of 9 /9
commit to user library.uns.ac.id digilib.uns.ac.id IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI DISGRAFIA PADA ANAK SKRIPSI Diajukan untuk memenuhi persyaratan mendapatkan gelar Strata Satu Program Studi Informatika Disusun oleh: PRATAMA WISNU SAMODRO M0514041 PROGRAM STUDI INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2019

IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI DISGRAFIA … · DISGRAFIA PADA ANAK Disusun oleh: PRATAMA WISNU SAMODRO NIM. M0514041 Telah disetujui untuk dipertahankan di hadapan

  • Author
    others

  • View
    7

  • Download
    0

Embed Size (px)

Text of IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI DISGRAFIA … · DISGRAFIA PADA ANAK Disusun oleh:...

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI

    DISGRAFIA PADA ANAK

    SKRIPSI

    Diajukan untuk memenuhi persyaratan mendapatkan gelar Strata Satu

    Program Studi Informatika

    Disusun oleh:

    PRATAMA WISNU SAMODRO

    M0514041

    PROGRAM STUDI INFORMATIKA

    FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

    UNIVERSITAS SEBELAS MARET

    SURAKARTA

    2019

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    ii

    HALAMAN PERSETUJUAN

    SKRIPSI

    IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI

    DISGRAFIA PADA ANAK

    Disusun oleh:

    PRATAMA WISNU SAMODRO

    NIM. M0514041

    Telah disetujui untuk dipertahankan di hadapan Dewan Penguji

    pada tanggal _________________

    Pembimbing 1, Pembimbing 2,

    Sari Widya Sihwi S.Kom., M.T.I.

    NIP. 198304122009122003

    Winarno, S.Si., M.Eng

    NIP. 198205202006041001

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    iii

    HALAMAN PENGESAHAN

    SKRIPSI

    IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI

    DISGRAFIA PADA ANAK

    Disusun oleh:

    PRATAMA WISNU SAMODRO

    NIM. M0514041

    Telah dipertahankan di hadapan Dewan Penguji

    pada tanggal ________

    Susunan Dewan Penguji

    1. Sari Widya Sihwi S.Kom., M.T.I.

    NIP. 198304122009122003

    (Ketua) ( )

    2. Winarno, S.Si., M.Eng

    NIP. 198205202006041001

    (Sekretaris) ( )

    3. Dr. Wiharto, S.T., M.Kom.

    NIP. 197502102008011005

    (Anggota) ( )

    4. Dr. Wisnu Widiarto, S.Si., M.T.

    NIP. 197006012008011009

    (Anggota) ( )

    Disahkan oleh

    Kepala Program Studi Informatika

    Dr. Wiharto, S.T., M.Kom.

    NIP. 197502102008011005

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    vi

    KATA PENGANTAR

    Segala puji syukur penulis panjatkan kepada Allah Subhanahu wata’ala atas berkat dan

    rahmat-Nya penulis dapat menyelesaikan Tugas Akhir dengan judul “Implementasi

    Backpropagation Untuk Klasifikasi Disgrafia pada Anak” sebagai syarat untuk

    memperoleh gelar Sarjana Informatika di Universitas Sebelas Maret Surakarta.

    Dalam penyusunan Tugas Akhir ini banyak pihak yang telah memberi bantuan, oleh

    karena itu tidak lupa penulis mengucapkan terima kasih kepada:

    1. Bapak Drs. Harjana, M.Si., M.Sc., Ph.D. selaku dekan Fakultas Matematika

    dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta.

    2. Bapak Dr. Wiharto, S.T., M.Kom., selaku Kepala Program Studi Informatika

    Universitas Sebelas Maret Surakarta

    3. Ibu Sari Widya Sihwi S.Kom., M.T.I. selaku dosen pembimbing 1 Tugas Akhir

    yang telah memberikan bimbingan serta masukan.

    4. Bapak Winarno, S.Si., M.Eng selaku dosen pembimbing 2 Tugas Akhir yang

    telah memberikan bimbingan serta masukan.

    5. Kedua orang tua serta keluarga yang selalu memberikan motivasi dan do’a.

    6. Teman-teman Informatika angkatan 2014 yang telah memberikan bantuan

    dalam menyelesaikan laporan Tugas Akhir ini.

    7. Tak lupa teman-teman BEM Kabinet Bengawan dan Kabinet Interaktif yang

    selalu memberikan doa untuk kelancaran tugas akhir ini.

    Penulis menyadari masih banyak kekurangan dalam penyusunan laporan Tugas Akhir

    ini baik dari segi penulisan maupun materi yang dijelaskan. Dengan adanya laporan

    Tugas Akhir ini, diharapkan mampu memberikan manfaat dan menambah wawasan

    bagi pembaca maupun penulis sendiri.

