PENERAPAN ATURAN PERCEPTRON JARINGAN SARAF

TIRUAN DALAM PENGENALAN POLA GEJALA

KERUSAKAN HANDPHONE
Oleh;
ALEIXO JOSE MARTINS VALADARES
231 11 014
JURUSAN INFORMATIKA FAKULTAS TEKNIK
UNIVERSITAS WIDYA MANDIRA KUPANG

ABSTRAK
Dalam perkembangannya, ilmu Kecerdasan Buatan atau Artificial Intelligence (AI) telah
banyak diterapkan pada teknologi komputer dalam menyelesaikan suatu masalah yang
umumnya memerlukan pemikiran seorang ahli, dan ANN Perceptron merupakan salah satu
dari metode AI yang telah terbukti cukup handal untuk digunakan sebagai teknik pengenalan
atau pengindentifikasian.Tujuan dari dibuatnya karya tulis ilmiah ini adalah untuk
menerapkan metode Jaringan Syaraf Tiruan atau Artificial Neural Network dengan algortima
Perceptron dalam menentukan kerusakan pada LCD handphone, dimana sampel handphone
tersebut dianalisis melalui 5 gejala atau ciri yang ditimbulkannya.Tahapan awal yang
dilakukan yaitu mengumpulkan beberapa handphone, baik yang rusak maupun tidak.
Kemudian mengelompokkan gejala atau ciri khusus yang ditimbulkan pada setiap
handphone. Dari hasil pengujian terhadap sampel sebanyak 3 handphone untuk tahap training
dan 2 sampel hp untuk tahap testing, dengan perbandingannya adalah 50 : 50, learning rate
sebesar 0,7, lapisan masukan sebanyak 5 buah, dan 1 buah lapisan luaran, didapat bahwa
metode ANN Perceptron memiliki persentase keberhasilan pengenalan penyakit sebesar 61%
- 73% untuk data non-learning, dan 100% untuk data learning pada handphone.
Kata kunci : ANN Perceptron, bipolar, learning rate, handphone, LCD.
A. PENDAHULUAN
1. Latar Belakang
Pengembangan teknologi pengenalan yang berupa kecerdasan buatan (Artificial
Intelligence) menjadi sangat penting dan membantu karena selain mempermudah,
juga mempercepat pekerjaan manusia. Salah satu ilmu yang mendukung teknologi
tersebut adalah Artificial Neural Network (Jaringan Syaraf Tiruan), dimana dalam
sepuluh tahun terakhir pengaplikasiannya telah banyak dikembangkan di berbagai
bidang dalam kehidupan manusia.
Bersamaan perkembangan perangkat lunak dan perangkat keras yang begitu pesat di
era modern ini, ilmu kecerdasan buatan ini juga tidak ingin ketinggalan dengan
perangkat-perangkat tersebut meskipun belum menyebar secara luas dalam
masyarakat tapi bidang kecerdasan buatan ini sudah menunjukkan hasilnya terlihat
seperti sedikit contoh yang disebutkan sebelumnya yang merupakan hasil dari
kecerdasan buatan yang telah diaplikasikan dalam kehidupan nyata. Kecerdasan
buatan ini juga bisa digunakan untuk menentukan pola maupun pendektisian dan
pengenalan terhadap gejala kerusakan handphone.

2. Batasan Masalah
Adapun batasan masalah yang di paparkan dalam penulisan kali ini adalah
pengenalan gejala kerusakan pada LCD mengguanakan jaringan saraf tiruan
menggunakan aturan perceptron.

3. Rumusan Masalah
Berdasarkan latar belakang yang telah di kemukakan sebelumnya maka rumusan
masalah yang diangkat sebagai berikut;
1. Bagaimana penerapan metode pengenalan pada pola gejala kerusakan handphone
menggunakan pola jaringan syaraf tiruan?

4. Tujuan
Tujuan dari penulisan ini adalah untuk menerapkan metode pengenalan gejala
kerusakan pada handphone nokia menggunakan model jaringan syaraf tiruan (JST)
dengan aturan perceptron dan hasilnya dapat digunakan untuk mendeteksi gejala
kerusakan pada LCD handphone sehingga dapat di perbaiki.

