Full PDF
Full PDF
SKRIPSI
Oleh:
Oktaviani
NIM: 125314070
2018
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
A THESIS
By :
Oktaviani
125314070
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
MOTTO
“Berjuang tanpa putus asa dan memetik buah manis di kemudian hari”
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Sandi Kotak adalah salah satu sandi yang digunakan dalam kegiatan
kepramukaan. Untuk mengenali suatu obyek dibutuhkan proses pembelajaran,
yang didapat melalui ciri-ciri dan pengalaman dalam mengamati suatu obyek yang
serupa. Metode yang bisa digunakan untuk mengenali pola tersebut salah satunya
adalah metode Jaringan Syaraf Tiruan Backpropagation.
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
This study used the calculation of the mean and standard deviation for the
column histogram, calculating the mean and standard deviation for the histogram
line, calculating the black dot on segmentation 9 then calculating the mean and
standard deviation. The results obtained are when using 6 feature with a success
rate of accuracy 100%. From the results obtained in the research, this research is
declared successful in proving that the backpropagation method is able to
recognize Sandi Kotak.
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa,
sehingga penulis dapat menyelesaikan tugas akhir dengan judul “Pengenalan
Huruf untuk Sandi Kotak menggunakan Metode Backpropagation”. Tugas akhir
ini merupakan salah satu mata kuliah wajib dan sebagai syarat akademik untuk
memperoleh gelar sarjana computer program Teknik Informatika Universitas
Sanata Dharma Yogyakarta.
x
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
HALAMAN JUDUL………………………………………………………….i
HALAMAN PENGESAHAN………………………………………………..iv
MOTTO……………………………………………………………………….v
PERNYATAAN KEASLIAN KARYA……………………………………..vi
LEMBAR PERPUSTAKAAN………………………………………………vii
ABSTRAK……………………………………………………………………viii
KATA PENGANTAR……………………………………………………….x
DAFTAR ISI…………………………………………………………………xii
DAFTAR TABEL…………………………………………………………..xiv
DAFTAR GAMBAR……………………………………………………….xv
BAB I PENDAHULUAN……………………………………………….…1
1.1. Latar Belakang………………………………………………. 1
1.2. Rumusan Masalah…………………………………………… 2
1.3. Tujuan Penelitian…………………………………………….. 2
1.4. Manfaat………………….…………………………………….2
1.5. Batasan Masalah………………………………………………2
1.6. Sistematika Penulisan…………………………………………3
xii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB V PENUTUP………………………………………………………..51
5.1. Kesimpulan…………………………………………………...51
5.2. Saran……………………………………………………….....51
DAFTAR PUSTAKA…………………………………………….………52
xiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
xiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
xv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 1
PENDAHULUAN
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1.4 Manfaat
a) Bagi peneliti
Dapat mengetahui metode backpropagation dapat digunakan
sebagai alat dalam mengenali sandi kotak I.
b) Bagi peneliti lain
Dapat digunakan sebagai bahan studi untuk dikembangkan menjadi
alat yang lebih baik.
2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 5 PENUTUP
Bab ini berisi penutup yang merupakan kesimpulan dari
hasil program yang telah dibuat dan saran untuk penelitian
selanjutnya.
3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 2
DASAR TEORI
2. 1 Sandi Kotak
Sandi merupakan alat atau aksara yang digunakan untuk
berkomunikasi yang hanya diketahui oleh kelompok tertentu. Kata sandi
berasal dari bahasa sansakerta yang artinya rahasia, sandi adalah suatu
kode rahasia.
Secara umum, sandi dalam perkembangan teknologi saat ini dapat
diartikan sebagai hal yang berhubungan dengan pengamanan informasi
yang bersifat rahasia dan dilakukan secara terstruktur, sandi dibuat dengan
mempunyai tujuan tertentu.
Khususnya dalam kegiatan pramuka, sandi sudah banyak dikenal
dan digunakan untuk berkomunikasi dalam keadaan tertentu. Terdapat
banyak macam sandi yang dikenal dalam kepramukaan, salah satunya
ialah sandi kotak. Sandi kotak sendiri mempunyai banyak variasi
diantaranya sandi kotak I, sandi kotak II, dan sandi kotak III. Setiap sandi
kotak mempunyai rumus yang berbeda.
Dalam penelitian ini, sandi yang digunakan adalah sandi kotak I.