    Surakarta, 25 Februari 2019

    Penulis

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    vii

    DAFTAR ISI

    HALAMAN PERSETUJUAN ...................................................................................... ii

    HALAMAN PENGESAHAN ...................................................................................... iii

    MOTTO ....................................................................................................................... iv

    HALAMAN PERSEMBAHAN ................................................................................... v

    KATA PENGANTAR ................................................................................................. vi

    DAFTAR ISI ............................................................................................................... vii

    ABSTRAK .................................................................................................................... x

    ABSTRACT ................................................................................................................. xi

    DAFTAR TABEL ....................................................................................................... xii

    DAFTAR GAMBAR ................................................................................................. xiv

    BAB I PENDAHULUAN ............................................................................................. 1

    1.1 Latar Belakang ............................................................................................... 1

    1.2 Rumusan Masalah .......................................................................................... 3

    1.3 Batasan Masalah ............................................................................................. 3

    1.4 Tujuan Penelitian ............................................................................................ 3

    1.5 Manfaat Penelitian .......................................................................................... 4

    1.6 Sistematika Penulisan ..................................................................................... 4

    BAB II TINJAUAN PUSTAKA ................................................................................... 5

    2.1 Dasar Teori ..................................................................................................... 5

    2.1.1 Disgrafia .................................................................................................. 5

    2.1.2 Cosine Similarity ..................................................................................... 7

    2.1.3 Min – Max Normalization ....................................................................... 7

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    viii

    2.1.4 Synthetic Minority Over-sampling Technique (SMOTE) ....................... 8

    2.1.5 Feature Selection .................................................................................... 9

    2.1.6 Artificial Neural Network ...................................................................... 10

    2.1.7 Backpropagation ................................................................................... 12

    2.1.8 K-Fold Cross Validation ....................................................................... 15

    2.2 Penelitian Terkait ......................................................................................... 16

    BAB III METODOLOGI PENELITIAN.................................................................... 20

    3.1 Pembuatan Aplikasi untuk Mengumpulkan Data ......................................... 20

    3.2 Pengumpulan Data ....................................................................................... 22

    3.3 Preprocessing Data ....................................................................................... 25

    3.4 Identifikasi Dengan Backpropagation .......................................................... 27

    3.5 Analisis Hasil ............................................................................................... 29

    3.5.1 Analisis akurasi dengan 2 kelas ............................................................ 29

    3.5.2 Analisis akurasi dengan 4 kelas ............................................................ 29

    BAB IV PEMBAHASAN ........................................................................................... 30

    4.1 Hasil Pembuatan Aplikasi ............................................................................ 30

    4.2 Hasil Pengumpulan Data .............................................................................. 30

    4.3 Hasil Preprocessing Data .............................................................................. 31

    4.4 Analisis akurasi dengan 2 kelas .................................................................... 36

    4.5 Analisis akurasi dengan 4 kelas .................................................................... 38

    PENUTUP ................................................................................................................... 41

    4.6 Kesimpulan ................................................................................................... 41

    4.7 Saran ............................................................................................................. 41

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    ix

    DAFTAR PUSTAKA ................................................................................................. 42

    LAMPIRAN ................................................................................................................ 45

    Lampiran Labeling .................................................................................................. 45

    Lampiran Skenario .................................................................................................. 47

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    x

    IMPLEMENTASI BACKPROPAGATION UNTUK KLASIFIKASI

    DISGRAFIA PADA ANAK

    PRATAMA WISNU SAMODRO

    Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

    Universitas Sebelas Maret

    ABSTRAK

    Disgrafia adalah sebuah gangguan yang mempengaruhi kemampuan menulis seseorang

    seperti menulis yang lambat atau tulisan yang tidak dapat dibaca Beberapa penelitian

    telah dilakukan untuk mengetahui karakteristik disgrafia dan diagnosis disgrafia.

    Berbeda dengan penelitian yang ada, penelitian ini mengidentifikasi disgrafia pada

    anak-anak yang dikategorikan menjadi empat kelas (normal, disgrafia ringan, sedang,

    dan berat) dan dua kelas (normal dan disgrafia). Pengumpulan data dilakukan dengan

    menggunakan aplikasi Android yang telah dibuat. Backpropagation digunakan untuk

    klasifikasi data untuk identifikasi disgrafia. Teknik SMOTE dan Feature Selection

    digunakan untuk memperbaik hasil klasifikasi. Penelitian ini menghasilkan akurasi

    terbaik sebesar 84.7% untuk kategori dua kelas, dan 82% untuk kategori empat kelas.

    Kata kunci: backpropagation, data mining, disgrafia, identifikasi

  • commit to user

    library.uns.ac.id digilib.uns.ac.id

    xi

    BACKPROPAGATION IMPLEMENTATION TO CLASSIFY DYSGRAPHIA

    IN CHILDREN

    PRATAMA WISNU SAMODRO

    Department of Informatics, Faculty of Mathematics and Natural Sciences, Universitas

    Sebelas Maret

    ABSTRACT

    Dysgraphia is a disorder that affects one's writing ability such as slow writing or

    unreadable writing. Several studies have been conducted to determine the

    characteristics of dysgraphia and the diagnosis of dysgraphia. This study identified

    dysgraphia in children categorized into four classes (normal, light, moderate, and

    severe dysgraphia) and two classes (normal and dysgraphic). Data collection was done

    using Android applications that have been made. Backpropagation is used for data

    classification for identification of dysgraphia. The SMOTE and Feature Selection

    techniques are used to improve the classification results. This study produces the best

    accuracy of 84.7% for category two classes, and 82% for category four classes.

    Keywords: backpropagation, data mining, disgrafia, identifikasi

    Bab 0_1.pdf (p.1-3)Bab 0_2.pdf (p.4-9)