pengenalan huruf jepang hiragana menggunakan … · huruf hiragana merupakan salah satu huruf...
TRANSCRIPT
PENGENALAN HURUF JEPANG HIRAGANA
MENGGUNAKAN PERLUASAN METODE
FEATURE POINT EXTRACTION
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Yohanes Vandi Kurniawan
NIM: 055314050
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
2012
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
JAPANESE HIRAGANA LETTER RECOGNITION
USING THE EXTENSION OF
FEATURE POINT EXTRACTION METHOD
A THESIS
Presented as Partial Fulfillment of the Requirements
to Obtain the Sarjana Komputer Degree
in Informatics Engineering Study Program
By:
Yohanes Vandi Kurniawan
ID: 055314050
INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY YOGYAKARTA
2012
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
HALAMAN PERSEMBAHAN
Kupersembahkan skripsi ini untuk:
• Sang Tunggal Trinitas Yang Suci, Allah Bapa, Allah Putra, dan Allah
Roh Kudus, atas segala rahmat, kasih, perlindungan, dan bimbingan-
Nya.
• Papa, Mama, Cece, dan Titi, atas dukungan dan doa mereka.
• Segenap keluarga besarku yang tidak bisa kusebutkan satu persatu,
atas segala bantuan moral dan material, semangat dan kegigihan, yang
telah diberikan kepadaku.
• Almamaterku Universitas Sanata Dharma, khususnya program studi
Teknik Informatika.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
Ada harga yang harus dibayar untuk bisa tumbuh dan berkembang,
Bayarannya adalah komitmen.
(Ed Cole)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRAK
PENGENALAN HURUF JEPANG HIRAGANA MENGGUNAKAN PERLUASAN METODE
FEATURE POINT EXTRACTION
Huruf Hiragana merupakan salah satu huruf tradisional sederhana yang
dipakai oleh bangsa Jepang untuk menuliskan kata-kata yang memiliki makna asli
dalam bahasa Jepang, yang seringkali digunakan bersama huruf Kanji yang lebih
rumit penulisannya. Walaupun termasuk huruf yang lebih sederhana dibandingkan
huruf Kanji, tetapi huruf Hiragana memiliki tingkat kerumitan diatas huruf latin,
sehingga lebih sulit untuk dipelajari dan dikenali.
Dalam mengenali suatu obyek dibutuhkan proses pembelajaran, yang
didapatkan berdasarkan ciri-ciri dan pengalaman yang didapatnya dari
pengalaman mengamati obyek yang serupa. Dalam implementasi di bidang
komputasi, hal ini disebut pengenalan pola, dan salah satu metode untuk
mendapatkan ciri-ciri suatu obyek adalah dengan perluasan metode Feature Point
Extraction.
Dalam Feature Point Extraction, digunakan tabel hubungan ketetanggaan
antarpiksel. Matriks yang didapat dari karakter input dicocokkan dengan tabel
untuk mendapatkan nilai tertentu, kemudian dihitung selisihnya dengan tiap
template. Dalam menghitung selisih antara input dan template digunakan metode
selisih jarak Euclidean yang memakai ciri tiap obyek. Karakter input yang
memiliki selisih jarak paling kecil lkemudian digolongkan sebagai huruf yang
sama dengan template tersebut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
ABSTRACT
JAPANESE HIRAGANA LETTER RECOGNITION USING THE EXTENSION OF
FEATURE POINT EXTRACTION METHOD
Hiragana letter were a traditional letter which Japanese use to write down
words that have a real meaning in Japanese words, which also often met together
with Kanji letter in daily use, which is more complicated ones. Even though it is
simpler compared to Kanji, Hiragana has more complex grade compared to those
latin letters, which result in difficulties for learnt and recognized.
In recognizing an object, it is necessary to get a learning progress, which
comes from the result of observing the same kind of object and get features from
it. In computational implementation, those named “pattern recognition”, and one
of the methods for getting those feature were Feature Point Extraction.
In Feature Point Extraction method, a numeration of possible pixel
neighborhood were used, The matrix which got from the input character were
compared to the table, thus result in some value. Those value then being used by
subtracting the input value with all templates value. When calculating a
subtraction of those two, we used Euclidean distance method which uses each
value of both input and templates object. The input and a template which has more
less distance value compared to others then concluded as a same letter.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
KATA PENGANTAR
Puji dan syukur kepada Allah Bapa Yang Maha Kuasa karena atas
penyertaan-Nya penulis dapat menyelesaikan tugas akhir yang berjudul
“PENGENALAN HURUF JEPANG HIRAGANA MENGGUNAKAN
PERLUASAN METODE FEATURE POINT EXTRACTION“.
Adapun tugas akhir ini ditulis untuk memenuhi salah satu syarat
memperoleh gelar Sarjana Komputer pada Program Studi Teknik Informatika,
Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.