Sandi kotak I terdiri dari dua bagian. Bagian pertama berbentuk kotak-
kotak terdiri dari garis vertical dan garis horizontal dan bagian kedua
berbentuk tanda silang.
Sandi kotak berjumlah 26 motif (Chabib Rohman, 2016). Motif
sandi kotak dapat dilihat dari tabel dibawah ini.
4
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
A B C D
E F G H
I J K L
M N O P
Q R S T
U V W X
Y Z
5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1. Preprocessing
Preprocessing adalah pengolah citra menjadi bentuk dari citra lama
menjadi citra yang baru. Tujuan dari preprocessing diantaranya
adalah untuk menghilangkan noise, memperjelas features(fitur)
data, memperkecil/memperbesar ukuran data, dan mengkonversi
data asli agar diperoleh data yang sesuai kebutuhan. Beberapa yang
dilakukan adalah mengubah citra warna ke citra keabuan lalu ke
citra hitam putih. Citra warna adalah citra yang terbentuk atas
representasi 3 keping warna yaitu RGB (Red, Green, dan Blue).
Masing-masing dari keeping warna ini memiliki besar yang sama
dan mempresentasikan warna yang terdekat dengan intensitas 0-
225.
Citra keabuan adalah citra yang merupakan rerata dari 3
keping warna RGB yang dimampatkan menjadi warna keabuan
yang hanya memiliki 1 keping warna saja dengan intensitas 0-225.
Citra hitam putih atau citra biner adalah citra yang hanya memiliki
1 keping warna saja dengan intensitas 0-1.
2. Binerisasi
Binerisasi citra merupakan proses merubah citra ke dalam
bentuk biner (0 dan 1). Dengan merubah citra ke dalam bentuk
6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
biner, citra hanya akan mempunyai dua warna yaitu hitam dan
putih.
Pembentukan citra biner memerlukan nilai batas keabuan
yang akan digunakan sebagai nilai patokan. Piksel dengan derajat
keabuan lebih besar dari nilai batas akan diberi nilai 1 dan
sebaliknya piksel dengan derajat keabuan lebih kecil dari nilai akan
diberi nilai 0.
Persamaan untuk binerisasi dapat dilihat pada rumus dibawah ini.
𝑎 , 𝑓(𝑥, 𝑦) < 𝑇
𝑓(𝑥, 𝑦)′ = { 1 …… (1)
𝑎2 , 𝑓(𝑥, 𝑦) ≥ 𝑇
Nilai 𝑎1 biasanya bernilai 0 dan nilai 𝑎2 bernilai 1.
4. Penipisan Citra
Penipisan citra (thinning) merupakan operasi pemrosesan reduksi
citra biner yang dalam hal ini objek (region) menjadi rangka
(skeleton) yang menghampiri garis sumbu objek. Tujuan dari
penipisan citra ini adalah untuk mengurasi bagian yang tidak perlu
(redundant) sehingga dihasilkan informasi yang esensial saja.
5. Ciri Histogram
Histogram citra merupakan diagram yang menggambarkan
distribusi frekuensi nilai intensitas warna dalam suatu citra. Sumbu
horizontal merupakan nilai intensitas warna sedangkan sumbu
7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6. Segmentasi 9 Bagian
Segmentasi citra merupakan proses yang ditujukan untuk
mendapatkan objek-objek yang terkandung didalam citra atau
membagi citra kedalam beberapa daerah dengan setiap objek atau
daerah memiliki kemiripan atribut.
8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3. Jaringan Recurrent
Model jaringan recurrent mirip dengan jaringan layar
tunggal ataupun ganda. Hanya saja, ada neuron output yang
memberikan sinyal pada unit input (sering disebut feedback loop).
11
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
dan ini dapat mempengaruhi proses training pada sebuah jaringan syaraf
tiruan.