B. LANDASAN TEORI
1. Handphone(HP)
Handphone adalah suatu alat komunikasi yang digunakan untuk melakukan
komunikasi. Sering dengan perkembangan jaman handphone bukan saja menjadi
sarana untuk komunikasi namun sekarang handphone juga dapat memberikan
informasi tentang kejadian di kehidupan kita.
2. Penyebab Kerusakan LCD Pada Handphone
Ada banyak hal yamg menyebabkan kerusan pada handphone kita, diantaranya
karena kelalaian kita, usang, atau perangkat dalam handphone yang sudah lama, dll.
Sebagian kerusakan hp terjadi karena kelalaian kita dan karena perangkat dalam
handphone yang sudah lama. Jenis kerusakan hp yang dialami diantaranya LCD,
Charger, baterai, dan perangkat hp itu sendiri.
3. Jaringan Saraf Tiruan.
Jaringan Saraf Tiruan (JST) salah satu metode komputasi yang berusaha menerima
cara kerja sistem saraf otak manusia. Keunggulan metode ini dibandingkan dengan
yang lainnya adalah kemampuan belajar dan memecahkan hubungan yang rumit,
yang sulit dideskripsikan antara data masukan dan data keluaran. Hal ini
memungkinkan karena pengetahuan yang ada pada JST tidak di program, namun
dilatih berdasarkan informasi yang diterima.
4. Perceptron
Perceptron termasuk salah satu bentuk syaraf yang sederhana. Percptron biasanya
digunakan untuk mengklarisifikasi suatu tipe pola tertentu yang di kenal dengan
pemisahan secara linear(Kusumadewi, 2003).
Pada dsarnya perceptron memiliki bobot yang diatur dan suatu nilai ambang.
Algoritma yang digunakan oleh perceptron ini akan mengatur parameter-parameter
bebasnya melalui proses pembelajaran.

5. Pengenalan Pola
Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan
sebagai tindakan mengambil data bertindak berdasarkan klarisifikasi data. Dengan
itu, ia merupakan himpunan kaidah dalam pembelajaran diselia(Supervised
Learning).
Salah satu aplikasinya adalah pengenalan tulisan tangan, pengenalan kode pos secara
otomatis pada sampul surat atau sistem pengenalan wajah manusia. Aplikasi ini
kebanyakan mengguanakan analisis citra bagi pengenalan pola yang berkenaan
dengan pola citra digital sebgai input ke dalam sistem pengenalan pola.


C. METODOLOGI PENELITIAN
Secara umum, metode penelitian yang digunakan tersusun dalam suatu digram
dibawah ini. Diagram tersebut memperlihatkan tahap-tahap proses penelitian yang
harus dilakukan sampai tahapan penyusutan.















Y

T


Y

T

Mulai
Identifikasi
Maslah
Implementasi
Rancangan
Perancangan
Sistem
Analisa
Kebuthan
Sistem
Pengumpulan
Data
Pengujian
Sistem
Pelatihan
Gagal
Sistem
Sesuai
Pembahasan,
Kesimpulan, saran Dan
laporan Penulisan
Verifikasi atau Validasi
Selesai
Studi Pustaka
Mencari data di internet
mebaca buku yang
berkaitan dengan
aplikasi Konversi image
ke bentuk matrik
Memilih Metode
Proses pengenalan
Kerusakan LCD
CODING
Modifikasi Rancagan
Modifikasi Sistim
Gambar. Metodologi Penelitian
D. HASIL DAN PEMBAHASAN.
1. Pengumpulan Data
Data yang dikumpulkan di dalam penulisan karya tulis ini adalah berupa sekumpulan ciri-ciri
atau gejala yang dapat dilihat oleh mata secara langsung pada Handphone yang mengalami
kerusakan pada LCD.Ciri-ciri atau gejala Kerusakan pada LCD;
a. Gejala 1 =Layar Putih.
b. Gejala 2 =Layar Buram.
c. Gejala 3 =Layar Mati-Hidup.
d. Gejala 4 =Touchscreen Tidak Berfungsi.
e. Gejala 5 =Layar Gelap.
Jumlah data yang digunakan dalam karya tulis ini adalah sebanyak 10 jenis Hp, dengan
pembagian 3 handphone adalah data pelatihan dan 2 handphone adalah data pengujian.
2. Pengolahan Data
Data hp yang akan digunakan dalam proses JST, sebelumnya akan dikonversi ke dalam
bentuk nilai-nilai bipolar [1, -1] dan biner [1, 0], dengan memiliki komposisi perbandingan
50 : 50 terhadap jumlah daun dan penyakit dari kedua jenis daun tersebut.Berikut merupakan
tabel dari data pelatihan dan pengujian yang akan digunakan pada proses berikutnya :
Tabel 1. Sampel Handphone untuk pelatihan
Handphone
Ke
Gejala 1 Gejala 2 Gejala 3 Gejala 4 Gejala 5 Target
1 + + + + - 1
2 + + - + - 1
3 + - + - - 1

