke-i terhadap jumlah dari keseluruhan predikat.
, dengan i = 1,2.
d. Lapisan 4: Tiap-tiap neuron pada lapisan ke empat merupakan node
adaptif terhadap suatu output.
wiyi = wi(ci1x1+ci2x2+ci0); dengan i=1,2.
Dengan wi adalah normalised firing strength pada lapisan ke tiga dan
{ci1, ci2, ci0} adalah parameter-parameter pada neuron tersebut.
wi wi
w1 w2
34
parameter-parameter pada lapisan tersebut disebut dengan nama
consequent parameters.
e. Lapisan 5: Tiap-tiap neuron pada lapisan ke lima adalah node tetap
yang merupakan jumlahan dari semua masukan.
2.7. Konsep Dasar Citra Digital
Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari
suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat
bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti
gambar pada monitor televisi, atau bersifat digital yang dapat langsung
disimpan pada suatu media penyimpanan. (Sutoyo, dkk, 2009)
2.7.2. Citra Warna
Berdasarkan cara pembentukan komponen warnanya, model warna
dapat dibedakan menjadi dua macam warna yaitu model warna aditif dan
model warna subtraktif. Dalam model warna aditif, satu warna dibentuk
dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam
berbagai perbandingan. Dominasi salah satu warna pokok akan menggiring
warna yang dihasilkan ke arah salah satu warna pokok. Bila ketiga warna
pokok mempunyai kontribusi yang sama kuatnya, warna tidak akan muncul
dan sebagai gantinya yang muncul adalah hitam, abu-abu, atau putih,
tergantung pada kekuatan atau intensitas ketiga warna pokok (Ahmad, 2005).
35
2.7.2.1. Model Warna RGB
Model warna RGB adalah contoh dari sebuah model warna,
yaitu model yang formal untuk mendefinisikan dan menampilkan
warna-warna pada monitor komputer dan televisi (Ahmad, 2005).
2.7.2.2. Model Warna CMYK
Warna cyan(C), magenta (M), dan yellow(Y) adalah warna
komplementer terhadap Red, Green, dan Blue. Dua buah warna
komplementer jika dicampur dengan perbandingan yang tepat
menghasilkan warna putih. Model warna ini berorientasi hardware,
terutama untuk model printer. CMY digunakan hanya untuk
mengonversi sistem RGB menjadi sistem yang bisa dilihat oleh mata.
Model CMY dapat diperoleh dari model RGB dengan persamaan
berikut. (Sutoyo dan Mulyanto, 2009)
C=1-R.....2.7.2(a)
M=1-G.....2.7.2(b)
Y=1-B.....2.7.2(c)
Model CMY digunakan untuk mencetak warna. Pada
praktiknya, pencampuran warna CMY tidak akan menghasilkan warna
yang murni hitam (menghasilkan coklat lumpur). Oleh karena itu,
model CMY disempurnakan menjadi model CMYK, dengan K
36
menyatakan warna keempat agar dapat menghasilkan warna hitam
murni dengan perhitungan berikut. (Sutoyo dan Mulyanto, 2009)
K=min(C,M,Y).....2.7.2(d)
C=C-K..................2.7.2(e)
M=M-K................2.7.2(f)
Y=Y-K.................2.7.2(g)
Cyan, magenta, dan yellow adalah warna sekunder cahaya, atau
merupakan warna primer dari pigmen. Misalnya ketika permukaan
dilapisi dengan pigmen cyan diiluminasi dengan cahaya putih, tidak
ada cahaya merah yang dipantulkan dari permukaan. Hal tersebut
karena cyan mengurangi cahaya merah dari cahaya putih yang
dipantulkan, di mana dia terdiri dari perkiraan cahaya red, green, dan
blue. (Prasetyo E, 2012)
Banyak perangkat yang menyimpan pigmen berwarna pada
kertas, seperti printer dan mesin fotokopi berwarna, membutuhkan
data input CMY atau melakukan konversi RGB ke CMY secara
internal. Konversi ini dilakukan menggunakan operasi yang
sederhana. (Prasetyo E, 2012)
[𝐶𝑀𝑌
] = 1 − [𝑅𝐺𝐵
]
37
Di mana ada asumsi bahwa semua nilai warna dinormalisasi
dalam range [0,1]. Persamaan di atas menunjukkan bahwa cahaya
dipantulkan dari permukaan yang dilapisi dengan cyan murni tidak
berisi red (karena C = 1 – R dalam persamaannya). Dengan cara yang
sama, magenta murni tidak memantulkan green, dan yellow murni
tidak memantulkan blue. Persamaan di atas juga menyatakan bahwa
nilai RGB bisa didapatkan dari satu set nilai CMY dengan
mengurangkan setiap nilai dari nilai 1. Sebagaimana disebutkan
sebelumnya, pengolahan citra dengan model warna ini digunakan
dalam hubungan dengan pembuatan output hardcopy, sehingga
operasi invers dari CMY ke RGB secara umum jarang digunakan
dalam prakteknya. (Prasetyo E, 2012)
Jumlah yang sama untuk pigmen primer cyan, magenta, dan
yellow seharusnya menghasilkan hitam. Dalam prakteknya, kombinasi
tiga warna ini untuk pencetakan menghasilkan warna yang tidak
sepenuhnya hitam sehingga dengan tujuan untuk menghasilkan warna
hitam yang benar (yang biasanya lebih dominan dalam pencetakan),
warna keempat, black ditambahkan, memberikan kemunculan model
warna CMYK. Maka, ketika publisher mengatakan “four-color
printing” maksudnya adalah tiga warna dari model warna CMY
ditambah black. (Prasetyo E, 2012)
38
2.8. Prototype
Sebuah prototype adalah bagian dari produk yang mengekspresikan logika
maupun fisik antarmuka eksternal yang ditampilkan. Konsumen potensial
menggunakan prototype dan menyediakan masukan untuk tim pengembang
sebelum pengembang skala besar dimulai. Melihat dan mempercayai menjadi hal
yang diharapkan untuk dicapai dalam prototype. Dengan menggunakan
pendekatan ini, konsumen dan tim pengembang dapat mengklarifikasi kebutuhan
dan interpretasi mereka (Simarmata, 2010).
Gambar 2.15 Langkah-langkah Pendekatan Prototype
Gambar di atas menunjukkan pendekatan prototype pada umumnya
dan melibatkan beberapa langkah berikut:
39
1. Mengumpulkan dan menganalisis kebutuhan,
2. Melakukan perancangan cepat,
3. Membangun sebuah prototype,
4. Evaluasi dilakukan oleh konsumen atas prototype,
5. Perubahan rancangan dan prototype,
6. Apabila pelanggan kecewa dengan prototype yang telah dibangun,
ulangi langkah ke-5.
Apabila pelanggan puas terhadap prototype yang telah dibangun,
pengembangan produk berskala besar dapat dimulai.
Prototype adalah implementasi bagian dari produk software yang secara
typical fungsinya dibatasi, reliabilitas rendah, tampilannya miskin, dan kurang
ketegasan. Prototype sering dikembangkan secara cepat dalam bahasa tingkat
tinggi atau bahasa prototype tertentu, tanpa memperhatikan kebenaran dan
ketegapan dan sebagainya. (Ladjamudin, 2006)
Prototype memberikan ide bagi pembuat maupun pemakai potensial tentang
cara sistem berfungsi dalam bentuk lengkapnya. Proses menghasilkan sebuah
prototype disebut prototyping.
Protototyping paradigma dimulai dengan pengumpulan kebutuhan.
Pengembang dan pelanggan bertemu dan mendefinisikan obyektif keseluruhan
dari perangkat lunak, mengidentifikasi segala kebutuhan yang diketahui, dan area
40
garis besar di mana definisi lebih ajuh merupakan keharusan kemudian dilakukan
“perancangan kilat”. Perancangan kilat berfokus pada penyajian dari aspek-aspek
perangkat lunak tersebut yang akan nampak bagi pelanggan/pemakai (contohnya
pendekatan input dan format output). Perancangan kilat membawa kepada
konstruksi sebuah prototype. Prototype tersebut dievaluasi oleh
pelanggan/pemakai dan dipakai untuk menyaring kebutuhan pengembangan
perangkat lunak. Iterasi terjadi pada saat prototype disetel untuk memenuhi
kebutuhan pelanggan, dan pada saat yang sama memungkinkan pengembang
untuk secara lebih baik memahami apa yang harus dilakukannya. (Pressman,
2010)
2.8.1 Tujuan Utama Prototype
Tujuan utama pembuatan prototype secara garis besar dapat
dikelompokkan ke dalam tiga bagian yaitu (Ladjamudin, 2006):
a. Membantu pengembangan persyaratan, jika tidak dapat ditentukan dengan
mudah.
b. Mengesahkan persyaratan, khususnya dengan customer dan user yang
potensial.
c. Menyajikan sebagian tempat pengembangan, jika menggunakan strategi
pengembangan evolusi prototype.
41
2.8.2 Keuntungan Membuat Prototype
Manfaat yang dapat diambil dari pembuatan prototype bagi engineer
sebagai berikut (Ladjamudin, 2006):
a. Kesalahpahaman antara system developer dan system user dapat
diidentifikasi dan dibetulkan. Ciri-ciri yang membuat bingung user dapat
diidentifikasi dan dibetulkan. Kehilangan atau kesalahan persyaratan dapat
diidentifikasi.
b. Prototype yang sedang bekerja mungkin sangat berguna dalam suatu
pembuktian manajemen dimana suatu proyek adalah feasible sehingga
menjamin kelangsungan dukungan.
2.8.3 Prototype Throw-Away
Pendekatan pengembangan perangkat keras/lunak Rapid Throwaway
Prototyping dipopulerkan oleh Gomaa dan Scoot (1981) yang saat ini telah
digunakan secara luas oleh industri, terutama di dalam pengembangan aplikasi.
Pendektan ini biasanya digunakan dengan item yang berisiko tinggi (high-risk)
atau dengan bagian dari sistem yang tidak dimengerti secara keseluruhan oleh
para tim pengembang. Pada pendekatan ini, prototype “quick and dirty”
dibangun, diverifikasi oleh konsumne, dan dibuang hingga prototype yang
diinginkan tercapai pada saat proyek berskala besar dimulai. (Simarmata, 2010)
Prototype Throw-away dibuat untuk membantu memperjelas atau
membuat valid suatu persyaratan atau design, atau untuk menunjukkan
42
feasibilitas. Jika tujuan ini telah dicapai, maka prototype tidak akan dipakai.