12
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika
kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
langkah 2-9
1
𝑧𝑗 = 𝑓(𝑧𝑛𝑒𝑡 𝑗 ) = −𝑧_𝑛𝑒𝑡𝑗 …….(3)
1+ 𝑒
1
𝑦𝑘 = 𝑓 (𝑦𝑛𝑒𝑡 𝑘 ) = ……..(5)
1+𝑒 −𝑦_𝑛𝑒𝑡𝑘
15
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Hitung suku perubahan bobot 𝑤𝑘𝑗 (yang akan dipakai nanti untuk merubah
bobot 𝑤𝑘𝑗 ) dengan laju percepatan
∆𝑤𝑘𝑗 = 𝛼 𝛿𝑘 𝑧𝑗 ……(7)
k=1,2,…,m ; j=0,1,…,p
𝛿_𝑛𝑒𝑡𝑗 = ∑𝑚
𝑘=1 𝛿𝑘 𝑤𝑘𝑗 ………..(8)
Hitung suku perubahan bobot 𝑣𝑗𝑖 (yang akan dipakai nanti untuk merubah
bobot 𝑣𝑗𝑖 )
∆𝑣𝑗𝑖 = 𝛼 𝛿𝑗 𝑥𝑖 …………….(10)
j=1,2,…,p ; i=0,1,…,n
16
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
(k=1,2,…,m ; j=0,1,…,p)
(j=1,2,..p ; i=0,1,2,…,n)
17
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 3
METODE PENELITIAN
Bab ini berisi proses pengolahan data yang digunakan dalam penelitian,
prosedur yang dilakukan dalam proses ekstraksi ciri dan proses jaringan syaraf
tiruan, dan evaluasi nilai hasil pengenalan.
3. 1 Data
Data yang digunakan dalam pengenalan huruf untuk sandi kotak ini
berjumlah 26 karakter. Data gambar sandi kotak diambil melalui internet,
kemudian data dibuat tulis tangan menggunakan spidol dan pensil.
Data sandi kotak dibuat dengan pensil dan spidol masing-masing sebanyak
26 karakter. Setiap motif sandi kotak ditulis sebanyak 3 kali menggunakan pensil
dan 3 kali menggunakan spidol. Jumlah masing-masing data untuk pensil dan
spidol adalah sebanyak 78, maka total data yang digunakan adalah 156 data.
18
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.2. Contoh Motif Sandi Kotak menggunakan pensil dan spidol
3. 2 Spesifikasi Perangkat
3.2.1 Hardware
Spesifikasi hardware adalah sebagai berikut :
a. Komputer/Laptop dengan spesifikasi
1) Processor Intel(R) Core(TM) i3-4030 CPU @ 1.90GHz
2) RAM 2.00 GB
3) System Type 64-bit
4) Windows 7 Ultimate
b. Scanner Canon (Mp 230)
3.2.2 Software
Software yang digunakan dalam sistem ini adalah
a. Microsoft Office
b. MATLAB R2017a.
c. Gimp 2
19
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3. 3 Prosedur Kerja
Dalam penelitian ini dilakukan beberapa proses kerja yaitu pengolahan
data, preprocessing, ekstraksi ciri dan proses jaringan syaraf tiruan metode
backpropagation. Proses diawali dengan pengolahan data, preprocessing data,
mengambil ciri data sandi kotak, kemudian hasil ekstraksi ciri dimasukkan
kedalam pelatihan arsitektur jaringan syaraf tiruan dengan parameter yang
telah ditentukan. Dari hasil model jaringan tersebut sehingga diperoleh model
jaringan yang menghasilkan tingkat keberhasilan terbaik. Pada data yang telah
di ekstraksi ciri juga dilakukan pengujian data. Proses secara umum dapat
dilakukan dari blog diagram berikut.
Output Backpropagation
3.3.1. Data
Data dibuat dengan tulis tangan menggunakan pensil dan spidol.
Motif sandi kotak ditulis sebanyak 3 kali untuk pulpen dan sebanyak 3 kali
untuk spidol. Data dibuat menggunakan pulpen dan spidol untuk
mendapatkan perbedaan ketebalan motif sandi kotak.
1. Pengolahan data
Pengolahan data dilakukan dalam beberapa tahap. Tahap-tahap
tersebut antara lain :
a. Men-scan data
Men-scan data dilakukan untuk mengubah data dari tulisan tangan
dijadikan data digital dan dimasukkan ke dalam laptop.
b. Pemotongan data gambar
20
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.3.2. Preprocessing
1. Resizing citra
Pada langkah ini dilakukan pengubahan gambar berbentuk persegi
dengan ukuran 200x200. Hal ini dilakukan agar data yang dilakukan
agar semua data gambar berukuran sama.
2. Komplemen citra
Pada langkah ini dilakukan pengambilan complement dari gambar, hal
ini dilakukan untuk menemukan semua struktur yang kecil, sehingga
nilai-nilai piksel struktur lebih tinggi daripada latar belakang.