Dengan Keterangan;
Target/Outpu: LCD Baik =1
LCD rusak =-1
Input ; Ada Gejala(+) =1
Tidak ada Gejala(-) =0
Tabel 2. Sampel Handphone untuk pengujian
Handphone
Ke
Gejala 1 Gejala 2 Gejala 3 Gejala 4 Gejala 5 Output
1 + + - - -
2 - - - + +

3. Proses jaringan syaraf tiruan perceptron
1. Dalam proses Jaringan Syaraf Tiruan, terdapat dua tahapan yaitu tahap pelatihan dan
tahap pengujian.
2. Berikut adalah diagram alir dari proses JST dalam karya tulis ini :











SALAH

BENAR












Mulai
Masukan Data Pelatihan dan
Parameter-Parameter pada Jaringan
Dari Iterasi pertama hingga akhir
Dari data pelatihan pertama hingga akhir
Proses Pengujian Jaringan
Syaraf Tiruan
Proses Pelatihan Jaringan Syaraf
Tiruan
Jika persentase
pengenalan =
100%
Prediksi dan
Persentase
Bobot-Bobot
Jaringan
Dari data pengujian pertama
hingga akhir
selesai
Nilai-nilai parameter jaringan yang ditetapkan yaitu :
- Jumlah Sampel = 3(Pelatihan), 2 (Pengujian)
- Unit input = 5 unit
- Unit output = 1 unit
- Iterasi = 1000 epoch
- Threshold = 0
- Kecepatan Belajar = 0,1 s/d 1,0
- Bobot Awal = -1.0 s/d 1.0 (acak)
a. Tahap Pelatihan JST (Training)
Pada tahap ini, data input yang berupa sekumpulan gejala dari ke-3 Handphone
tersebut akan diproses bersamaan dengan pembobot awal, yang kemudian akan
menghasikan persentase pelatihan dan nilai bobot akhir untuk digunakan
dalam tahap pengujian.
b. Tahap Pengujian JST (Testing)
Pada tahap ini, akan dilakukan proses pengujian akhir dari ke-2 data handphone
yang belum diketahui output atau targetnya dengan mempergunakan hasil
bobot dari pelatihan sebelumnya.

E. KESIMPULAN
Dari pembuatan karya tulis ini, dapat diambil beberapa kesimpulan yaitu :
1. Metode Perceptron merupakan salah satu dari metode Jaringan Syaraf Tiruan yang
dapat digunakan untuk membuat sebuah sistem pengenalan dengan tingkat
keberhasilan yang cukup baik. Hal ini dikarenakan lebih dari 50% data yang diuji
dapat diprediksi penyakitnya dengan tepat.
2. Pengujian dengan perbandingan penggunaan data sebesar 50 : 50 dari data Hp LCD
rusak dan baik, memiliki persentase keberhasilan sebesar 100%. Sedangkan untuk
perbandingan penggunaan data yang tidak imbang, yakni sebesar 100 : 0, sistem
memiliki tingkat keberhasilan sebesar 66% dan kegagalan sebesar 33%.