Penulis mendapat banyak sekali bantuan selama awal perkuliahan sampai
dengan selesainya masa studi di Universitas Sanata Dharma ini. Oleh karena itu,
pada kesempatan ini, penulis ingin mengucapkan rasa syukur dan terima kasih
sebesar-besarnya kepada:
1. Bu Rosa selaku dekan Fakultas Sains dan teknologi, Bu Rido selaku
Kaprodi Teknik Informatika, Pak Wawan selaku dosen pembimbing
akademik, dan Pak Eko Hari selaku dosen pembimbing TA, serta pihak
sekretariat atas pelayanan administrasinya selama ini. Terima kasih atas
bimbingan dan bantuannya kepada penulis selama masa perkuliahan,
khususnya masa-masa skripsi.
2. Papa, Mama, Cece, dan Titi yang tak henti-hentinya memberikan doa,
dukungan moral dan materi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
3. Para kerabat dari keluarga besar Njoo Khay Liem yang selama ini telah
banyak memberikan banyak dorongan motivasi, dan bantuan doa serta
materi yang melimpah sehingga studi ini dapat diselesaikan: Ik Po Lik, Wa
I De, Wa I Eng, Wa I Lie, Ik Lik, dan keluarga lainnya yang selalu
memberi bantuan dan perhatian melimpah selama studi.
4. Para kerabat dari keluarga besar Tjioe Swie Lien yang selama ini telah
banyak memberikan banyak dorongan motivasi, dan bantuan doa serta
materi yang melimpah: Ama A Tjan, Cek Gie, Kho Beng, Kho Eng, dan
kerabat lainnya yang memberi dukungan dan perhatian selama studi.
5. Semua kerabatku yang sudah dipanggil Tuhan atas pertolongan dan
perhatian mereka padaku selama hidup dan juga sampai saat ini: Ang
Kong Swie Lin, Gua Kong Khay Liem, Gua Ma Lian Hwa, Po Ngah, Ik
Liang, Thio A Hwie, dan semuanya yang tidak dapat kusebutkan satu-
persatu.
6. Semua teman-teman yang telah banyak membantu dan mendukung,
menyemangati dan mendorong, sehingga penulis dapat menyelesaikan
studi ini. “Hanyou” wimon atas bantuannya yang teramat banyak, teman-
teman TI seperjuangan Sesar, Yunianto, Ricky, Alex, Kartono, Fendy,
Charles, dan semua teman yang tentunya sangat membantu tetapi belum
disebutkan di sini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
7. Bapak T.C. Hardiono dari kost Tasura, serta Mbak Santhi dan Mas Agung
dari kost Sawahan yang telah memberikan lebih dari sekedar tumpangan
tempat tinggal.
Penulis memohon maaf atas segala kesalahan yang ada dan bersedia
menerima masukan demi kemajuan yang lebih baik. Akhir kata, penulis berharap
semoga karya ini berguna bagi para pembaca sekalian. Terima kasih.
Yogyakarta, Juli 2012
Penulis
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
DAFTAR ISI
halaman
Halaman Judul ………………………………………………………… i
Title …………………………………………………………………… ii
Halaman Persetujuan …………………………………………………… iii
Halaman Pengesahan …………………………………………………… iv
Halaman Pernyataan Keaslian Karya …..……………………………… v
Halaman Persembahan ………………………………………………… vi
Halaman Motto ………………………………………………………… vii
Halaman Persetujuan Publikasi ……………………………………… viii
Abstrak ………………………………………………………………… ix
Abstract ………………………………………………………………… x
Kata Pengantar ………………………………………………………… xi
Daftar Isi ………………………………………………………………… xiv
Daftar Gambar ………………………………………………………… xviii
Daftar Tabel …………………………………………………………… xxi
BAB I PENDAHULUAN …………………………………………… 1
1.1 Latar Belakang Masalah …………………………………… 1
1.2 Rumusan Masalah ………………………………………… 3
1.3 Batasan Masalah …………………………………………… 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
1.4 Tujuan Penelitian ……..…………………………………… 3
1.5 Manfaat Penelitian ………………………………………… 4
1.6 Metodologi Penelitian ……………………………………… 4
1.7 Sistematika Penulisan ……………………………………… 6
BAB II LANDASAN TEORI ……………………………………………. 8
2.1 Pengolahan Citra …………………………………………… 8
2.3.1 Definisi ........................................................................ 8
2.3.2 Preprocessing ................................................................ 9
2.3.3 Thesholding .................................................................. 9
2.2 Feature Point Extraction ....................................................... 14
2.3 Template Matching ................................................................ 21
2.4 Jarak Minimum Euclidean ..................................................... 24
2.5 Huruf Hiragana ………………………………………… 26
BAB III ANALISIS DAN PERANCANGAN SISTEM ............................ 29
3.1 Gambaran Sistem ............................................……………… 29
3.2 Desain Proses ……………………………………………...... 33
3.3 Analisis Kebutuhan ……………………………………...….. 38
3.4 Logical Design ……….……………………………………. 39
3.5 Navigasi Menu ……………………………………………… 42
3.6 Desain User Interface………………………………………… 44
3.7 Spesifikasi Perangkat Pembangun Sistem…………………… 51
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
