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