(Ladjamudin, 2006)
2.9. MATLab
MATLab adalah sebuah bahasa pemrograman dengan unjuk kinerja tinggi
(high-performance) untuk komputasi teknis, yang mengintegrasikan komputasi,
visualisasi, dan pemrograman di dalam lingkungan yang mudah penggunaannya
dalam memecahkan persoalan dengan solusinya yang dinyatakan dengan notasi
matematik (Wijaya dan Prijono, 2007).
MATLab adalah sebuah sistem interaktif yang menggunakan elemen data
dasarnya adalah array yang tidak membutuhkan dimensi. Hal ini mempermudah
Anda untuk menyelesaikan masalah komputasi, terutama yang menyangkut
matriks dan vektor. Nama MATLab merupakan singkatan dari ‘matrix
laboratory’. Pada awalnya MATLab dibuat untuk mempermudah pengembangan
perangkat lunak berbasis matriks oleh proyek LINPACK dan EISPACK.
2.10. Studi Sejenis
1. Judul Penelitian: Identifikasi Retina Mata Manusia Menggunakan Sistem
Inferensi Neuro Fuzzy Adaptif
Penulis: Nurul Hikmah
Penerbit: Departemen Teknik Elektro. Fakultas Teknik Universitas
Indonesia. Depok
43
Tahun: 2008
Deskripsi: Penelitian ini bertujuan untuk mengenali citra mata manusia, baik
bagian kiri maupun kanan, menggunakan teknik pengolahan citra dan
Adaptive Neuro Fuzzy Inference System (ANFIS). Nilai rata-rata HSV dari
citra retina mata manusia dmasukkan ke dalam database dan dilatih dengan
ANFIS yang terdiri dari 2 jenis membership function yaitu Gaussian dan
Trapesium dengan 3 input dan 1 output. Hasil identifikasi memiliki tingkat
akurasi hingga 65% untuk membership function Trapesium dan 80% untuk
membership function Gaussian dengan 60 kali pelatihan ANFIS.
2. Judul Penelitian: Aplikasi Metode Otsu Untuk Identifikasi Bakteri
Tuberkulosis Secara Otomatis
Penulis: Nelly Mirnasari, Kusworo Adi. Jurusan Fisika Universitas
Diponegoro
Penerbit: Youngster Physics Journal
ISSN: 2302-7371
Tahun: 2013
Deskripsi: Penelitian ini membuat program yang dapat mengidentifikasi
bakteri tuberculosis dan jumlah banyaknya bakteri yang ada pada citra
masukan.
44
3. Judul Penelitian: Identifikasi Iris Mata Manusia Menggunakan Metode
Adaptive Neuro-Fuzzy Inference System
Penulis: Dwi Kris Setianto
Penerbit: Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia
Tahun: 2008
Deskripsi: Penelitian ini menganalisa proses pengenalan iris mata manusia
dengan teknik pengolahan citra menggunakan metode Adaptive Neuro
Fuzzy Inference System (ANFIS). Data iris dalam bentuk grayscale diolah
dan ditentukan region of interest nya, mengubah koordinat citra dari
koordinat kartesian menjadi koordinat polar, mengekstrak citra menjadi 3
bagian dan membuat blok-blok dari matriks horisontal lalu mengkodekan
dengan filter wavelet. Input merupakan nilai rata-rata dari matriks diagonal,
matriks vertikal, dan matriks horisontal. Program dapat mengidentifikasi
90% citra iris yang dilatih dan 25% citra iris yang tidak dilatih.
45
Tabel 2.1 Penelitian Sejenis
No Judul Tahun Penulis Kelebihan Kekurangan
1 Identifikasi Retina Mata
Manusia Menggunakan
Sistem Inferensi Neuro
Fuzzy Adaptif
2008 Nurul
Hikmah
- Aplikasi dapat mengidentifikasi
retina manusia.
- MF tipe gaussian dapat
mengidentifikasi lebih baik dari
pada MF tipe trapesium.
- Ada retina mata yang memiliki komponen
warna Hue yang agak serupa. Begitupun de-
ngan nilai Saturation nya sehingga program
hanya mampu mengidentifikasi 50% saja
dengan MF trapesium.
- Proses pengambilan ROI secara manual
menghasilkan akurasi yang lebih buruk dari
pada secara tetap.
2 Aplikasi Metode Otsu Untuk
Identifikasi Bakteri
Tuberkulosis Secara
Otomatis
2013 Nelly
Mirnasari,
Kusworo
Adi
- Performa terbaik jaringan
diperoleh ketika jumlah
membership functions untuk
masing-masing input pada lapusan
inputmf adalah 2 dengan jumlah
epoch adalah 40.
- Jaringan dapat mengenali dan
menghitung jumlah bakteri
tuberkulosis dengan baik.
Error semakin besar jika jumlah epoch semakin
kecil.
3 Identifikasi Iris Mata
Manusia Menggunakan
Metode Adaptive Neuro-
Fuzzy Inference System
2008 Dwi K.
Setianto
Aplikasi dapat mengidentifikasi data
yang sudah dilatih dengan tingkat
akurasi sebesar 90%.
- Akurasi dari data tidak dilatih sebanyak
25%.
- Posisi pengambilan citra iris mata kurang
baik.
- Diperlukan data sample yang lebih banyak.
- Nilai dari ketiga parameter input hasil data
sampling mempunyai kurva yang beririsan.
46
BAB III
METODOLOGI PENELITIAN
Pada penulisan tugas akhir ini, diperlukan data-data yang lengkap sebagai
bahan pendukung kebenaran materi uraian dan pembahasan. Oleh karena itu,
diperlukan metode pengumpulan data dan metode pengembangan sistem.
3.1. Metode Pengumpulan Data
Dalam pengumpulan data pada penelitian ini, dilakukan beberapa metode
guna mendapatkan data-data dan informasi yang terkait dengan identifikasi suatu
benda menggunakan metode ANFIS dan image processing. Adapun teknik
pengumpulan data yang dilakukan adalah observasi, studi pustaka, dan
wawancara.
3.1.1 Observasi
Penulis melakukan observasi atau pengamatan langsung ke
Perpustakaan Utama UIN Syarif Hidayatullah Jakarta untuk meneliti
perbedaan warna dan tekstur yang terlihat pada lembaran kertas buku yang
ada di perpustakaan. Berdasarkan hasil observasi, perpustakaan memiliki
buku-buku yang kertasnya merupakan jenis kertas HVS paling tua terbit pada
tahun 1969.
47
3.1.2. Wawancara
Dalam melakukan pengumpulan data dan fakta, penulis juga melakukan
wawancara secara langsung dengan pengamat benda kuno Bapak Victor
Amrizal M.Kom dan sarjana humaniora yang mempelajari ilmu arkeologi R.
Ahmad Ginanjar Purnawibawa sebagai konservator di Kementrian
Pendidikan dan Kebudayaan. Tujuan penulis melakukan wawancara ini yaitu
untuk mendapatkan keterangan mengenai pemahaman tentang benda kuno
terutama kertas kuno sehingga dapat diketahui bagaimana cara mengetahui
usia kertas.
3.1.3. Studi Pustaka
Pada tahapan pengumpulan data dengan cara studi pustaka, penulis
mencari referensi-referensi yang relevan dengan objek yang akan diteliti.
Pencarian referensi dilakukan di perpustakaan, toko buku, maupun secara
online melalui internet. Setelah mendapatkan referensi-referensi yang relevan,
selanjutnya penulis mencari informasi-informasi yang dibutuhkan dalam
penelitian. Informasi yang didapatkan digunakan dalam penyusunan latar
belakang, landasan teori, metodologi penelitian serta pengembangan
aplikasinya secara langsung.
3.2. Metode Pengembangan Sistem
Dalam penelitian ini, penulis melakukan pengembangan sistem melakukan
metode pengembangan Prototype menurut Janner Simarmata. Pada metode
Prototype ini terdapat empat tahap siklus pengembangan, yaitu Pengumpulan
48
Kebutuhan dan Analisis, Perancangan Cepat, Membangun Prototype, dan tahap
terakhir yaitu Evaluasi dan Pengujian.
3.2.1. Pengumpulan Kebutuhan dan Analisis
Dalam tahapan ini ada tiga hal yang perlu diperhatikan yaitu, analisis
masalah, pengkajian dan pembatasan masalah, dan mencari solusi dari
permasalahan yang ada.
3.2.2. Perancangan Cepat
Dalam tahapan perancangan cepat, penulis merancang Data Flow
Diagram menggunakan alat Power Designer 6 dan Flowchart menggunakan
tools Microsoft Office Visio 2007. Dalam pembuatan Basis Data digunakan
tools Notepad. Sedangkan untuk membuat antar muka aplikasi menggunakan
tools MATLAB GUI (Graphic User Interface).
3.2.3. Membangun Prototype
Pada tahap ini dilakukan pengkodean aplikasi yang telah dirancang
sebelumnya dalam tahapan perancangan cepat. Pengkodean aplikasi
dilakukan menggunakan bahasa pemrograman MATLAB dan dijalankan pada
desktop atau laptop.
3.2.4. Evaluasi dan Pengujian
Pada tahapan ini dilakukan tigas proses yaitu pengujian aplikasi,
dokumentasi, dan analisis hasil pengujian. Pengujian aplikasi bertujuan untuk
49
melihat hasil dari aplikasi yang telah dibuat apakah berjalan dengan baik atau
tidak. Pengujian yang dilakukan yaitu pengujian secara black box. Pengujian
blackbox dijalankan untuk mengamati apakah program telah berhasil
menerima input, memroses, dan menghasilkan output yang sesuai tanpa
melihat source code aplikasi.
3.3. Peralatan Penelitian
Dalam penelitian ini, penulis menggunakan Laptop Acer Aspire 4738
dengan spesifikasi processor Intel Core i3-370M, RAM 2GB, dan Hard Disk 500
GB. Hardware pelengkap yaitu scanner merangkap printer HP Deskjet 1510.
Software yang digunakan yaitu MATLAB R2011b, Microsoft Office Visio
2007, dan Notepad.
50
3.4. Kerangka Alur Penelitian
Gambar 3.1. Kerangka Alur Penelitian
51
BAB IV
HASIL DAN PEMBAHASAN
4.1. Pengumpulan Kebutuhan dan Analisis
4.1.1. Analisis Masalah
Dalam menganalisa masalah, yang pertama kali dilakukan yaitu
menentukan parameter apa yang digunakan sebagai masukan sistem.
Kedua, observasi yang dilakukan penulis menunjukkan bahwa yang akan
digunakan sebagai acuan input yaitu perhitungan yang dilihat dari
ekstraksi warna citra. Ketiga, bagaimana dari input nilai citra tersebut
dapat diidentifikasi oleh ANFIS yang nantinya dapat menghasilkan output
sehingga masalah dalam memprediksi usia kertas terselesaikan.