3.8 Spesifikasi Perangkat untuk Menjalankan Sistem ………….. 52
BAB IV IMPLEMENTASI SISTEM …………………………………… 53
4.1 Implementasi Proses ……………………………………… 53
4.1.1 Proses Binerisasi …………………………….……… 53
4.1.2 Proses Segmentasi Citra ……………………………. 53
4.1.3 Proses Ekstraksi Ciri ……………………..………… 54
4.1.4 Proses Penghitungan Jarak Euclidean …...…….…... 55
4.1.5 Proses Penghitungan Persentase Kemiripan …….…. 58
4.2 Implementasi Interface ……………………………………… 59
4.2.1 Cover Menu Utama ………….…………………….. 59
4.2.2 Menu Bantuan Aplikasi ………...………….……….. 60
4.2.3 Menu Daftar Tabel Hiragana ………….…………….. 61
4.2.4 Menu tentang Program …..……...………….……….. 62
4.2.5 Menu Pemilihan Gambar ………….……….…….….. 63
4.2.6 Menu Pemberitahuan Kesalahan ……….….………… 64
4.2.7 Menu Hasil Pengolahan Citra …..…….…….………… 65
BAB V ANALISIS HASIL DAN KESIMPULAN ………………....….. 66
5.1 Hasil Pengujian Karakter ……………………………………. 66
BAB VI PENUTUP …………………………………………………… 68
6.1 Kesimpulan ………………………………………………… 68
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
6.2 Saran ….. ………………………………………………… 68
DAFTAR PUSTAKA ……………………………………………………. 69
LAMPIRAN ………………...……………………………………………. 70
Citra Template …………………………………………………….. 71
Citra Pengujian ………….………………………………………. 72
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
DAFTAR GAMBAR
halaman
Gambar 2.1 Jenis distribusi intensitas citra …………………………… 10
Gambar 2.2 Citra dengan distribusi intensitas yang jelas ……………… 11
Gambar 2.3 Hasil threshold yang baik ………………………………… 11
Gambar 2.4 Citra dengan distribusi intensitas yang hampir sama ……… 12
Gambar 2.5 Hasil threshold yang kurang baik ………………………… 12
Gambar 2.6 Thresholding setelah operasi deteksi tepi ………………… 13
Gambar 2.7 Pemecahan matriks 9x9 menjadi 9 bagian ....……………… 17
Gambar 2.8 Karakter huruf input S dan E ……………………………… 18
Gambar 2.9 Karakter-karakter yang dipecah menjadi 9 bagian ..……… 18
Gambar 2.10 Skema template matching secara umum …………....……… 22
Gambar 2.11 Contoh template dari obyek huruf dan obyek wajah .……… 22
Gambar 2.12 Digram jarak antara dua titik ……………………………… 24
Gambar 2.13 Rumus Jarak Euclidean ……………………………………… 25
Gambar 2.14 Perbandingan penulisan Hiragana dan Katakana ………… 26
Gambar 2.15 Karakter dasar Hiragana dan Katakana …………………… 27
Gambar 2.16 Karakter-karakter tambahan Hiragana ………………… 28
Gambar 2.17 Karakter penggabungan dua huruf Hiragana ……………… 28
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xix
Gambar 3.1 Diagram gambaran sistem secara umum ………………… 31
Gambar 3.2 Diagram pemrosesan citra ……….………………………… 32
Gambar 3.3 Diagram pembagian segmentasi …………………………… 33
Gambar 3.4 Diagram proses segmentasi menjadi 9 bagian ……………… 33
Gambar 3.5 Diagram proses pencocokan dengan tabel ………………… 34
Gambar 3.6 Diagram proses penghitungan jarak Euclidean …………… 35
Gambar 3.7 Diagram proses penghitungan persentase kemiripan ……… 36
Gambar 3.8 Diagram Use Case ………………………………………… 37
Gambar 3.9 Context Diagram ………………………………………… 38
Gambar 3.10 Data Flow Diagram level 1 ……………………………… 38
Gambar 3.11 Data Flow Diagram level 2 proses pengolahan data gambar 39
Gambar 3.12 Entity Relationship Diagram ……………………………… 40
Gambar 3.13 Navigasi menu ………………………………………… 41
Gambar 3.14 Desain interface Home ………………………………… 43
Gambar 3.15 Desain interface Input Gambar ………………………… 44
Gambar 3.16 Desain interface Kesimpulan pengenalan pola …………… 45
Gambar 3.17 Desain interface Pemberitahuan Kesalahan ……………… 46
Gambar 3.18 Desain interface Daftar Hiragana ………………………… 47
Gambar 3.19 Desain interface Tentang Program ………………………… 48
Gambar 3.20 Desain interface Bantuan ……..………………………… 49
Gambar 4.1 Tampilan Menu Utama Aplikasi ………………………… 59
Gambar 4.2 Tampilan Menu Bantuan Aplikasi ……………………… 60
Gambar 4.3 Tampilan Daftar Tabel Hiragana ………………………… 61
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xx
Gambar 4.4 Tampilan Menu Tentang Program ………………………. 62
Gambar 4.5 Tampilan Menu Pemilihan Gambar ……………………… 63
Gambar 4.6 Tampilan Menu Pemberitahuan Kesalahan ……….……… 64
Gambar 4.7 Tampilan Menu Hasil Pengolahan Citra ………………… 65
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xxi
DAFTAR TABEL
Halaman
Tabel 2.1 Tabel hubungan ketetanggaan antarpiksel,
piksel pada posisi (2,2) bernilai 0 …………………………… 16
Tabel 2.2 Tabel hubungan ketetanggaan antarpiksel,
piksel pada posisi (2,2) bernilai 1 …………………………… 19
Tabel 2.3 Tabel hasil nilai tiap segmen ……...…………………………… 20
Tabel 5.1 Tabel hasil pengujian karakter ……………………………… 66
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Penginderaan adalah salah satu kemampuan alami manusia yang
memungkinkan manusia untuk membedakan suatu hal dengan hal lainnya.
