ABSTRAKSI: Berdasarkan data departemen dalam negeri Indonesia hingga tahun 2010 pengguna PDAM se-Indonesia sebanyak 7.591.077 pelanggan[1]. Hingga saat ini kita temui bahwa pencatatan jumlah pemakaian debit air oleh pelanggan melalui sebuah meteran yang kemudian dikoreksi oleh petugas lapangan yang mendatangi rumah setiap pelanggan setiap bulan. Dengan mekanisme seperti ini sering ditemukan kekeliruan petugas PDAM dalam melakukan pencatatan meteran secara manual[2].
Untuk itu dibuatlah sebuah sistem yang mampu membaca meteran PDAM secara otomatis melalui foto. Untuk mengetahui letak blok nomer secara otomatis dilakukan dengan cara mencari perbedaan area blok nomer terhadap seluruh area pada meteran. Setelah blok nomer didapat dilakukan pengambilan citra angka didalamnya dan di ubah kedalam vektor berukuran 900x1. Kemudian citra angka ini diklasifikasikan berdasarkan kelas angka dari 0 sampai 9 dengan menggunakan algoritma Backpropagation. Untuk mempercepat proses learning dan eksekusi pada Backpropagation digunakan ekstraksi fitur Linear Discriminant Analysis(LDA). LDA digunakan karena mampu memaksimalkan perbedaan antar kelas dan meminimalkan perbedaan dalam kelas[4][5][6].
Pada tahap implementasi sistem mampu mendapatkan akurasi 100% disemua data, namun waktu trainingnya sangat lama yaitu 11414.0371 detik. Setelah dilakukan penggabungan dengan LDA pada PC bernilai 75, sistem hanya membutuhkan waktu training 108.5468 detik dan mampu mempertahankan akurasi training 100% . Dengan kombinasi LDA Backpropagation sistem mampu mengeksekusi 50 foto PDAM dalam waktu rata – rata 0.007252 detik dan akurasi 98% sedangkan tanpa LDA waktu rata- rata eksekusi 0.010426 detik dan akurasi 100%. Sehingga dengan gabungan LDA dan Backpropagation sistem bisa mengurangi waktu training 99,05%. Dan untuk waktu eksekusi sistem mampu mengurangi waktu hingga 30.44%.
Kata Kunci : Klasifikasi, Backpropagation, Meteran PDAM, Ekstraksi fitur, Linear Discriminant Analysis.ABSTRACT: Based on data from the Ministry of domestic affair Indonesia until 2010 PDAM's customer in Indonesia as many as 7,591,077 customers [1]. Until now we find that the record amount of discharge water usage by customers with a PDAM meter, and then it's corrected by employee who visit to customer's home every month. With this mechanism often found mistakes done by employee for make record PDAM meter manually[2]. For solve this problem, made one system that automatically read PDAM meter by foto.
To find location of block number automatically, can be done with find difference block number area with other area on PDAM meter. After that, crop block number area, get number's gambar on blok number area and change into vector size 900x1. And then classification number's gambar according to number class from 0 to 9 with Backpropagation algorithm. To accelerate learning process and execution Backpropagaion can be used Linear Discriminant Analysis (LDA) as feature extraction. LDA be used because it is able to maximize differences between classes and minimize difference whitin class [4][5][6].
At implementation stage, system was able to get 100% accuracy in all the data training data and testing data. But time for training process very long time, that is 11414.0371 seconds. After merging with LDA at PC value 75, the system only takes 108.5468 seconds for training process and enable to get accuracy 100% in data training. To prove farther, be tested 50 different photos PDAM meter, With combination LDA and Backpropagation get accuracy 98%, average execution time 0.007252 seconds and Backpropagation without, get accuracy 100% average execution time 0.010426 seconds. So with combination LDA and Backpropagation in system can reduce training time up to 99,05% and also can reduce execution time up to 30,44.
Keyword: Classification, Backpropagation, PDAM Meter, feature extraction, Linear Discriminant Analysis.