4.1.2. Pengkajian dan Pembatasan Masalah
Aplikasi prediksi usia kertas merupakan aplikasi yang dapat
memprediksi usia kertas hanya dengan memasukkan input citra hasil scan
lembaran kertas. Prediksi usia kertas dapat dilakukan dengan mengambil
nilai unik citra RGB yang akan dikonversi ke dalam nilai CMYK yang
merupakan identitas setiap citra kertas dan melalui proses matching atau
pencocokan terhadap data latih.
52
Database yang digunakan merupakan data latih dari citra hasil scan
kertas hvs yang diterbitkan dalam rentang waktu 45 tahun. Yaitu tahun
1969-2013.
4.1.3. Mencari Solusi Masalah
Dalam penelitian ini, penulis melakukan uji coba aplikasi prediksi usia
kertas berdasarkan perubahan warna yang terlihat dari hasil scan citra kertas
menggunakan fitur ekstraksi warna model CMYK dan metode ANFIS kurva
gaussian.
4.1.3.1. Mengubah Nilai RGB Menjadi CMYK
a. Kita ambil contoh 7 baris dan 3 kolom pertama nilai R, G, dan B
dari citra kertas yang sudah discan.
R G B
b. Mengubah nilai RGB sehingga mendapatkan nilai CMY dengan
cara seperti di bawah ini.
C=1-224 1-226 1-226 ...
M=1-203 1-205 1-205 ...
Y=1-176 1-178 1-178 ...
53
C M Y
c. Setelah mendapatkan nilai C, M, dan Y, hitung hasil akhir agar
memperoleh nilai C, M, Y, dan K dengan rumus di bawah ini:
K= min(C,M,Y) = -161
C=C-K ...
M=M-K ...
Y=Y-K ...
Maka hasil nilai RGB yang sudah di konversi menjadi nilai CMYK
yaitu:
C M Y
d. Setelah itu, hitung rata-rata dari setiap nilai C, M, Y, dan K
kemudian tentukan bobot yang selanjutnya akan dimasukkan
sebagai data yang ingin di latih ke dalam ANFIS.
Mean C = ∑𝐶
∑𝑛=
−1333
21 = - 63,4762
54
Mean M = ∑𝑀
∑𝑛=
−877
21 = - 41,7619
Mean Y = ∑𝑌
∑𝑛=
−296
21` = -14,0952
Nilai K = - 161
4.1.3.2. Menentukan Nilai Bobot dan Output dari ANFIS
Untuk pengelompokan bobot dan nilai output, penulis membuat
empat kelompok berdasarkan observasi yang penulis lakukan. Bobot satu
artinya tua yaitu tahun (1969-1984), bobot dua artinya sedang yaitu tahun
(1985-2000), dan bobot tiga artinya muda yaitu tahun (2001-2015). Satu
bobot terakhir yaitu bobot ke-empat merupakan nilai bobot kertas yang
warna nya sengaja dituakan melalui proses perendaman cairan kopi dan
teh dan proses pengeringan dengan microwave, bukan perubahan warna
yang terjadi karena waktu.
Pengambilan tahun paling tua 1969 dilakukan penulis karena
berdasarkan dari hasil observasi penulis di Perpustakaan Utama UIN
Jakarta, buku paling tua yang memiliki jenis kertas HVS memiliki tahun
terbit 1969. Sedangkan, rentang waktu 45 tahun diambil karena sudah
terlihat perbedaan warna dari buku dalam satu kategori dengan kategori
lainnya.
55
Jangkauan pada hasil output bisa berupa linear jika data latih
diperbanyak. Batas nilai maksimum dan minimum dari nilai keluaran
berdasarkan data yang telah dilatih dan diuji oleh ANFIS yaitu:
Tabel 4.1 Nilai Ouput Data Latih Tertinggi dan Terendah
Output Keterangan Nilai Maksimum Nilai Minimum
Tua 1969-1984 1.45 0.81
Sedang 1985-2000 2.12 1.53
Muda 2001-2015 3.13 2.8
Buatan manipulated 4.07 3.95
56
4.2. Perancangan Cepat
4.2.1 Perancangan Data Flow Diagram
Data Hasil Identifikasi
Data Hasil Identifikasi
Data Hasil Pencocokan
Data Latih
Data Nilai Rata rata CMYK
Gambar hasil scan kertas
Data Hasil Pencocokan
Data Latih
Data Nilai Rata rata CMYK
Informasi Hasil Identifikasi
Gambar Hasil Scan Kertas
Data Hasil Pencocokan
Data Latih
Data Nilai Rata rata CMYK
SISTEM
USER
1
Olah Gambar
2
Olah Nilai
3
Pencocokan
4
Identifikasi
Nilai rata rata
CMYK
Latih
Hasil Pencocokan
Hasil Identifikasi
Gambar 4.1. Data Flow Diagram Aplikasi Prediksi Usia Kertas
57
4.2.2. Perancangan Flowchart
4.2.2.1. Flowchart Aplikasi
Gambar 4.2. Flowchart Aplikasi
Pra-proses
58
Alur kerja dimulai dari masukkan citra hasil scan lembaran kertas
yang ingin diuji, lalu sistem akan membaca citra dan mengolah citra. Citra
akan di crop secara otomatis sebesar 100x350 piksel oleh sistem lalu citra
hasil crop disebut Region of Interest (ROI). ROI merupakan area yang
dipilih untuk dihitung nilai CMYK nya. Selanjutnya ROI pada citra akan
di block oleh sistem untuk diketahui nilai RGB nya. Nilai RGB akan
diubah menjadi nilai CMYK dan didapatkan nilai rata-rata CMYK. Nilai
ini selanjutnya akan melalui proses matching terhadap Fuzzy Inference
System dari 60 data yang sudah dilatih dengan ANFIS.
4.2.3. Pembuatan Basis Data
Basis data yang dipakai oleh penulis berisikan nilai rata-rata C, M, Y,
K, dan pemberian bobot dari citra data latih. Untuk penentuan data latih,
penulis menggunakan citra hasil scan lembaran kertas dari buku sebanyak 60
data dengan rincian 15 citra perkatergori. Pengambilan citra harus dilakukan
dengan scanner agar setiap kertas memiliki pencahayaan yang sama.
Tabel 4.2 Hasil Data Training Citra Kertas Kategori Tua
No Kategori Nilai Rata-Rata
Output C M Y K
1
Tua
2,0082 1,9483 1,8631 244,4090 1,14
2 2,0084 1,9293 1,8274 240,4170 0,98
3 2,0081 1,9508 1,8608 246,8220 0,93
4 2,0081 1,9692 1,9016 249,3790 1,24
5 2,0081 1,9543 1,8654 248,1900 1,22
6 2,0081 1,9557 1,8663 248,6220 1,12
7 2,0081 1,9670 1,8975 249,4530 1,34
59
8 2,0080 1,9915 1,9590 249,4280 1
9 2,0080 1,9936 1,9589 249,6720 0,97
10 2,0080 1,9934 1,9582 249,4210 1,18
11 2,0081 1,9862 1,9416 249,2440 0,80
12 2,0082 1,9470 1,8602 244,6730 0,80
13 2,0082 1,9500 1,8632 246,3040 1,20
14 2,0082 1,9491 1,8630 244,2720 1,41
15 2,0082 1,9493 1,8649 245,8390 1,14
Tabel 4.3 Hasil Data Training Citra kertas kategori Sedang
No Kategori Nilai Rata-Rata
Output C M Y K
1
Sedang
2,0082 1,9643 1,8958 246,3300 1,89
2 2,0080 1,9680 1,8980 250,2590 1,73
3 2,0081 1,9630 1,8853 248,7020 1,92
4 2,0081 1,9573 1,8802 246,7890 2,19
5 2,0081 1,9550 1,8735 246,9950 2
6 2,0082 1,9510 1,8633 245,0680 1,71
7 2,0080 1,9610 1,8758 250,0610 2
8 2,0081 1,9548 1,8680 247,6650 1,66
9 2,0081 1,9613 1,8817 248,7750 1,89
10 2,0082 1,9529 1,8726 246,5610 1,56
11 2,0083 1,9597 1,8861 242,8930 1,99
12 2,0085 1,9441 1,8559 236,3550 1,95
13 2,0084 1,9400 1,8487 238,5740 1,95
14 2,0085 1,9463 1,8588 237,6020 2,09
15 2,0083 1,9542 1,8727 241,3340 1,97
Tabel 4.4 Hasil Data Training Citra Kertas kategori Muda
No Kategori Nilai Rata-Rata
Output C M Y K
1
Muda
2,0001 2,0064 2,0051 252,1120 3
2 1,9999 2,0039 2,0068 252,1710 3,01
3 1,9985 2,0041 2,0061 252,2210 3,03
60
4 2,0004 2,0038 2,0070 251,9910 3,01
5 1,9939 2,0008 2,0072 250,6750 2,97
6 1,9917 1,9993 2,0076 250,1800 3,02
7 1,9946 2,0004 2,0073 251,1040 3,02
8 1,9934 2,0002 2,0074 251,1380 2,97
9 2,0017 2,0063 2,0061 251,7110 2,93
10 2,0027 2,0070 2,0060 251,2190 2,96
11 2,0005 2,0067 2,0050 250,2560 3,02
12 2,0008 2,0065 2,0051 251,3270 3,04
13 1,9835 1,9978 2,0079 250,7320 2,99
14 1,9894 2 2,0077 251,0960 3
15 1,9840 1,9981 2,0079 251,0990 3,01
Tabel 4.5 Data Training Citra Kertas Kategori Buatan
No Kategori Nilai Rata-Rata
Output C M Y K
1
Buatan
2,0100 1,8463 1,6796 202,3580 3,98
2 2,0091 1,8891 1,7613 220,0820 3,99
3 2,0103 1,8350 1,6924 196,0800 4
4 2,0107 1,8231 1,6622 188,0130 4
5 2,0091 1,8805 1,7498 220,1260 4,02
6 2,0091 1,8857 1,7638 220,0600 4,01
7 2,0088 1,8891 1,7591 228,7500 4
8 2,0087 1,8965 1,7721 231,2380 4,01
9 2,0090 1,8900 1,7703 223,0840 3,97
10 2,0088 1,9053 1,7988 229,4810 4,01
11 2,0090 1,8851 1,7537 222,2500 3,99
12 2,0092 1,8789 1,7488 219,4040 4
13 2,0089 1,8992 1,7809 225,3450 4,04
14 2,0088 1,9068 1,7971 227,6100 3,98
15 2,0097 1,8578 1,7209 208,5751 4
61
4.2.4 Perancangan Antar Muka
Perancangan antar muka memberikan informasi dan keterangan yang
bertujuan untuk membantu pengguna menemukan solusi dari permasalahan
yang ada.