Dalam perkembangan selanjutnya, pembedaan yang dilakukan manusia
menyebabkan terjadinya suatu klasifikasi. Suatu obyek yang memiliki
tingkat kemiripan yang tinggi berdasarkan kategori yang ditentukan oleh
manusia itu sendiri, akan dikelompokkan menjadi suatu kumpulan obyek
yang sejenis. Suatu contoh dari kemampuan pengindraan itu sendiri adalah
kemampuan manusia untuk membedakan dan mengklasifikasikan sebuah
obyek bernama kursi. Fungsi, karakteristik, dan ciri-ciri dari obyek kursi
yang selama ini telah dilihat manusia tersebut disimpan di dalam ingatan
manusia tersebut, dan mengalami proses generalisasi. Sehingga, meskipun
dia tidak melihat semua jenis kursi yang ada, namun ia akan tetap dapat
mengidentifikasi setiap obyek kursi yang ia lihat.
Kemampuan penginderaan manusia tersebut juga telah
mengembangkan tingkat pola pikir manusia, dan salah satu hasil dari
perkembangan pikiran manusia adalah komputer. Sejalan dengan
perkembangan pola pikir manusia, komputer juga terus berkembang. Dari
komputer yang hanya berfungsi sebagai alat bantu hitung, semakin
berkembang menjadi perangkat yang memiliki kecerdasan buatan seperti
manusia, yang dapat membantu melakukan pekerjaan-pekerjaan yang
kompleks seperti mengidentifikasi tanda tangan, mengidentifikasi wajah,
mengidentifikasi tulisan/huruf, dsb. Metode-metode yang dipakai dalam
mengidentifikasi pola-pola tersebut ada bermacam-macam, misalnya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
Jaringan Syaraf Tiruan, Logika Kabur, Pendekatan menggunakan statistik,
dan sebagainya.
Selain perkembangan pola pikir, adanya kemampuan penginderaan
telah menimbulkan peningkatan pola pikir manusia dan munculnya suatu
unsur seni, dan akibat dari hal tersebut adalah muncul dan berkembangnya
kebudayaan. Salah satu kebudayaan yang muncul akibat adanya perubahan
dalam pola pikir dan unsur seni manusia adalah kebudayaan jepang.
Kebudayaan Jepang klasik mulai berkembang pada abad ke-3, ketika
penduduk Jepang mulai berinteraksi dengan kekaisaran di China. Dari
proses interaksi tersebut tercipta suatu sistem penulisan baru di Jepang,
antara lain Hiragana, Katakana, dan Kanji. Huruf hiragana, adalah suatu
huruf yang dikembangkan dari karakter huruf China. Huruf dasar dari
Hiragana berjumlah 46, dan dikembangkan dari tulisan kaligrafi China
yang mengalami penyederhanaan. Karena bentuk dan cara penulisannya
yang berbeda dari aksara latin, maka pada umumnya peminat bahasa
Jepang harus melakukan suatu penyesuaian tersendiri akibat tingkat
kerumitan huruf Hiragana yang lebih tinggi dari tulisan latin.
Berdasarkan permasalahan yang telah diungkapkan sebelumnya,
maka penulis ingin membuat suatu aplikasi yang dapat mengenali huruf
Hiragana dengan menggunakan menggunakan rumus pengukuran jarak
Euclidean. Metode ini adalah suatu metode yang menentukan tingkat
kemiripan suatu data dengan cara mengukur jarak berdasarkan rumus
tertentu. Tolak ukur dalam mengelompokkan data tersebut diambil dari
“ciri” yang didapat dari data tersebut. Sebagai jalan untuk mendapatkan
ciri tersebut, digunakan metode ekstraksi ciri bernama Feature Point
Extraction untuk mengambil “ciri” yang nantinya akan digunakan untuk
mengenali huruf Jepang Hiragana.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
1.2. Rumusan Masalah
Rumusan masalah yang muncul dalam pembuatan aplikasi ini
adalah sebagai berikut:
Bagaimana cara mengenali karakter huruf Jepang Hiragana dengan
menggunakan Feature Point Extraction dan metode pengukuran jarak
Euclidean?