21
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Output yang dihasilkan dari proses ekstraksi ciri adalah nilai dari mean
dan standar deviasi. Untuk mendapatkan jaringan yang optimal terlebih dahulu
kita mengetahui ekstraksi ciri yang optimal pula. Dalam penelitian ini dilakukan
kombinasi ciri (feature) untuk dapat menghasilkan ekstraksi ciri yang
menghasilkan tingkat keberhasilan tertinggi.
24
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2. Intencity Of Character
a) Mulai
b) Mendapatkan jumlah kolom dan baris dari matriks citra
c) Membuat counter dan di inisialisasi dengan angka 0
d) Untuk i=1 sampai kolom lakukan langkah e), jika sudah
memenuhi kolom lakukan langkah g)
e) Untuk j=1 sampai baris lakukan langkah f) jika sudah
memenuhi sampai baris lakukan langkah d)
f) Jika newimage(I,j) sama dengan 0 tambah nilai counter
sebanyak 1
g) Selesai
3.3.4. Backpropagation
26
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Target yang telah disiapkan sebanyak 26 target karena terdapat 26 motif sandi
kotak yang berupa matriks.
27
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Target Output
00000000000000000000000001
00000000000000000000000010
00000000000000000000000100
00000000000000000000001000
00000000000000000000010000
00000000000000000000100000
00000000000000000001000000
00000000000000000010000000
00000000000000000100000000
00000000000000001000000000
00000000000000010000000000
00000000000000100000000000
00000000000001000000000000
00000000000010000000000000
00000000000100000000000000
00000000001000000000000000
00000000010000000000000000
00000000100000000000000000
00000001000000000000000000
00000010000000000000000000
28
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
00000100000000000000000000
00001000000000000000000000
00010000000000000000000000
00100000000000000000000000
01000000000000000000000000
10000000000000000000000000
Menganalisa hasil uji dari alat yang telah dibuat. Alat yang
telah dibuat dikatakan berhasil jika:
29
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1. Ada tulisan tangan motif sandi kotak yang dapat terdeteksi dan
dapat dikenali.
2. Presentase akurasi dari fungsi yang diterapkan lebih dari atau
sama dengan 75% (75%)
𝑏𝑎𝑛𝑦𝑎𝑘 𝑑𝑎𝑡𝑎 𝑏𝑒𝑛𝑎𝑟
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = x 100%
𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎
30
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3. 5 Rancangan Implementasi
Dalam penelitian ini dibuat beberapa script untuk mengolah citra,
membagi citra dalam segmen, mengambil ciri standar deviasi dari
histogram kolom dan histogram baris, mengambil ciri rata-rata dari
histogram kolom dan histogram baris, mengambil ciri intensitas of
character, mengambil data ciri, membuat target, membagi target, pola
jaringan, testing dan akurasi.
3. 6 Model Desain
Pada penelitian ini dibuat sebuah rancangan user interface atau
tampilan desktop sehingga pengguna akan lebih mudah melihat hasil dari
jalannya program. Rancangan user interface dapat dilihat pada gambar.
1. Menu Utama
31
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3. 7 Skenario Pengujian
Pengujian dilakukan dengan membagi data untuk training dan testing.
Jumlah data yang digunakan 156 motif dimana pada tiap hurufnya terdapat
6 data motif sandi kotak. Pembagian dilakukan dengan menggunakan 4
motif data ciri pada setiap motifnya sebagai data training dan 2 motif data
ciri pada setiap motifnya sebagai data testing. Jadi total data training
sebanyak 104 motif dan data testing sebanyak 52 motif sandi kotak.
Percobaan akan dilakukan sebanyak 6 kali dengan menggunakan ciri 1
sampai ciri 6 berikut:
1. Kombinasi pertama menggunakan ciri 1
2. Kombinasi kedua menggunakan ciri 1 dan ciri 2
3. Kombinasi ketiga menggunakan ciri 1, ciri 2 dan ciri 3.
4. Kombinasi keempat menggunakan ciri 1, ciri 2, ciri 3, dan ciri 4.
5. Kombinasi kelima menggunakan ciri 1, ciri 2, ciri 3, ciri 4, dan ciri 5.
6. Kombinasi keenam menggunakan ciri 1, ciri 2, ciri 3, ciri 4, ciri 5, dan
ciri 6.
32
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 4
Dalam bab ini berisi mengenai hasil penelitian dan analisis hasil penelitian
dari sistem yang telah dibuat. Hasil penelitian besisi perbandingan akurasi yang di
peroleh dari percobaan metode backpropagation berdasarkan jumlah unit hidden
layer yang digunakan.