Gambar 4.3 Perancangan Antar Muka Halaman Utama
Dalam perancangan antar muka, terdapat:
- Header: judul aplikasi.
- Gambar asal: menampilkan citra yang diuji.
- Gambar hasil: menampilkan citra setelah proses pemisahan Region of
Interest
- Keterangan gambar asal: Informasi letak dan ukuran citra asal.
- Pilih: Memilih citra yang akan diuji.
62
- Potong: Memotong citra secara otomatis 100x350 piksel pada baris ke
satu kolom ke satu.
- CMYK: Tombol ini memroses citra agar mendapatkan nilai rata-rata C,
M,Y, K.
- Lihat Hasil: Tombol untuk melihat hasil prediksi.
- Hasil Identifikasi: Tempat hasil identifikasi keluar.
- Keterangan hasil: penjelasan dari hasil identifikasi
- Keluar: Keluar dari program.
Gambar 4.4 Perancangan Antar Muka Halaman Tentang Aplikasi
Dalam perancangan antar muka halaman tentang aplikasi terdapat
keterangan tentang Aplikasi Prediksi Usia Kertas.
63
4.3. Membangun Prototipe
4.3.1. Pengkodean Aplikasi
Pada tahap ini dilakukan pembuatan aplikasi yang telah dirancang
sebelumnya menggunakan bahasa pemrograman MATLab dan database
dalam bentuk file.txt menggunakan Notepad.
4.3.1.1. Membangun User Interface dengan MATLab GUI
Gambar 4.5 User Interface Halaman Utama
Gambar 4.6 User Interface Halaman Tentang Aplikasi
64
4.3.1.2. Proses Crop Region of Interest Block
Proses ini merupakan proses pemotongan dan pemisahan
gambar menjadi persegi panjang dengan ukuran sebesar 100x350
piksel. Pada proses ini, bagian ROI yang sudah di crop akan di block
oleh sistem dengan tujuan bagian ini akan menjadi daerah pengujian
dari citra.
Pada setiap citra dilakukan satu kali pemisahan, yaitu pada
bagian tepi kiri atas kertas karena bagian tersebut menunjukkan
perbedaan warna kertas yang dapat kita lihat perkategorinya. Lalu
Region of Interest akan di blok oleh sistem untuk dihitung nilai rata-
rata C, M, Y, dan K.
Pemisahan ini dilakukan untuk memisahkan bagian kertas
yang diinginkan untuk didapatkan identitas nilai CMYK yang
nantinya akan dimasukkan kedalam database utama sebagai data latih.
Selanjutnya database akan dilatih dan diuji dengan metode ANFIS.
Kode pada aplikasi:
C=imcrop(I,[1 1 100 350]);
4.3.1.3. Ekstraksi Fitur Warna CMYK
Pada proses ekstraksi warna didahului dengan mengambil nilai
red, green dan blue dari citra asal. Selanjutnya nilai tersebut akan
dikonversi menjadi nilai cyan, magenta, yellow, dan black yang
nantinya digunakan sebagai parameter input. Kode pada aplikasi:
65
R=I(:,:,1); %melihat nilai red
G=I(:,:,2); %melihat nilai green
B=I(:,:,3); %melihat nilai blue
rg=min(1-R,1-G);%nilai min (1-r) dan (1-g)
K=min(rg,1-B); %mencari nilai k
K=abs(K); %ubah nilai k menjadi absolut k
C=(1-R-K)./(1-K); %mendapatkan nilai c
M=(1-G-K)./(1-K); %mendapatkan nilai m
Y=(1-B-K)./(1-K); %mendapatkan nilai y
Pengkonversian ini dilakukan karena daerah warna CMYK
merupakan warna komplementer terhadap RGB. Dua buah warna
komplementer jika dicampur dengan perbandingan yang tepat
menghasilkan warna putih, yaitu warna asal kertas.
Untuk mendapatkan ciri citra dalam suatu nilai tunggal didapat
dengan cara mencari rata-rata dari setiap hasil penjumlahan nilai C,
M, Y, K dibagi dengan hasil kali piksel. Sehingga sebuah citra
memiliki ciri-ciri dari nilai rata-rata C, M, Y, dan K.
Nilai rata-rata CMYK ini selanjutnya akan digunakan sebagai
parameter karakteristik bagi ANFIS dimana dalam tahap ini terjadi
proses pencocokan menggunakan fungsi keanggotaan Gaussian.
c=mean2(C); %memperoleh nilai rata-rata C
m=mean2(M); %memperoleh nilai rata-rata M
y=mean2(Y); %memperoleh nilai rata-rata Y
k=mean2(K); %memperoleh nilai rata-rata K
4.3.1.4. Proses Matching
Proses matching atau pencocokan merupakan proses
pengenalan citra masukkan oleh FIS yang sebelumnya sudah diuji
66
menggunakan data latih pada ANFIS editor pada matlab yang
digunakan untuk perancangan ANFIS. Tahapan-tahapan yang dilalui
untuk melakukan perancangan sistem ANFIS yaitu:
1. Pertama, memasukkan data latih berupa database nilai rata-rata
C, nilai rata-rata M, nilai rata-rata Y, nilai rata-rata K, dan nilai
bobot atau weight yang disimpan ke dalam text file.
Gambar 4.7 Anfis Editor
2. Lakukan load data, pilih database yang terdiri 60 data latih untuk
dilatih dan diuji.
Gambar 4.8 Anfis Editor Setelah Pemilihan Data Latih
67
3. Selanjutnya dilakukan proses generate FIS untuk memilih tipe
Membership Function input gaussmf dan Membership Function
Output tipe linear. Tipe membership function output linear dipilih
karena menghasilkan data latih yang lebih baik dan error yang
lebih kecil daripada tipe constant.
Gambar 4.9 Pemilihan Fungsi Keanggotaan
4. Pada proses training, lakukan pengaturan epoch sebanyak 50
lalu lakukan train. Pada penelitian sebelumnya (Hikmah,
Nurul, 2008), proses training ini menggunakan metode hybrid,
yaitu proses pembelajaran yang terdiri atas dua bagian, arah
maju dan arah mundur. Pada arah maju, parameter premis
dibuat tetap. Dengan menggunakan metode Recursive Least
Square Estimator (RLSE), parameter konsekuen diperbaiki
berdasarkan pasangan data masukan-keluaran. Metode RLSE
68
dapat ditetapkan karena parameter konsekuen yang diperbaiki
adalah parameter linier. Metode RLSE akan mempercepat
proses belajar hybrid. Setelah parameter konsekuen
didapatkan, data latih akan dimasukan kembali ke dalam
jaringan adaptif lalu hasil output akan dibandingkan dengan
bobot yang sudah ditentukan.
Sedangkan pada arah mundur parameter konsekuen dibuat
tetap. Kesalahan yang terjadi antara keluaran jaringan adaptif
dan keluaran sebenarnya dipropagasikan balik dengan
menggunakan gradient descent untuk memperbaiki parameter
premis.
Nilai epoch yang ditentukan mempengaruhi hasil keluaran
pada proses training dan testing data latih terhadap jaringan
ANFIS. Pada nilai epoch tertentu, aplikasi mampu mengenali
citra kertas dengan baik.
69
Gambar 4.10 Proses Pelatihan Data
5. Tanda o warna biru pada gambar hasil pengujian di bawah merupakan
masukan data latih sedangkan tanda * merah adalah hasil keluaran dari
proses training dan testing dengan ANFIS. Dari proses tersebut didapat
kesalahan rata-rata sebesar 0.14008. Semakin kecil nilai kesalahan rata-
rata, maka proses pengenalan terhadap data masukan akan semakin baik.
Gambar 4.11 Hasil Pelatihan dan Pengujian FIS Terhadap Data Latih
70
4.3.1.5. Hasil Pelatihan dan Pengujian ANFIS
4.3.1.5.1. Arsitekur ANFIS
Dari proses pelatihan dan pengujian ANFIS terhadap
data latih terbentuklah arsitektur ANFIS. Pada arsitektur
ANFIS terdapat lima lapusan di mana pada setiap lapisan
terdapat empat input, pembentukan tiga fungsi keanggotaan
input, pembentukan basis aturan fuzzy sebanyak 81 aturan (3
fungsi keanggotaan dipangkatkan dengan 4 input), 81 fungsi
keanggotaan output, dan satu keluaran.
Gambar 4.12 Arsitektur ANFIS yang Terbentuk
71
4.3.1.5.2. Membership Function
Gambar 4.13 Membership Function input 1 (Nilai C)
Input1 merupakan nilai rata-rata C yang mempunyai
rentang nilai 1.984 sampai dengan 2.011
Gambar 4.14 Membership Function input 2 (Nilai M)
72
Input2 merupakan nilai rata-rata M yang memiliki nilai
paling kecil 1.823 dan nilai paling besar 2.007.
Gambar 4.15 Membership Function input 3 (Nilai Y)
Input3 adalah nilai rata-rata Y yang memiliki nilai 1.662
sampai dengan 2.008.
Gambar 4.16 Membership Function input 4 (nilai K)
73
Input4 merupakan nilai K yang memiliki rentang nilai
188 sampai dengan 252.2
Gambar 4.17 Membership Function Output
Output yaitu nilai bobot dengan jangkauan 1 sampai dengan
4.
4.3.1.5.3. Rule Base
Gambar 4.24 merupakan rule viewer yang berisi 81 rule base.
pada rule viewer kita bisa mengetahui nilai output hanya
dengan memasukkan nilai input lalu menekan enter.
74
Gambar 4.18 Aturan-aturan Fuzzy
4.3.1.6. Perancangan Output
Setelah data latih melalui proses training dan testing, output dapat
diketahui dengan cara:
fis=readfis('g50');%evaluasi terhadap fis yang dilatih
dengan ANFIS editor out=evalfis([c m y k],fis);%out merupakan nilai output
dari proses pelatihan ANFIS terhadap inputan nilai CMYK
Lalu membagi output ke dalam empat kategori, yaitu:
if (out>=0.81 & out<=1.45) set(handles.txtResult,'String','Tua'); set(handles.test,'String','Diperkirakan berusia
sekitar 32-46 tahun'); elseif (out>=1.53 & out<=2.12) set(handles.txtResult,'String','Sedang'); set(handles.test,'String','Diperkirakan berusia
sekitar 17-31 tahun'); elseif (out>=2.8 & out<=3.13) set(handles.txtResult,'String','Muda'); set(handles.test,'String','Diperkirakan berusia
sekitar 2-16 tahun'); elseif (out>=3.95 & out<=4.07)
75
set(handles.txtResult,'String','Buatan'); set(handles.test,'String','Kertas tidak mengalami
proses penuaan '); else set(handles.txtResult,'String','Tidak
Teridentifikasi!'); end
Hasil berjalannya aplikasi yaitu:
Gambar 4.19 Halaman Utama Aplikasi Prediksi Usia Kertas
76
Gambar 4.20 Tentang Aplikasi Prediksi Usia Kertas
Gambar 4.21 Hasil Identifikasi Kertas Kategori Tua
77
Gambar 4.22 Hasil Identifikasi Kertas Kategori Sedang
Gambar 4.23 Hasil Identifikasi Kertas Kategori Muda
78
Gambar 4.24 Hasil Identifikasi Kertas Kategori Buatan
Gambar 4.25 File pdf Cara Menggunakan Aplikasi
79
4.4. Evaluasi dan Pengujian
4.4.1. Pengujian Aplikasi
Pengujian aplikasi ini dilakukan dengan pengujian secara black box dan
pengujian tingkat keberhasilan aplikasi. Pengujian black box yang dipilih
yaitu dengan functional testing dan user acceptance testing.