1.3. Batasan Masalah
Beberapa batasan masalah dalam aplikasi pengenalan huruf Jepang
Hiragana ini adalah sebagai berikut:
1. Metode yang digunakan untuk mengenali huruf Jepang Hiragana
adalah metode perbandingan dengan mengukur jarak Euclidean.
2. Proses pengambilan ciri menggunakan perluasan metode Feature
Point Extraction
3. Pengenalan huruf Jepang Hiragana ini dibuat dengan menggunakan
aplikasi pemrograman MatLab.
4. Data huruf Jepang Hiragana yang akan diklasifikasikan berupa file
gambar yang berekstensi *.jpg, *.jpeg, atau *.bmp
5. Aplikasi yang dibangun untuk mengenali huruf Jepang Hiragana
hanya dapat menginputkan satu karakter untuk setiap pemasukan
hurufnya.
6. Huruf Jepang Hiragana yang akan dikenali adalah 5 karakter dari
huruf Hiragana dasar yaitu ”ma”, ”mi”, ”mu”, ”me”, dan ”mo”.
1.4. Tujuan Penelitian
Tujuan yang akan dicapai dalam penelitian ini adalah:
Membangun sebuah aplikasi untuk mengenali lima jenis huruf Jepang
Hiragana dengan menggunakan perluasan Metode Feature Point
Extraction dan metode pengukuran jarak Euclidean.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
1.5. Manfaat Penelitian
1. Membantu pengguna aplikasi dalam mengenali huruf Jepang
Hiragana.
2. Membantu pengguna dalam mengetahui derajat kebenaran huruf
Jepang Hiragana.
1.6. Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penelitian ini adalah:
1. Studi Pustaka
Dalam menyusun penelitian ini, penyusun mempelajari buku dan
literatur-literatur dari internet mengenai Feature Point Extraction,
pemrograman MatLab, jarak Euclidean, dan aksara Jepang Hiragana,
yang selanjutnya akan dimanfaatkan sebagai dasar dalam membangun
perangkat lunak yang diuji coba dalam laboratorium komputer.
2. Metode Perancangan Perangkat Lunak Waterfall
1. Analisis Kebutuhan
Yang dilakukan dalam tahapan ini adalah mengumpulkan
sampel huruf Jepang Hiragana dalam berbagai jenis gaya penulisan.
Pengumpulan sampel data berupa huruf Jepang akan dilakukan
dengan membagi-bagikan contoh karakter huruf Hiragana kepada
banyak orang untuk ditulis ulang. Sampel yang diperoleh ini akan
digunakan sebagai template untuk pengenalan huruf Hiragana.
Selain hal tersebut, peneliti mengumpulkan dan meninjau
berbagai referensi mengenai rumus jarak Euclidean dan ekstraksi ciri
menggunakan Feature Point Extraction yang akan digunakan dalam
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
pengenalan huruf Hiragana, yaitu, baik secara teoritis maupun
secara praktis. Hasilnya ialah berbagai macam sampel huruf
Hiragana serta referensi mengenai ekstraksi ciri menggunakan
Feature Point Extraction.
2. Desain Sistem
Dalam perancangan sistem, peneliti mulai melakukan proses
perancangan sistem dengan membuat diagram alur data/ Data Flow
Diagram (DFD), ER Diagram, serta penyusunan tampilan antarmuka
dan berbagai tombol/fungsi yang akan digunakan untuk membangun
sebuah aplikasi yang dapat mengenali huruf Hiragana, baik untuk
input maupun output. Hasil akhir yang menjadi tujuan dalam tahap
ini adalah terciptanya suatu desain sistem dan rancangan tampilan
antarmuka lengkap dengan sarana untuk input dan output yang
ditujukan bagi pemakai sistem, walaupun fasilitas input dan output
tersebut masih belum berfungsi sepenuhnya.
3. Implementasi/Coding
Dalam tahap ini, metode ekstraksi ciri menggunakan Feature
Point Extraction dan pengukuran jarak Euclidean mulai
diimplementasikan ke dalam sistem sesuai dengan rancangan dan
desain sistem yang telah disusun dalam tahap sebelumnya. Hasil
yang akan dicapai adalah terciptanya suatu aplikasi yang dapat
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
mengenali huruf Hiragana dan memberikan output kepada pemakai
sistem.
4. Integrasi dan Testing Sistem
Dalam tahap integrasi dan testing sistem ini, dilakukan
pengujian terhadap aplikasi yang telah dibangun dengan tujuan untuk
dapat menemukan kemungkinan terjadinya kesalahan dalam sistem.
