H1C012004
Edy Susanto
H1C013008
Aprilia Utami
H1C013028
Sutriyono
H1C013035
H1C013078
1. Pendahuluan
Pola adalah entitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya
(features). Ciri-ciri tersebut digunakan untuk membedakan suatu pola dengan pola
lainnya. Ciri yang bagus adalah ciri yang memiliki daya pembeda yang tinggi, sehingga
pengelompokan pola berdasarkan ciri yang dimiliki dapat dilakukan dengan keakuratan
yang tinggi. Pengenalan pola bertujuan menentukan kelompok atau kategori pola
berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan kata lain, pengenalan pola
membedakan suatu objek dengan objek lain .
Pada suatu sistem pengenalan pola, jaringan saraf tiruan dapat digunakan untuk
menemukan ciri-ciri pembedaan yang diperlukan untuk melakukan tugas pengenalan
pola. Kemampuan ini sebenarnya merupakan bagian dari sifat swa-organisasi internal
jaringan. Setelah jaringan saraf tiruan diberi himpunan pelatihan yang berupa sejumlah
pola maka jaringan akan melakukan klasifikasi yang sesuai dengan pola tersebut dalam
kategori-kategori tertentu.
Pada kasus ini akan dibuat sebuah sistem pengenalan pola lingkaran
menggunakan jaringan saraf tiruan dengan metode backpropagation. Citra yang akan
dikenali adalah citra lingkaran berdimensi 3508x2482 pixel seperti tampak pada Gambar
1.
2. Pelaksanaan/Langkah Kerja
Pada tahap ini yang akan kita lakukan adalah melakukan pra-pengolahan data
citra untuk mendapatkan ciri/features tertentu sampai mengklasifikasikannya
menggunakan JST. Tahap pengolahan data yang akan kita lakukan ditunjukan pada
Gambar 2.
.
Gambar 2. Tahap Pengolahan Data
A.Tahap Pra-pengolahan
Tahap pra-pengolahan merupakan tahap yang dilakukan untuk mempersiapkan citra
digital untuk mendapatkan hasil ekstraksi ciri yang bagus. Tahap pra-pengolahan yang
dilakukan berupa tahap segmentasi dan tahap normalisasi. Segmentasi yaitu pemisahan
objek yang hendak dikenali dengan gambar latarnya. Proses segmentasi meliputi
pengubahan citra ke biner (black and white) dan pemotongan/cropping citra sesuai
dimensi objeknya. Normalisasi merupakan penyeragaman dimensi objek. Proses ini
berupa pengecilan/resize dimensi objek menjadi 50x50 piksel. Normalisasi merupakan
proses yang sangat penting untuk menjaga konsistensi dari dimensi objek. Gambar citra
yang sudah disegmentasi ditunjukan pada Gambar 3.
Pada tahap ekstraksi ciri, dilakukan proses pengekstraksian ciri/features citra lingkaran.
Ciri/features yang dipilih yaitu luas (area) dan keliling (perimeter). Hasilnya ditunjukan
pada Gambar 4.
ciri/features.
C.Klasifikasi dengan Jaringan Saraf Tiruan (JST)
Tahap ini dibagi menjadi dua, yaitu tahap pembuatan jaringan dan tahap
pelatihan/learning dan pengujian/simulation.
C.1 Tahap Pembuatan Jaringan
Ciri/features yang sudah diperoleh pada tahap sebelumnya digunakan sebagai dataset
input dari jaringan/network. Dengan cara yang sama, dicari juga ciri dari citra segitiga,
persegi, belahketupat, segilima dan segienam yang digabungkan dalam sebuah dataset
berukuran 2x6 yang ditunjukan pada Gambar 5. Baris menunjukan ciri/features setiap
pola sedangkan kolom menunjukan jumlah pola.
P=[data_latih_1];
T=[1 2 3 4 5 6];
net_bangun2 = newff(P,T,[10],{'logsig'});
net_bangun2.trainFcn = 'trainlm';
net_bangun2.trainParam.epochs = 10000; %jumlah iterasi
net_bangun2.trainParam.goal = 1e-5; %goal
net_bangun2.divideParam.trainRatio = 1; % training set [%]
net_bangun2.divideParam.valRatio = 0; % validation set [%]
net_bangun2.divideParam.testRatio = 0; % test set [%]
[net_bangun2,tr,Y,E] = train(net_bangun2,P,T);
save net_bangun2.mat net_bangun2
(a)
(b)
(b)
(d)
Gambar 7. Hasil proses pelatihan jaringan/network net_bangun. (a) Hasil secara
keseluruhan, (b) Kurva Performance, (c) Kurva Training State, (d) Kurva Regression.
Tahap Pengujian/simulation
Gambar 9. lingkaran.png