4.4.1.1. Functional Testing
Pada functional testing, perangkat lunak diuji untuk
persyaratan fungsional. Pengujian dilakukan dalam bentuk tertulis
untuk memeriksa apakah aplikasi berjalan seperti yang diharapkan
(Simarmata, 2010).
80
Tabel 4.6 Skenario Functional Testing
ID
Case Test Plan Expected Result Prerequisites Procedure Actual Result Status
FT01 Menampilkan citra asal Aplikasi mampu
menampilkan citra asal
Pengguna memilih
citra hasil scan kertas
Pengguna memilih
button browse
Aplikasi berhasil
menampilkan citra asal Valid
FT02 Menampilkan path
image
Aplikasi mampu
menampilkan path dari
citra asal
Aplikasi sudah
menampilkan citra
Pengguna memilih
citra masukan
Aplikasi berhasil
menampilkan path image Valid
FT03 Pemisahan region of
interest
Aplikasi mampu
melakukan proses
cropping
Pengguna memilih
crop image
Pengguna memilih
button crop image
Aplikasi berhasil
melakukan proses cropping Valid
FT04 Menampilkan citra hasil
crop image
Aplikasi mampu
menampilkan citra hasil
cropping
Aplikasi sudah
melakukan cropping
image
-
Aplikasi berhasil
menampilkan citra hasil
cropping
Valid
FT05 Mengubah nilai RGB
menjadi CMYK
Aplikasi mampu
mengubah nilai
pengguna memilih
pengubahan nilai
RGB menjadi CMYK
Pengguna memilih
button CMYK
Aplikasi berhasil mengubah
nilai citra Valid
FT06 Mengidentifikasi citra
kertas kategori tua
Aplikasi dapat
mengidentifikasi citra
kertas kategori tua
Pengguna memilih
citra kertas kategori
tua
Pengguna memilih
button See Result
Aplikasi berhasi
mengidentifikasi citra
kertas kategori tua
Valid
FT07 Mengidentifikasi citra
kertas kategori sedang
Aplikasi dapat
mengidentifikasi citra
kertas kategori sedang
Pengguna memilih
citra kertas kategori
sedang
Pengguna memilih
button See Result
Aplikasi berhasi
mengidentifikasi citra
kertas kategori sedang
Valid
FT08 Mengidentifikasi citra
kertas kategori muda
Aplikasi dapat
mengidentifikasi citra
Pengguna memilih
citra kertas kategori
Pengguna memilih
button See Result
Aplikasi berhasil
mengidentifikasi citra Valid
81
kertas kategori muda muda kertas kategori muda
FT09 Mengidentifikasi citra
kertas kategori buatan
Aplikasi dapat
mengidentifikasi citra
kertas kategori buatan
Pengguna memilih
citra kertas kategori
buatan
Pengguna memilih
button See Result
Aplikasi berhasi
mengidentifikasi citra
kertas kategori buatan
Valid
FT10 Menyetel ulang aplikasi Aplikasi mampu disetel
ulang
Pengguna menyetel
ulang aplikasi
Pengguna memilih
menu, reset
Aplikasi berhasil disetel
ulang Valid
FT11 Melihat panduan
pengguna
Aplikasi mampu
menampilkan panduan
pengguna
Pengguna melihat
panduan pengguna
Pengguna memilih
menu, user manual
Aplikasi berhasil
menampilkan panduan
pengguna
Valid
FT12 Melihat halaman tentang
aplikasi
Aplikasi mampu
menampilkan halaman
tentang aplikasi
Pengguna melihat
halaman tentang
aplikasi
Pengguna memilih
menu about
Aplikasi berhasil
menampilkan halaman
tentang aplikasi
Valid
FT13 Keluar dari aplikasi Aplikasi mampu
berhenti dan keluar
Pengguna keluar dari
aplikasi
Pengguna memilih
button Exit
Aplikasi mampu berhenti
dan keluar Valid
82
4.4.1.2. User Acceptance Testing (UAT)
Pada jenis user acceptance testing, aplikasi diserahkan
kepada pengguna untuk mengetahui apakah perangkat lunak
memenuhi harapan pengguna dan bekerja seperti yang diharapkan
(Simarmata, 2010).
Pada pengujian ini, diberikan kuisioner kepada 30
responden. Responden merupakan orang-orang yang
memungkinkan menjadi pengguna aplikasi yang berasal dari
bidang ilmu arkeologi (6 orang), ilmu perpustakaan dan kearsipan
(6 orang) , teknologi informasi (9 orang), pegawai bank (1 orang),
maupun pegawai pemerintahan (8 orang).
1. Aplikasi ini berjalan dengan baik (tanpa error)
27%
73%
0%0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.26 Diagram hasil pengujian berjalannya aplikasi
83
2. Aplikasi ini dapat memprediksi hasil yang sesuai
17%
70%
13%0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.27 Diagram keberhasilan aplikasi
3. Aplikasi ini membantu dalam memprediksi usia kertas
27%
60%
13%0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.28 Diagram manfaat penggunaan aplikasi dalam
memprediksi usia kertas
84
4. Aplikasi ini dibutuhkan untuk mengetahui usia kertas
27%
70%
3% 0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.29 Diagram kebutuhan akan aplikasi
5. Aplikasi ini lebih efisien (hemat waktu, biaya, dan energi)
dibandingkan pengujian metode konvensional (dengan
laboratorium)
40%
57%
3% 0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.30 Diagram efisiensi aplikasi
85
6. Aplikasi ini mudah digunakan
35%
46%
19%0%
Sangat Setuju
Setuju
Tidak Setuju
Sangat Tidak Setuju
Gambar 4.31 Diagram kemudahan aplikasi
4.4.1.3. Pengujian Akurasi Aplikasi
Pengujian tingkat keberhasilan aplikasi dilakukan dengan
menjalankan aplikasi untuk mengidentifikasi data latih dan data
yang belum dilatih. Detail pengujian ada pada lampiran B.
Tabel 4.7 Hasil Pengujian Data Latih
KATEGORI
KERTAS HASIL BENAR HASIL SALAH
BUATAN 15 0
MUDA 15 0
SEDANG 15 0
TUA 15 0
Total 60 0
86
Tabel 4.8 Hasil Pengujian Data yang Belum Dilatih
4.4.2. Dokumentasi
Pada tahapan ini, penulis melakukan dokumentasi mulai dari
melakukan pencarian data sampai dengan pengujian aplikasi. Pengumpulan
data latih berupa citra hasil scan lembaran kertas, yaitu:
1. Kertas Kategori Buatan
Kertas kategori buatan merupakan kertas yang sengaja dituakan.
Berdasarkan observasi dan pengalaman penulis, ada cara untuk membuat
warna kertas terlihat seperti kertas tua (kuning kecoklatan) yaitu dengan
merendam atau mengolesi kertas hvs putih ke dalam cairan teh atau kopi
dan setelah itu kertas dikeringkan dengan cara dijemur maupun di dalam
microwave.
KATEGORI
KERTAS HASIL BENAR HASIL SALAH
BUATAN 0 10
MUDA 4 6
SEDANG 6 4
TUA 7 3
Total 17 23
87
Gambar 4.32 Data Latih Kertas yang Dituakan
2. Kertas Kategori Muda
Lembaran kertas ini berasal dari buku yang terbit pada tahun 1999-
2013 sehingga usia kertas berkisar antara 2-16 tahun.
Gambar 4.33 Data Latih Lembaran Kertas Kategori Muda
88
3. Kertas Kategori Sedang
Lembaran kertas berasal dari buku yang terbit pada tahun 1984-1998.
Usia kertas berkisar antara 17-31 tahun.
Gambar 4.34 Data Latih Lembaran Kertas Kategori Sedang
4. Kertas Kategori Tua
Lembaran kertas ini berasal dari buku yang terbit tahun 1969-1983.
Usia kertas berkisar antara 32-46 tahun.
Gambar 4.35 Data Latih Lembaran Kertas Kategori Tua
89
4.4.3 Analisa Hasil Pengujian
Pada pengujian aplikasi prediksi usia kertas menggunakan metode
ANFIS dan image processing. Aplikasi dapat mengidentifikasi 77 citra
dengan benar dan 23 citra salah teridentifikasi dari total 100 data input.
Presentasi keberhasilan keseluruhan sebesar 77% dengan rincian akurasi
pengujian kertas kategori buatan 15%, kategori muda 19%, kategori sedang
21%, dan kategori tua sebesar 22%.
Dari 100 data latih yang ditraining, didapatkan seluruh citra
teridentifikasi dengan benar. Hal tersebut menunjukkan persentase
keberhasilan mengidentifikasi data yang sudah di latih sebesar 100%.
Sedangkan, dari 40 data yang belum dilatih atau belum melalui proses
training ANFIS terdapat 17 hasil yang benar teridentifikasi dan 23 citra salah
teridentifikasi. Persentase keberhasilan mengidentifikasi data yang belum
dilatih sebesar 42,5%.
Pada data yang belum dilatih berkategori kertas tua memiliki akurasi
sebesar 70%. Kategori kertas sedang memiliki akurasi sebesar 60%. Kategori
kertas muda memiliki akurasi sebesar 40%. Pada data uji kertas kategori
buatan, aplikasi belum bisa memprediksi dengan benar. Hal ini dikarenakan
nilai output dari FIS citra kertas yang ingin diuji tidak masuk dalam daerah
jangkauan data latih kategori buatan.
Dapat disimpulkan bahwa data yang telah dilatih memiliki hasil
persentase yang lebih besar daripada data yang belum dilatih. Hal tersebut
90
terjadi karena nilai output dari data yang belum dilatih berada di luar
jangkauan dari data yang sudah dilatih. Solusi untuk aplikasi agar memiliki
tingkat keberhasilan yang lebih tinggi yaitu dengan melakukan penambahan
data latih.