Proses evaluasi akan dilakukan secara berkesinambungan sehingga
sistem yang dibangun relatif lebih akurat daripada sebelumnya. Hasil
yang ingin dicapai dalam tahap ini adalah terciptanya sebuah aplikasi
yang dapat mengenali huruf Hiragana secara lebih akurat.
5. Pemeliharaan Sistem
Dalam tahap pemeliharaan sistem ini, kesalahan dan
kekurangan sistem yang telah ditemukan akan berusaha diatasi,
sehingga program yang telah dihasilkan akan menjadi lebih
sempurna.
1.7. Sistematika Penulisan
Berikut adalah garis besar dari isi karya ilmiah yang akan disusun:
BAB I PENDAHULUAN
Bab I membahas tentang latar belakang masalah, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat penelitian,
metodologi penelitian, serta sistematika penulisan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
BAB II LANDASAN TEORI
Bab II membahas tentang teori-teori yang melandasi penelitian,
seperti teori tentang pengolahan citra dan metode pengukuran
jarak Euclidean.
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab III membahas tentang analisa dan perancangan sistem, yang
berisi bagaimana rancangan aplikasi yang akan dibangun,
meliputi gambaran sistem secara umum, desain proses, analisis
kebutuhan, Data Flow Diagram, ER Diagram, desain interface,
serta kebutuhan Hardware dan Software.
BAB IV IMPLEMENTASI SISTEM
Bab IV berisi hasil implementasi dari program yang dibuat serta
pembahasannya.
BAB V ANALISIS HASIL DAN PEMBAHASAN
Bagian analisis hasil implementasi ini berisikan analisa dari
implementasi yang telah dibuat.
BAB VI PENUTUP
Penutup berisi tentang kesimpulan dan saran dari hasil dari
penelitian ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
BAB II
LANDASAN TEORI
Penyusunan tugas akhir ini membutuhkan beberapa landasan teori yang
digunakan sebagai acuan dalam memahami dan mengimplementasikan metode
pengukuran jarak Euclidean untuk mengenali citra berupa huruf Jepang Hiragana,
antara lain: Pengolahan citra, Feature Point Extraction, Template Matching, Jarak
Euclidean, dan Huruf Hiragana.
2.1 Pengolahan Citra
2.1.1 Definisi
Berikut ini adalah definisi mengenai pengolahan citra.
Citra adalah istilah lain untuk gambar, yang merupakan salah satu
komponen multimedia yang memegang peranan sangat penting sebagai
bentuk informasi visual. Secara harafiah, citra adalah gambar pada bidang
dwimatra (dua dimensi), sedangkan ditinjau dari sudut pandang matematis,
citra merupakan fungsi menerus (continue) dari intensitas cahaya pada
bidang dwimatra (Munir, 2004).
Digitalisasi Citra adalah proses untuk merepresentasikan suatu citra
secara numerik dengan nilai-nilai diskrit. Representasi citra dari fungsi
kontinu menjadi nilai-nilai diskrit yang dinamakan digitalisasi inilah yang
disebut dengan citra digital (Munir, 2004).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Derau (noise) adalah gambar atau piksel yang mengganggu
kualitas citra. Derau dapat disebabkan oleh gangguan fisis (optik) pada alat
akuisisi maupun secara disengaja akibat proses pengolahan yang tidak
sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak
yang tidak diinginkan di dalam citra. Bintik acak ini disebut dengan derau
salt & pepper. Noise tidak dapat ditebak secara tepat karena sifatnya yang
acak namun dapat dikarakterisasikan dengan efeknya pada sebuah citra.
(Parker, 1997).
2.3.2 Preprocessing
Preprocessing merupakan suatu proses awal yang dilakukan untuk
memperbaiki kualitas citra (edge enhancement) dengan menggunakan
teknik-teknik pengolahan citra (Munir, 2004). Beberapa proses yang
termasuk dalam preprocessing ini adalah pengubahan histogram citra,
penapisan derau (noise filtering), dan pengubahan geometrik.
2.3.3 Thresholding
Dalam berbagai pemrosesan citra, sangat membantu jika dapat
dipisahkan antara daerah/citra sebagai objek (yang dikehendaki) dari citra
yang merupakan latar belakang (background) dari keseluruhan citra.
Thresholding memberikan kemudahan dalam melakukan segmentasi ini
berdasarkan perbedaan intensitas warna dari kedua citra tersebut (Fisher,
2003).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Input dari
berwarna. Dalam implementasi yang paling sederhana, outputny
merupakan citra biner yang merepresentasikan segmentasi. Piksel hitam
menggambarkan background
foreground (atau bisa juga sebaliknya).
sebuah parameter yang disebut sebagai
dari suatu citra dibandingkan dengan parameter ini. Jika piksel citra
nilainya lebih tinggi dari
atau bernilai 1 sebagai outputnya. Jika tidak, diset menjadi hitam atau
bernilai 0 (atau sebaliknya).