33
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Jumlah Neuron
No Ciri Akurasi (%)
Hidden Layer 1
1 Ciri 1 20 13,46
2 Ciri 1 dan ciri 2 30 63,46
3 Ciri 1, ciri 2, ciri 3 30 90,38
4 Ciri 1, ciri 2, ciri 3, 15 98,15
ciri 4
5 Ciri 1,ciri 2, ciri 3, 25 100
ciri 4, ciri 5
6 Ciri 1, ciri 2, ciri 3, 5 100
ciri 4, ciri 5, ciri 6
Dari tabel 4.1 dapat dilihat akurasi tertinggi ada pada kombinasi ciri 5 dengan
jumlah unit neuron 25 mendapatkan akurasi 100% dan ciri 6 dengan jumlah unit
neuron 5 mendapatkan akurasi 100%. Perubahan naik turunnya akurasi dapat
dilihat lebih jelas pada grafik berikut:
34
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
63.46
Akurasi
60
40
20 13.46
0
Ciri 1 Ciri 2 Ciri 3 Ciri 4 Ciri 5 Ciri 6
1. Percobaan 1
Pada percobaan 1 dilakukan sebanyak 6 kali dengan menggunakan masing-
masing 1 ciri. Berikut adalah ciri yang digunakan dalam percobaan 1.
a. Ciri 1 adalah nilai mean dari histogram kolom
b. Ciri 2 adalah nilai standar deviasi dari histogram kolom
c. Ciri 3 adalah nilai mean dari histogram baris
d. Ciri 4 adalah nilai standar deviasi dari histogram baris
e. Ciri 5 adalah nilai mean dari ciri IoC yang didapat dari 9
segmen
f. Ciri 6 adalah nilai standar deviasi dari ciri IoC yang didapan
dari 9 segmen
Hal yang diambil adalah jumlah lapisan tersembunyi ada 1, jumlah unit
neuron pada lapisan tersembunyi adalah 5,10,…, sampai dengan 30.
Jumlah iterasi yang dilakukan adalah sebanyak 100 kali.
35
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dari percobaan dengan menggunakan ciri 1 yaitu nilai mean dari histogram
kolom telah didapatkan hasil sebagai berikut
Dapat dilihat dari data tabel 4.2 diatas bahwa ciri 1 mendapatkan
akurasi tertinggi pada hidden layer 1 dengan jumlah neuron 20 dan 25
yaitu 13.46%. Perubahan naik turun tingkat akurasi dapat dilihat pada
grafik diberikut ini:
8%
6%
4%
2%
0%
5 10 15 20 25 30
Jumlah Neuron
36
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dari percobaan dengan menggunakan ciri 2 yaitu nilai standar deviasi dari
histogram kolom telah didapatkan hasil sebagai berikut
Dapat dilihat dari data tabel 4.3 diatas bahwa ciri 2 mendapatkan
akurasi tertinggi pada hidden layer 1 dengan jumlah neuron 30 yaitu
9.61%. Perubahan naik turun tingkat akurasi dapat dilihat pada grafik
diberikut ini:
10%
8%
Akurasi
6%
4%
2%
0%
5 10 15 20 25 30
Jumlah Neuron
37
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dari percobaan dengan menggunakan ciri 3 yaitu nilai mean dari histogram
baris telah didapatkan hasil sebagai berikut
Dapat dilihat dari data tabel 4.4 diatas bahwa ciri 3 mendapatkan
akurasi tertinggi pada hidden layer 1 dengan jumlah neuron 10 yaitu
7.69%. Perubahan naik turun tingkat akurasi dapat dilihat pada grafik
diberikut ini:
4%
3%
2%
1%
0%
5 10 15 20 25 30
Jumlah Neuron
38
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dari percobaan dengan menggunakan ciri 4 yaitu nilai standar deviasi dari