91
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan penelitian yang dilakukan, penulis dapat menyimpulkan
bahwa untuk membaca identitas dari setiap citra dapat digunakan pemrosesan
citra dengan mengkonversi warna RGB menjadi CMYK. Metode Adaptive Neuro
Fuzzy Inference System dapat digunakan sebagai alat pencocokan dalam
memprediksi usia kertas terhadap data citra kertas yang telah dilatih.
Dari hasil pengujian terhadap data masukan, aplikasi ini memiliki tingkat
keberhasilan keseluruhan sebesar 77%. Dalam memprediksi usia kertas terhadap
data yang sudah dilatih, aplikasi mendapatkan nilai akurasi 100%. Sedangkan
pada data yang belum dilatih tingkat akurasi hanya 42,5%.
Semakin banyak data sample yang dilatih, akurasi hasil identifikasi akan
semakin tinggi. Dengan adanya aplikasi ini, usia kertas dengan mudah dapat
diprediksi berdasarkan rentang tahun terbit kertas tersebut tanpa harus melakukan
uji laboratorium.
5.2. Saran
Aplikasi yang dibuat oleh penulis masih memiliki banyak kekurangan
sehingga informasi yang dikeluarkan kurang optimal. Untuk itu, diperlukan juga
92
saran-saran untuk dijadikan pertimbangan dalam pengembangan aplikasi, antara
lain:
1. Akan lebih baik jika kedepannya semua data diperlakukan secara merata
misalnya kertas yang disimpan di tempat dan dirawat secara khusus seperti
pada ruangan maupun gedung kearsipan.
2. Jumlah Data sample yang lebih banyak akan menambah tingkat
keberhasilan aplikasi.
3. Disarankan untuk masa yang akan datang aplikasi ini bisa dikembangkan
dan mengidentifikasi usia kertas secara tepat berdasarkan tahun terbit
kertas tanpa pengkategorian dengan masukan jenis kertas yang berbeda-
beda.
4. Disarankan untuk masa yang akan datang penelitian disertai dengan
perhitungan manual mulai dari input hingga output.
5. Menambah dan memperbesar Region of Interest yang diblok, tidak hanya
dari satu sisi saja. Hal ini juga dapat mempengaruhi tingkat keakuratan
hasil prediksi.
6. Aplikasi dikembangkan dengan bahasa pemrograman lain yang sedang
tren seperti Java pada mobile application atau PHP pada web application.
93
DAFTAR PUSTAKA
Ahmad, Usman. 2005. Pengolahan Citra Digital & Teknik Pemrogramannya.
Yogyakarta : Graha Ilmu
Anonim. Color Image Processing. http://www.cs.tut.fi/~moncef/SGN-3016-
DIP/Chap06.pdf [diakses: 26 April 2015]
Anonim. PT Kertas Padalarang. http://www.kertas-padalarang.co.id/id/ [diakses:
26 Mei 2015]
Anonim. Sekilas Kertas Leces. Diakses melalui http://www.kertasleces.co.id
/index.php pada tanggal 26 Mei 2015.
Arifin, Achmad. 2013. Pendeta Stanley Mandang Dipolisikan. http://fokusaktual.
blogspot.co.id/2013_08_01_archive.html [diakses: 20 April 2015]
Associated Press. 2015. Augusta VA Employee Accused Falsifying Patient
Records.http://rare.us/story/augustavaemployeeaccusedoffalsifyingpat
ient records/ [diakses: 20 April 2015]
County, Dyer. 2013. Newbern Police Officer Fired, Accused of Falsifying
Documents.http://www.wbbjtv.com/news/local/NewbernPoliceOfficerFi
red194707421.html?m=y&smobile=y [diakses: 20 April 2015]
Departemen Pendidikan Nasional. 2008. Kamus Besar Bahasa Indonesia Edisi
Keempat. Jakarta : PT Gramedia Pustaka Utama
Higham, T. F. G. September 2002. The C Method. Quaternary Geochronology
(Quaternary Science Reviews). United Kingdom : Oxford University
Hikmah, Nurul. 2008. Identifikasi Retina Mata Manusia Menggunakan Sistem
Inferensi Neuro Fuzzy Adaptif. Skripsi Departemen Teknik Elektro
Fakultas Teknik, Universitas Indonesia.
Isna. Kertas HVS Pengertian dan Definisi. http://www.kamusq.com/2012/09/
kertas -hvs- pengertian-dan-definisi.html [diakses: 26 Mei 2015 pukul
14.45]
Jogiyanto. 2008. Metodologi Penelitian Sistem Informasi. Yogyakarta : CV Andi
Offset.
Kodogiannis, V. S. dan Boulougoura, M. An Adaptive Neurofuzzy Approach for
the Diagnosis in Wireless Capsule Endoscopy Imaging. IVP-
Intracorporeal Videoprobe, European Research Project, Contract no: IST-
2001-35169
94
Kusumadewi, Sri dan Hartati, Sri. 2006. Neuro-Fuzzy Integrasi Jaringan Fuzzy
dan Sistem Saraf. Yogyakarta : Graha Ilmu.
Kusumadewi, Sri dan Hartati, Sri. 2010. Neuro-Fuzzy Integrasi Sistem Fuzzy dan
jaringan Syaraf Edisi 2. Yogyakarta : Graha Ilmu
Kuswadi, Son. 2007. Kendali Cerdas: Teori dan Aplikasi Praktisnya.
Yogyakarta.Andi
Ladjamudin, Al Bahra Bin. 2006. Yogyakarta. Rekayasa Perangkat Lunak.
Yogyakarta : Graha Ilmu
Ladjamudin, Al Bahra Bin. 2005. Yogyakarta. Analisis dan Desain Sistem
Informasi. Yogyakarta : Graha Ilmu
Mirnasari, Nelly dan Adi, Kusworo. 2013. Aplikasi Metode Otsu Untuk
Identifikasi Bakteri Tuberkulosis Secara Otomatis. Youngster Physics
Journal Vol. 01, No. 3, April 2013, Hal 13-20. ISSN: 2302-7371
Mulyadin, Arman. Sejarah Kertas. Februari 2010.
http://heningkelam.blogspot.co.id/2010/02/sejarah-kertas.html [diakses: 26
Mei 2015 pukul 15.02 ]
Prasetyo, Eko. 2012. Pengolahan Citra Digital dan Aplikasinya Menggunakan
Matlab. Yogyakarta : Penerbit Andi.
Pressman, Roger S. Ph.D. 2010. Oftware Engineering, A Practitioner’s Approach
(Seventh Edition). New York : The McGraw-Hill Companies, Inc.
Renaldi, Wildan. Sejarah Lengkap Kertas. 2013.
https://wildanrenaldi.wordpress.com/2013/03/28/sejarah-lengkap-kertas/
[diakses: 26 Mei 2015 pukul 15.00]
Suci, Anggun A.S., dkk. 2013. Pembuatan Standar Modern Karbon Gula Pasir
Indonesia Untuk Menentukan Umur Fosil Kayu dan Moluska
Menggunakan Metode Radiokarbon. Bandung : Prosiding Seminar
Nasional Sains dan Teknologi Nuklir PTNBR – BATAN
Sutoyo, T, S.Si., M.Kom., Edy Mulyanto, dkk. 2009. Teori Pengolahan Citra
Digital. Yogyakarta : C.V ANDI OFFSET
Suyanto, ST, MSc. 2008. Soft Computing Membangun Mesin Ber-IQ Tinggi.
Bandung : Informatika.
Swarinata, P. M. 2014. Weather Prediction Application Based on ANFIS
(Adaptive Neural Fuzzy Inference System) Method in West Jakarta. Region
Jakarta : Fakultas Sains dan Teknologi UIN Syarif Hidayatullah.
Simarmata, Janner. 2010. Rekayasa Perangkat Lunak. Yogyakarta : C. V ANDI
OFFSET.
95
Silalahi, Rosa A. & Shalahuddin, M. 2011. Modul Pembelajaran Rekayasa
Perangkat Lunak (Terstruktur dan Berorientasi Objek).Bandung : Modula.
Sustantio, Djulianto. 17 Januari 2010. Metode Pertangalan Dalam Arkeologi.
http://arkeologi-publik.blogspot.com/2010/01/metode-pertanggalan-dalam-
arkeologi.html. [diakses: 10 April 2015, Pukul: 10.25].
Suyanto. 2011. Artificial Intelligence Edisi Revisi. Bandung : Informatika.
Widodo, P. P. dan Handayanto, R. T. 2012. Penerapan Soft Computing dengan
MATLAB. Bandung : Rekayasa Sains.
Wijaya, Marvin Ch. dan Prijono, Agus. 2007. Pengolahan Citra Digital
Menggunakan MatLAB Image Processing Toolbox. Bandung: Informatika.
A-1
LAMPIRAN A
HASIL WAWANCARA
A.1. Wawancara Dengan Seseorang yang Bekerja Di Bidang Arkeologi
Identitas Narasumber
Nama Lengkap : R. Ahmad Ginanjar Purnawibawa
Tempat/Tanggal Lahir : Nganjuk, 5 Desember 1991
Kota Tempat Tinggal : Depok
Pendidikan Formal : Sarjana Humaniora (Program Studi Arkeologi)
Universitas Indonesia
Pekerjaan : Konservator di Kementrian Pendidikan dan Kebudayaan
Tanggal Wawancara : 19 Agustus 2015
Penulis : Sudah berapa lama Anda mempelajari ilmu arkeologi?
Narasumber : Saya mempelajari ilmu arkeologi secara formal sejak tahun 2010
di Universitas Indonesia. Untuk fokus studi saya mengambil
peminatan sosial lingkungan dengan terutama teknologi logam
masa kuno.
Penulis : Sudah berapa lama Anda menekuni pekerjaan dalam bidang
arkeologi?
Narasumber : Sejak 2012 saya sudah terlibat diberbagai kegiatan yang
A-2
berhubungan dengan arkeologi, baik berupa ekskavasi
(penggalian ilmiah arkeologi), survey lapangan dan museum,
serta konservasi benda cagar budaya, terutama keramik hasil
pengangkatan kapal karam dan negatif photo koleksi Belanda.
Saat ini saya bekerja sebagai konservator di Kementrian
Pendidikan dan Kebudayaan untuk menangani benda cagar
budaya, terutama keramik.
Penulis : Apakah ada cara untuk mengetahui umur sebuah benda kuno?
Narasumber : Ada.
Penulis : Jika iya, ada berapa cara untuk mengetahui umur benda kuno?