Tidak semua citra dapat disegmentasi menggunakan
yang sederhana. Bisa atau tidaknya sebuah citra disegmentasi dengan baik
ditentukan dengan melihat histogram intensitas dari citra. Jika
memungkinkan untuk memisahkan
intensitas piksel maka intensitas piksel pada objek
benar-benar berbeda dari intensitas piksel
Dalam hal ini, dapat dilihat dari perbedaan puncak dalam
Gambar 2.
dari thresholding dapat berupa citra grayscale
Dalam implementasi yang paling sederhana, outputny
merupakan citra biner yang merepresentasikan segmentasi. Piksel hitam
background sedangkan piksel putih menggambarkan
(atau bisa juga sebaliknya). Segmentasi dilakukan berdasarkan
sebuah parameter yang disebut sebagai intensitas threshold. Tiap piksel
dari suatu citra dibandingkan dengan parameter ini. Jika piksel citra
nilainya lebih tinggi dari threshold, piksel tersebut diset menjadi putih
atau bernilai 1 sebagai outputnya. Jika tidak, diset menjadi hitam atau
sebaliknya).
Tidak semua citra dapat disegmentasi menggunakan thresholding
yang sederhana. Bisa atau tidaknya sebuah citra disegmentasi dengan baik
ditentukan dengan melihat histogram intensitas dari citra. Jika
memungkinkan untuk memisahkan foreground dari citra berdasarkan
intensitas piksel maka intensitas piksel pada objek foreground
benar berbeda dari intensitas piksel background (Fisher, 2003)
Dalam hal ini, dapat dilihat dari perbedaan puncak dalam histogram
Gambar 2.1 Jenis distribusi intensitas citra
10
ataupun
Dalam implementasi yang paling sederhana, outputnya
merupakan citra biner yang merepresentasikan segmentasi. Piksel hitam
sedangkan piksel putih menggambarkan
Segmentasi dilakukan berdasarkan
. Tiap piksel
dari suatu citra dibandingkan dengan parameter ini. Jika piksel citra
, piksel tersebut diset menjadi putih
atau bernilai 1 sebagai outputnya. Jika tidak, diset menjadi hitam atau
thresholding
yang sederhana. Bisa atau tidaknya sebuah citra disegmentasi dengan baik
ditentukan dengan melihat histogram intensitas dari citra. Jika
ri citra berdasarkan
foreground harus
(Fisher, 2003).
histogram.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
Gambar 2.1 a) menunjukkan distribusi intensitas bi-modal. Citra
ini dapat disegmentasi menggunakan threshold tunggal T1. Gambar 2.1 b)
terlihat lebih kompleks. Dianggap bahwa puncak di tengah merupakan
objek yang diinginkan maka segmentasi memerulukan dua threshold: T1
dan T2. Pada gambar 2.1 c), kedua puncak dari distribusi bi-modal terlihat
hampir sama maka hampir tidak mungkin untuk dapat melakukan
segmentasi dengan baik menggunakan threshold tunggal.
Gambar 2.2 Citra dengan distribusi intensitas yang jelas
Gambar 2.2 di atas menunjukkan distribusi bi-modal yang baik;
pada histogram, puncak yang lebih rendah merepresentasikan objek,
sedangkan yang lebih tinggi merepresentasikan background.
Citra pada gambar 2.2 dapat disegmentasi menggunakan threshold
tunggal dengan nilai intensitas piksel 120. Hasilnya adalah seperti pada
gambar 2.3 sebagai berikut:
Gambar 2.3 Hasil threshold yang baik
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Tetapi dengan adanya gradasi pencahayaan yang cukup jelas,
seperti gambar 2.4 di bawah ini, puncak yang merepresentasikan
foreground dan background dapat tampak memiliki kesamaan, maka
threshold yang sederhana tidak dapat memberikan hasil yang baik.
Gambar 2.4 Citra dengan distribusi intensitas yang hampir sama
Citra pada gambar 2.5 menunjukkan hasil segmentasi yang kurang
baik untuk threshold tunggal dari citra pada gambar 2.2 dengan nilai 80
dan 120 berturut-turut:
Gambar 2.5 Hasil threshold yang kurang baik
Thresholding juga dapat dipakai untuk memfilter output maupun
input untuk operator lain. Sebagai contoh, deteksi tepi, seperti operasi
Sobel, akan menandai daerah dari citra yang memiliki gradien tinggi
(Fisher, 2003).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Jika yang diinginkan hanya gradien di atas nilai
tepi yang tajam), maka
menyeleksi garis-garis yang tajam saja dan mengeset piksel lainnya
menjadi hitam.
(a)
Gambar 2.
