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

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


ii

HALAMAN PERSETUJUAN

SKRIPSI


DISGRAFIA PADA ANAK

Disusun oleh:


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


iii

HALAMAN PENGESAHAN

SKRIPSI


DISGRAFIA PADA ANAK

Disusun oleh:


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


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


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


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


ix

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

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

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

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

commit to user


x


DISGRAFIA PADA ANAK


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


xi

BACKPROPAGATION IMPLEMENTATION TO CLASSIFY DYSGRAPHIA

IN CHILDREN


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