histogram baris telah didapatkan hasil sebagai berikut
Dapat dilihat dari data tabel 4.5 diatas bahwa ciri 4 mendapatkan
akurasi tertinggi pada hidden layer 1 dengan jumlah neuron 5,10 dan 15
yaitu 5.76%. Perubahan naik turun tingkat akurasi dapat dilihat pada grafik
diberikut ini:
5%
4%
Akurasi
3%
2%
1%
0%
5 10 15 20 25 30
Jumlah Neuron
39
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dapat dilihat dari data tabel 4.5 diatas bahwa ciri 5 mendapatkan
akurasi yang sama pada setiap jumlah neuron yaitu 3.84%. Perubahan naik
turun tingkat akurasi dapat dilihat pada grafik diberikut ini:
2%
2%
1%
1%
0%
5 10 15 20 25 30
Jumlah Neuron
40
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dari percobaan dengan menggunakan ciri 6 yaitu nilai standar deviasi dari
segmentasi 9 telah didapatkan hasil sebagai berikut
Dapat dilihat dari data tabel 4.6 diatas bahwa ciri 6 mendapatkan
akurasi yang sama pada setiap jumlah neuron yaitu 3.84%. Perubahan naik
turun tingkat akurasi dapat dilihat pada grafik diberikut ini:
2%
2%
1%
1%
0%
5 10 15 20 25 30
Jumlah Neuron
41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2. Percobaan 2
Pada percobaan 2 dilakukan menggunakan 2 ciri yaitu nilai mean dari
histogram kolom dan standar deviasi dari histogram kolom. Hal yang
diambil adalah jumlah lapisan tersembunyi ada 1, jumlah unit neuron pada
lapisan tersembunyi adalah 5,10,…, sampai dengan 30. Jumlah iterasi yang
dilakukan adalah sebanyak 100 kali. Dari percobaan 2 telah didapatkan
hasil sebagai berikut.
42
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60%
50%
Akurasi
40%
30%
20%
10%
0%
5 10 15 20 25 30
Jumlah Neuron
3. Percobaan 3
Pada percobaan 3 dilakukan menggunakan 3 ciri yaitu nilai mean dari
histogram kolom, standar deviasi dari histogram kolom, dan nilai mean dari
histogram baris. Hal yang diambil adalah jumlah lapisan tersembunyi ada
1, jumlah unit neuron pada lapisan tersembunyi adalah 5,10,…, sampai
dengan 30. Jumlah iterasi yang dilakukan adalah sebanyak 100 kali. Dari
percobaan 3 telah didapatkan hasil sebagai berikut.
43
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dapat dilihat dari data tabel 4.3 diatas bahwa percobaan 3 mendapatkan
akurasi tertinggi pada hidden layer 1 dengan jumlah neuron 30 yaitu 90.38%.
Perubahan naik turun tingkat akurasi dapat dilihat pada grafik diberikut ini:
84%
82%
80%
78%
76%
74%
5 10 15 20 25 30
Jumlah Neuron
4. Percobaan 4
Pada percobaan 4 dilakukan menggunakan 4 ciri yaitu nilai mean dari
histogram kolom, standar deviasi dari histogram kolom, nilai mean dari
histogram baris dan nilai standar deviasi dari histogram baris. Hal yang
diambil adalah jumlah lapisan tersembunyi ada 1, jumlah unit neuron pada
lapisan tersembunyi adalah 5,10,…, sampai dengan 30. Jumlah iterasi yang
dilakukan adalah sebanyak 100 kali. Dari percobaan 4 telah didapatkan
hasil sebagai berikut.
