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%.
Deteksi Tepi Pada Kulit Berdasarkan Warna Dan Tekstur Untuk Mengidentifikasi Penyakit Kulit Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Berbasis Scan Android