Narasumber : Untuk menentukan umur benda dapat digunakan dua cara, yaitu
pertanggalan relatif dan pertanggalan absolut. Pertanggalan relatif
adalah cara menentukan umur benda berdasarkan kemiripan
bentuk benda dengan benda lain yang telah diketahui umurnya
(umumnya semakin sederhana semakin tua pula umurnya). Dapat
pula dengan menggunakan umur lapisan tanah tempat
ditemukannya benda tersebut (dengan asumsi benda tersebut
ditemukan dari hasil penggalian). Untuk pertanggalan absolut,
umumnya menggunakan metode laboratorium untuk secara pasti
menentukan umur sebuah benda. Untuk pertanggalan benda yang
memiliki unsur organik dapat digunakan carbon dating,
sedangkan untuk mineral dan batuan dapat menggunakan
pertanggalan argon dating.
A-3
Penulis : Bagaimana cara mengetahui umur sebuah benda kuno?
Narasumber : Untuk naskah atau kertas, merupakan benda yang jarang
ditemukan secara langsung di situs arkeologi. Karena sifatnya
yang rapuh dan tidak dapat terpreservasi dengan baik di iklim
Indonesia. Umumnya koleksi kertas atau naskah yang dimiliki
berasal dari naskah dan arsip Belanda maupun kitab kesusastraan
dari daerah-daerah di Indonesia, yang umumnya umurnya belum
terlalu tua.
Penulis : Kesulitan apa yang mungkin terjadi ketika Anda mengukur umur
suatu benda kuno?
Narasumber : Kesulitan yang kerap terjadi, untuk menentukan umur benda
umumnya diperlukan sampel dari benda. Sampel yang diambil
jumlahnya bervariasi, untuk meningkatkan akurasi umumnya
memerlukan sampel yang cukup banyak. Benda cagar budaya
yang ada umumnya sifatnya terbatas dalam kualitas dan kuantitas,
sehingga pengambilan sampel dapat memberikan dampak
kerusakan yang cukup besar.
Penulis : Bagaimana cara mengetahui umur kertas yang sudah tua? Apakah
sama dengan mengukur benda kuno?
Narasumber : Umur naskah dapat ditentukan dengan dua cara, yang pertama
interne evidentie dan externe evidentie. Interne evidentie
merupakan upaya untuk menentukan umur naskah dari data yang
ada di dalam naskah itu sendiri, misalnya angka tahun yang
A-4
tercatat, peristiwa yang diceritakan, maupun tokoh yang
disebutkan. Sementara externe evidentie merupakan upaya
menentukan umur naskah dari faktor di luar data yang ada di
dalam naskah. Salah satunya dari bahan. Untuk naskah atau
kertas, yang memiliki kandungan organik, dapat digunakan
metode pertanggalan carbon dating. Prinsip dasarnya, setiap
benda memiliki kandungan karbon di dalamnya. Kandungan
karbon ini akan terus ada di dalam makhluk hidup karena terus
menerus terbentuk dari proses fotosintesis. Saat makhluk tersebut
mati, kandungan karbon ini tidak akan dapat bertambah dan kadar
radiokarbonnya akan terus menerus berkurang karena meluruh.
Setiap 5700 tahun atom-atom radiokarbon akan tinggal setengah.
Hal ini merupakan dasar penetapan umur benda kuno yang
digunakan.
Penulis : Perubahan apa yang terlihat pada proses penuaan kertas secara
tampak mata?
Narasumber : Berdasarkan yang pernah saya amati secara langsung pada
naskah-naskah Belanda koleksi ANRI, terutama verslaag dan
regeering almanak dari tahun 1811 – 1800. Naskah yang telah
mengalami penuaan berwarna kuning kecoklatan dengan tinta
yang menyebar dan semakin kabur untuk dibawa. Secara fisik
kertas-kertas tersebut menjadi jauh lebih rapuh dan mudah
terkikis saat disentuh.
A-5
Penulis : Seberapa penting/berharga nilai benda kuno bagi Anda?
Narasumber : Benda cagar budaya merupakan kekayaan bangsa dan negara,
menurut saya benda cagar budaya tidak ternilai harganya.
Penulis : Seberapa penting/berharga nilai sebuah kertas yang sudah tua
bagi Anda?
Narasumber : Kertas merupakan sumber sejarah yang sangat berharga yang
dapat memberikan kontribusi besar bagi penulisan sejarah masa
lampau Indonesia.
A-6
A.2. Wawancara Dengan Seseorang yang Mengerti Ilmu Kearsipan
Identitas Narasumber
Nama Lengkap : Dina Oktaviana, S.IIP
Tempat/Tanggal Lahir: Nanjuk, 21 Oktober 1991
Kota Tempat Tinggal : Depok
Pendidikan Formal : Sarjana Ilmu Informasi dan Perpustakaan (Program Studi
Ilmu Informasi dan Perpustakaan) Universitas Airlangga.
Pekerjaan : Mahasiswa S-2 Ilmu Perpustakaan Universitas Indonesia
Tanggal Wawancara : 26 Agustus 2015
Penulis : Sudah berapa lama Anda mempelajari Ilmu Kearsipan?
Narasumber : Sewaktu kuliah S-1, tergabung dengan Ilmu Perpustakaan. Saya
tertarik dengan kearsipan, ketika ada kesempatan libur kuliah
tahun 2012, 2013, dan 2014, saya magang di Kearsipan ITS,
UGM, dan UNAIR. Sekarang S-2 nya sedang mengambil
konsentrasi Manajemen Kearsipan.
Penulis : Pengalaman apa saja yang Anda miliki di bidang kearsipan?
Narasumber : Banyak. Sewaktu di ITS dikasih pelatihan dan ikut membenahi
kearsipan yang ada di ruang lingkup ITS. Saya di bagian unit
arsitektur, membuat sistem kearsipan dengan unit. Sewaktu di
Kearsipan UGM, salah satu perguruan tinggi yang punya arsip
universitas, didirikan oleh orang yang merintis ANRI, Bapak
A-7
Mahmud, prinsip kearsipan sudah siap dipakai karena merupakan
proyek percontohan ANRI.
Penulis : Bagaimana cara merawat kertas pada umumnya?
Narasumber : Tindakan menyelamatkan dokumen sendiri ada represif dan
kuratif. Represif lebih ke pencegahan, misalnya desain khusus
bangunan tempat penyimpanan kertas, memiliki jarak yang
khusus antar gedung penyimpanan, disuntik anti rayap, lemari
penyimpanan tahan api, pengaturan suhu dan kelembapan,
pengaturan cahaya, keasaman, ruang kedap udara, lemari gantung
horizontal vertikal dan rak. didigitalkan butuh informasinya, aktif
inaktif statis. Kalau melihat dari jenis kertas, kertas yang rapuh
biasanya dikasih pembungkus bebas asam supaya kertas ga cepet
hancur. Sedangkan kalau kuratif lebih ke memperbaiki kertas
yang sudah rusak.
Penulis : Perubahan apa yang bisa terlihat pada penuaan kertas?
Narasumber : Kalau dalam bidang kearsipan, belum pernah mengalami proses
secara langsung.
Penulis : Bagaimana cara mengetahui usia kertas?
Narasumber : Sejauh ini belom ada cara untuk mendeteksi dalam bidang
kearsipan. Cara mengenali kertas lama dilihat dari informasi atau
cerita yang ada dalam isi arsip tersebut. Berdasarkan peristiwa
yang dikaitkan, bukan dari kurun tahun. Merangkup suatu
peristiwa dari cerita orang (dokumen lisan) akan dijadikan
A-8
dokumen pendukung mulai dr koran dan tahun yang tertera
disana. Internal evidence dan external evidence. Internal dr
tanggal tahun. External dari ceritanya. Relevant atau tidak. Setiap
arsip mengandung peristiwa dan bisa diperkirakan umur berapa.
Kronologis berdasarkan fungsi organisasi. Substantif dan
fasilitatif.
Penulis : Kesulitan apa yang Anda alami dalam mengetahui usia kertas?
Narasumber : Belum mengalami kesulitan. Karena di tempat saya magang,
dokumen resmi sudah tertata secara rapi dan ada standardisasinya.
Kalau dokumen kan bisa terpecah-pecah atau terselip. Kendala yg
bisa terjadi salah penyimpanan oleh suatu bidang. Kesulitannya
kira-kira perawatan kuratif, bahan-bahan yang dibutuhkan, supply
harus pesan terlebih dahulu. Namun di Indonesia, kesulitan yang
sering terjadi ada pada SDM nya seperti human error.
Penulis : Seberapa penting/berharganya kertas atau arsip yang sudah kuno
bagi Anda?
Narasumber : Kertas Arsip itu penting. Semakin tua umurnya semakin menarik
dan harus dipertahankan. Walaupun menurut saya lebih tertarik
informasinya dibandingkan usianya. Kalo kita bekerja di bidang
kearsipan yang mendigitalisasi arsip, kita akan tahu langsung
apakah ini palsu atau tidak.
A-9
A.3. Wawancara Dengan Pencinta dan Pengamat Benda Kuno
Narasumber : Victor Amrizal M.Kom
Narasumber adalah dosen pembimbing, sekaligus seseorang yang menyukai,
mengamati, dan mempunyai hobi dalam mengoleksi benda kuno.
Penulis : Bagaimana cara melihat penuaan pada benda kuno?
Narasumber : Tergantung bendanya. Kalau batu dapat terlihat dari warna,
bentuk, dan tekstur. Kalau kayu dapat dihitung dari jumlah lapisan
kambiumnya.
Penulis : Bagaimana cara melihat penuaan pada kertas?
Narasumber : Kita bisa dengan sangat jelas melihat bukti dari proses penuaan
kertas. Terlihat di sekeliling kertas akan terjadi perubahan warna
menjadi kuning kecoklatan.
Penulis : Bagaimana cara agar kertas dapat terbaca oleh komputer?
Narasumber : Pada umumnya komputer hanya dapat melakukan apa yang
diperintahkan oleh manusia. Maka, seperti halnya manusia,
komputer pun dapat membaca kertas, dengan cara pemrosesan
citra. Karena setiap gambar pasti mempunyai identitas unik yang
nantinya akan dikenali oleh komputer.