44
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
98%
96%
Akurasi
94%
92%
90%
88%
86%
5 10 15 20 25 30
Jumlah Neuron
5. Percobaan 5
Pada percobaan 5 dilakukan menggunakan 5 ciri yaitu nilai mean dari
histogram kolom, standar deviasi dari histogram kolom, nilai mean dari
histogram baris, nilai standar deviasi dari histogram baris dan nilai mean
dari ciri IoC segmen 9. Hal yang diambil adalah jumlah lapisan
tersembunyi ada 1, jumlah unit neuron pada lapisan tersembunyi adalah
45
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5,10,…, sampai dengan 30. Jumlah iterasi yang dilakukan adalah sebanyak
100 kali. Dari percobaan 5 telah didapatkan hasil sebagai berikut
100%
100%
Akurasi
99%
99%
98%
98%
97%
5 10 15 20 25 30
Jumlah Neuron
46
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6. Percobaan 6
Pada percobaan 6 dilakukan menggunakan 6 ciri yaitu nilai mean dari
histogram kolom, standar deviasi dari histogram kolom, nilai mean dari
histogram baris, nilai standar deviasi dari histogram baris, nilai mean dari
ciri IoC segmen 9 dan nilai standar deviasi dari ciri IoC segmen 9. Hal
yang diambil adalah jumlah lapisan tersembunyi ada 1, jumlah unit neuron
pada lapisan tersembunyi adalah 5,10,…, sampai dengan 30. Jumlah iterasi
yang dilakukan adalah sebanyak 100 kali. Dari percobaan 6 telah
didapatkan hasil sebagai berikut
47
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Series 1
100%
90%
80%
70%
60%
50%
Series 1
40%
30%
20%
10%
0%
5 10 15 20 25 30
Output Tidak
No Input Dikenali dikenali Akurasi
Motif 1 Motif 2
1 A A A 2 0 100%
2 B B B 2 0 100%
3 C C C 2 0 100%
4 D D D 2 0 100%
5 E E E 2 0 100%
48
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6 F F F 2 0 100%
7 G G G 2 0 100%
8 H H H 2 0 100%
9 I I I 2 0 100%
10 J J J 2 0 100%
11 K K K 2 0 100%
12 L L L 2 0 100%
13 M M M 2 0 100%
14 N N N 2 0 100%
15 O O O 2 0 100%
16 P P P 2 0 100%
17 Q Q Q 2 0 100%
18 R R R 2 0 100%
19 S S Y 1 1 50%
20 T W T 1 1 50%
21 U U U 2 0 100%
22 V V V 2 0 100%
23 W W W 2 0 100%
24 X X X 2 0 100%
25 Y Y Y 2 0 100%
26 Z S Z 1 1 50%
Jumlah 49 3
Rata-rata akurasi
Pada hasil percobaan diatas memperoleh hasil dengan total data yang
dikenali ada sebanyak 49 motif dan yang tidak dikenali sebanyak 3 motif.
49
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Dapat dilihat pula data yang terbaca paling sedikit terdapat pada percobaan
1 sebanyak 10 motif dari 104 motif dengan akurasi 9.61% dengan menggunakan 1
ciri. Dari data tersebut dapat dikatakan bahwa alat ini dapat mengenali motif sandi
kotak.
Dilakukan juga pengujian terhadap data tunggal untuk melihat hasil dari
pelatihan jaringan yang dilakukan. Dari pengujian tersebut didapatkan hasil yang
baik, ada 49 motif yang dapat dikenali dan 2 motif yang tidak dapat dikenali.
Dari hasil yang diperoleh dari penelitian ini tentang pengenalan huruf
menggunakan sandi kotak menggunakan metode backpropagation maka diketahui
bahwa:
1) Pada penelitian ini terdapat 104 motif sandi kotak yang dapat terdeteksi dan
dikenali, maka dapat dikatakan algoritma backpropagation dapat mengenali
motif sandi kotak.
2) Presentase akurasi pada penelitian ini adalah sebesar 100%.
Maka dapat dikatakan penelitian ini berhasil karena sudah memenuhi tujuan
penelitian karena tingkat akurasi keberhasilan sudah melebihi 80% presentase
keberhasilan.
50
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB 5
PENUTUP
5.1 Kesimpulan
Pada penelitian ini telah didapatkan bahwa metode backpropagation dapat
digunakan untuk mengenali motif sandi kotak. Hal ini dapat dilihat dengan
adanya motif yang terbaca dengan tepat oleh ahli uji backpropagation. Tingkat
akurasi tertinggi dapat dilihat pada percobaan 6 sebesar 100% menggunakan
sebanyak 6 ciri yang merupakan nilai mean dari histogram kolom, nilai standar
deviasi dari histogram kolom, nilai mean dari histogram baris, nilai standar
deviasi dari histogram baris, nilai mean dari ciri IoC segmen 9, dan nilai
standar deviasi dari ciri IoC segmen 9. Jaringan yang digunakan adalah
jaringan dengan 1 lapisan tersembunyi dan 1 lapisan keluaran, dengan jumlah
unit neuron bervariasi 5,10,…, kelipatan 5 sampai dengan 30. Iterasi yang
terjadi sebesar 28 kali dengan MSE 0.0494.
5.2 Saran
Bagi peneliti yang akan menggunakan algoritma backpropagation untuk
pengenalan huruf untuk sandi kotak menggunakan metode backpropagation,
alat ini dapat ditingkatkan. Peningkatan tersebut dapat dilakukan dengan cara
memberi nilai untuk bobot.
51
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR PUSTAKA
Kadir, A. dan Susanto, A., 2013, Teori dan Aplikasi Pengolahan Citra.
Yogyakarta: Andi Offset
52