B-10
LAMPIRAN B
HASIL PENGUJIAN APLIKASI
B.1. Hasil Pengujian Data yang Sudah Dilatih
No Kategori Nilai Rata-Rata
Bobot Output Hasil
Identifikasi KETERANGAN
C M Y K
1
Tua
2,0082 1,9483 1,8631 244,4090 1 1,14 Tua Benar
2 2,0084 1,9293 1,8274 240,4170 1 0,98 Tua Benar
3 2,0081 1,9508 1,8608 246,8220 1 0,93 Tua Benar
4 2,0081 1,9692 1,9016 249,3790 1 1,24 Tua Benar
5 2,0081 1,9543 1,8654 248,1900 1 1,22 Tua Benar
6 2,0081 1,9557 1,8663 248,6220 1 1,12 Tua Benar
7 2,0081 1,9670 1,8975 249,4530 1 1,34 Tua Benar
8 2,0080 1,9915 1,9590 249,4280 1 1 Tua Benar
9 2,0080 1,9936 1,9589 249,6720 1 0,97 Tua Benar
10 2,0080 1,9934 1,9582 249,4210 1 1,18 Tua Benar
11 2,0081 1,9862 1,9416 249,2440 1 0,80 Tua Benar
12 2,0082 1,9470 1,8602 244,6730 1 0,80 Tua Benar
13 2,0082 1,9500 1,8632 246,3040 1 1,20 Tua Benar
B-11
14 2,0082 1,9491 1,8630 244,2720 1 1,41 Tua Benar
15 2,0082 1,9493 1,8649 245,8390 1 1,14 Tua Benar
16
Sedang
2,0082 1,9643 1,8958 246,3300 2 1,89 Sedang Benar
17 2,0080 1,9680 1,8980 250,2590 2 1,73 Sedang Benar
18 2,0081 1,9630 1,8853 248,7020 2 1,92 Sedang Benar
19 2,0081 1,9573 1,8802 246,7890 2 2,19 Sedang Benar
20 2,0081 1,9550 1,8735 246,9950 2 2 Sedang Benar
21 2,0082 1,9510 1,8633 245,0680 2 1,71 Sedang Benar
22 2,0080 1,9610 1,8758 250,0610 2 2 Sedang Benar
23 2,0081 1,9548 1,8680 247,6650 2 1,66 Sedang Benar
24 2,0081 1,9613 1,8817 248,7750 2 1,89 Sedang Benar
25 2,0082 1,9529 1,8726 246,5610 2 1,56 Sedang Benar
26 2,0083 1,9597 1,8861 242,8930 2 1,99 Sedang Benar
27 2,0085 1,9441 1,8559 236,3550 2 1,95 Sedang Benar
28 2,0084 1,9400 1,8487 238,5740 2 1,95 Sedang Benar
29 2,0085 1,9463 1,8588 237,6020 2 2,09 Sedang Benar
30 2,0083 1,9542 1,8727 241,3340 2 1,97 Sedang Benar
31
Muda
2,0001 2,0064 2,0051 252,1120 3 3 Muda Benar
32 1,9999 2,0039 2,0068 252,1710 3 3,01 Muda Benar
33 1,9985 2,0041 2,0061 252,2210 3 3,03 Muda Benar
34 2,0004 2,0038 2,0070 251,9910 3 3,01 Muda Benar
35 1,9939 2,0008 2,0072 250,6750 3 2,97 Muda Benar
36 1,9917 1,9993 2,0076 250,1800 3 3,02 Muda Benar
37 1,9946 2,0004 2,0073 251,1040 3 3,02 Muda Benar
B-12
38 1,9934 2,0002 2,0074 251,1380 3 2,97 Muda Benar
39 2,0017 2,0063 2,0061 251,7110 3 2,93 Muda Benar
40 2,0027 2,0070 2,0060 251,2190 3 2,96 Muda Benar
41 2,0005 2,0067 2,0050 250,2560 3 3,02 Muda Benar
42 2,0008 2,0065 2,0051 251,3270 3 3,04 Muda Benar
43 1,9835 1,9978 2,0079 250,7320 3 2,99 Muda Benar
44 1,9894 2 2,0077 251,0960 3 3 Muda Benar
45 1,9840 1,9981 2,0079 251,0990 3 3,01 Muda Benar
46
Buatan
2,0100 1,8463 1,6796 202,3580 4 3,98 Buatan Benar
47 2,0091 1,8891 1,7613 220,0820 4 3,99 Buatan Benar
48 2,0103 1,8350 1,6924 196,0800 4 4 Buatan Benar
49 2,0107 1,8231 1,6622 188,0130 4 4 Buatan Benar
50 2,0091 1,8805 1,7498 220,1260 4 4,02 Buatan Benar
51 2,0091 1,8857 1,7638 220,0600 4 4,01 Buatan Benar
52 2,0088 1,8891 1,7591 228,7500 4 4 Buatan Benar
53 2,0087 1,8965 1,7721 231,2380 4 4,01 Buatan Benar
54 2,0090 1,8900 1,7703 223,0840 4 3,97 Buatan Benar
55 2,0088 1,9053 1,7988 229,4810 4 4,01 Buatan Benar
56 2,0090 1,8851 1,7537 222,2500 4 3,99 Buatan Benar
57 2,0092 1,8789 1,7488 219,4040 4 4 Buatan Benar
58 2,0089 1,8992 1,7809 225,3450 4 4,04 Buatan Benar
59 2,0088 1,9068 1,7971 227,6100 4 3,98 Buatan Benar
60 2,0097 1,8578 1,7209 208,5751 4 4 Buatan Benar
B-13
B.2. Hasil Pengujian Data yang Belum Dilatih
No Kategori Nilai Rata-Rata
Output Hasil Identifikasi Keterangan C M Y K
1
Tua
2,0084 1,9530 1,8765 240,8390 1,09 Tua Benar
2 2,0085 1,9347 1,8457 237,6490 0,62 Tidak Teridentifikasi Salah
3 2,0082 1,9465 1,8543 245,1130 0,68 Tidak Teridentifikasi Salah
4 2,0081 1,9888 1,9505 248,830 1,32 Tua Benar
5 2,0081 1,9862 1,9416 249,2440 0,8 Tua Benar
6 2,0082 1,9481 1,8624 245,6510 0,9 Tua Benar
7 2,0081 1,9655 1,8927 248,6570 1,84 Sedang Salah
8 2,0081 1,9518 1,8627 246,7760 1,27 Tua Benar
9 2,0080 1,9922 1,9566 249,2790 1,21 Tua Benar
10 2,0082 1,9497 1,8667 244,7790 1,32 Tua Benar
11
Sedang
2,0081 1,9623 1,8861 247,0230 2,41 Tidak Teridentifikasi Salah
12 2,0084 1,9452 1,8584 240,5940 1,73 Sedang Benar
13 2,0081 1,9729 1,9044 248,9250 1,43 Tidak Teridentifikasi Salah
14 2,0080 1,9715 1,8981 249,7020 1,94 Sedang Benar
15 2,0080 1,9715 1,9028 250,0550 1,57 Sedang Benar
16 2,0081 1,9753 1,9107 249,4160 0,98 Tua Salah
17 2,0081 1,9695 1,8983 248,6720 1,70 Sedang Benar
18 2,0083 1,9496 1,8699 243,2260 1,26 Tua Salah
19 2,0081 1,9629 1,8895 248,3980 1,98 Sedang Benar
B-14
20 2,0082 1,9521 1,8717 245,3430 1,60 Sedang Benar
21
Muda
2,0028 2,0070 2,0060 251,9390 2,69 Tidak Teridentifikasi Salah
22 1,9992 2,0065 2,0047 250,7730 2,98 Muda Benar
23 1,9945 1,9997 2,0076 251,4510 3,08 Tidak Teridentifikasi Salah
24 1,9959 2,0004 2,0075 251,4460 3,12 Tidak Teridentifikasi Salah
25 2,0008 2,0051 2,0065 252,5690 2,82 Muda Benar
26 2,0000 2,0040 2,0066 251,3380 3,12 Tidak Teridentifikasi Salah
27 1,9937 2,0000 2,0074 250,8570 2,99 Muda Benar
28 1,9923 2,0004 2,0074 250,1080 3,08 Tidak Teridentifikasi Salah
29 1,9954 2,0003 2,0076 251,2240 3,11 Tidak Teridentifikasi Salah
30 1,9917 2,0001 2,0076 251,2440 2,94 Muda Benar
31
Buatan
2,0095 1,8549 1,7093 210,7850 0,30 Tidak Teridentifikasi Salah
32 2,0099 1,8456 1,7075 202,7380 13,81 Tidak Teridentifikasi Salah
33 2,0105 1,8251 1,6715 191,6230 13,73 Tidak Teridentifikasi Salah
34 2,0092 1,8734 1,7412 218,0810 4,07 Tidak Teridentifikasi Salah
35 2,0091 1,8884 1,7673 221,4110 2,71 Tidak Teridentifikasi Salah
36 2,0092 1,8684 1,7251 219,5920 12,45 Tidak Teridentifikasi Salah
37 2,0087 1,9150 1,8107 230,5500 3,33 Tidak Teridentifikasi Salah
38 2,0094 1,8734 1,7276 214,7300 18,85 Tidak Teridentifikasi Salah
39 2,0090 1,8761 1,7408 223,6330 3,64 Tidak Teridentifikasi Salah
40 2,0087 1,9142 1,8066 230,2350 4,14 Tidak Teridentifikasi Salah
C-15
LAMPIRAN C
KUISIONER PENGUJIAN APLIKASI
C.1. Hasil Kuisioner
KUISIONER PENGUJIAN APLIKASI PREDIKSI USIA KERTAS
DENGAN METODE ANFIS (ADAPTIVE NEURO FUZZY
INFERENCE SYSTEM) DAN IMAGE PROCESSING
Assalamu’alaikum Wr. Wb.
Dengan Hormat, Saya Valeria Cynthia Dewi (1110091000018), Mahasiswi Teknik Informatika
Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta, memohon kesediaan waktu Anda
untuk mengisi kuesioner pengujian aplikasi dibawah ini dalam rangka pengujian aplikasi Tugas
Akhir mengenai aplikasi prediksi usia kertas. Mohon isi kolom nilai sesuai dengan pendapat Anda
tentang Aplikasi ini. Atas kesediaan dan kerja samanya saya mengucapkan terima kasih.
Nama Responden : ................................... Jenis Kelamin (L/P) : .........
Pendidikan Terakhir : ................................... Umur : .........
Pekerjaan : ...................................
No Pertanyaan Nilai
1. Aplikasi ini berjalan dengan baik (tanpa error)
2. Aplikasi ini dapat memprediksi hasil yang sesuai
3. Aplikasi ini membantu dalam memprediksi usia kertas
4. Aplikasi ini dibutuhkan untuk mengetahui usia kertas
5. Aplikasi ini lebih efisien (hemat waktu, biaya, dan energi) dibandingkan
pengujian metode konvensional (dengan laboratorium)
6. Aplikasi ini mudah digunakan
Keterangan:
Isi Kolom Nilai dengan:
0 = Sangat Tidak Setuju; 1 = Tidak Setuju; 2 = Setuju; 3 = Sangat Setuju
D-16
LAMPIRAN D
SURAT BIMBINGAN SKRIPSI