Pada gambar 2.
kemudian dikenai operasi
akhirnya, yaitu gambar (c), diperoleh setelah gambar (b) dikenai
thresholding dengan nilai 60
Berikut ini adalah langkah
thresholding:
1. Dipilih sembarang nilai untuk inisalisasi awal
2. Citra disegmentasi menjadi objek dan
menghasilkan dua bagian:
a. G
b. G
Sebagai catatan,
terletak pada kolom ke
Jika yang diinginkan hanya gradien di atas nilai tertentu (misalnya
tepi yang tajam), maka thresholding dapat digunakan hanya untuk
garis yang tajam saja dan mengeset piksel lainnya
(b) (c)
Gambar 2.6 Thresholding setelah operasi deteksi tepi
gambar 2.6, gambar (a) merupakan gambar mula
kemudian dikenai operasi Sobel dan menghasilkan gambar (b).
rnya, yaitu gambar (c), diperoleh setelah gambar (b) dikenai
dengan nilai 60 (Fisher, 2003).
Berikut ini adalah langkah-langkah dalam melakukan
Dipilih sembarang nilai untuk inisalisasi awal threshold
Citra disegmentasi menjadi objek dan background
menghasilkan dua bagian:
G1 = {f(m,n):f(m,n)>=T} (piksel objek)
G2 = {f(m,n):f(m,n)<T} (piksel background)
Sebagai catatan, f(m,n) adalah nilai dari piksel yang
terletak pada kolom ke-m dan baris ke-n.
13
tertentu (misalnya
dapat digunakan hanya untuk
garis yang tajam saja dan mengeset piksel lainnya
(c)
Thresholding setelah operasi deteksi tepi
, gambar (a) merupakan gambar mula-mula,
dan menghasilkan gambar (b). Hasil
rnya, yaitu gambar (c), diperoleh setelah gambar (b) dikenai
ngkah dalam melakukan iterative
threshold (T)
background, yang
) adalah nilai dari piksel yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
3. Rata-rata dari tiap bagian dihitung.
a. m1 = nilai rata-rata G1
b. m2 = nilai rata-rata G2
4. Nilai threshold baru diperoleh dari rata-rata m1 dan m2
T’ = (m1+m2)/2
5. Kembali ke langkah kedua, tetapi dengan menggunakan nilai
threshold yang baru didapat dari langkah (4). Terus diulang
sampai nilai threshold yang diperoleh sama dengan nilai
threshold sebelumnya.
2.2 Feature Point Extraction
Yang dimaksudkan dengan feature point ialah suatu titik dari citra
yang diperhatikan oleh manusia. Titik dapat merupakan perpotongan antara
dua garis, atau merupakan sebuah pojok, atau juga hanya titik begitu saja.
Titik-titik ini dapat membantu dalam mendefinisikan suatu keterhubungan
dalam dua garis yang berbeda. Dua garis dapat saja bersilangan penuh satu
dengan yang lain, berpotongan seperti dalam huruf “Y” atau “T”, membentuk
sebuah pojok, atau tidak berpotongan sama sekali. Orang-orang cenderung
sensitif dengan keterhubungan semacam ini; susunan titik-titik sedemikian
rupa yang membentuk sebuah huruf “Z” lebih diperhatikan daripada jumlah
titiknya. Jenis keterhubungan inilah yang digunakan dalam pengenalan
karakter (Brown, 1992).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Algoritma-algoritma yang banyak digunakan dalam OCR (Optical
Character Recognition) mampu memberikan tingkat keakuratan yang tinggi
dan cepat, tetapi tetap saja hampir semuanya melakukan kesalahan yang tidak
masuk akal dari sudut pandang manusia. Jika kesalahannya dalam
membedakan karakter “5” dengan “S”, masih termasuk wajar karena
kemiripan kedua karakter tersebut. Tetapi kesalahan dalam membedakan “5”
dari “M” sangat di luar dugaan. Kesalahan semacam ini disebabkan karena
algoritma-algoritma tersebut umumnya lebih memperhatikan sekumpulan
ciri-ciri yang berbeda dari sudut pandang manusia untuk keperluan komputasi
(Brown, 1992).
Kesalahan dalam mengenali karakter juga disebabkan oleh karena
terbatasnya jumlah ciri yang dikumpulkan. Apabila ciri-ciri dari karakter
diperbanyak maka keakurasian akan meningkat (Brown, 1992).
Algoritma ini pada dasarnya membandingkan susunan piksel dalam
tiap matriks biner 3x3 dengan tabel yang memuat nilai-nilai untuk tiap
kemungkinan susunan piksel tersebut. Yang dibandingkan ialah matriks yang
memiliki piksel di posisi (2,2) bernilai 0 atau berwarna hitam saja.
Karena piksel tersebut memiliki 8 tetangga dan tiap tetangga memiliki
kemungkinan bernilai 0 atau 1 maka seluruhnya memiliki 256 (28)
kemungkinan susunan piksel. Nilai yang ada dalam tabel bernilai 0 sampai
dengan 255 (Brown, 1992).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Tabel 2.1 Tabel hubungan ketetanggaan antarpiksel, piksel pada posisi
(2,2) bernilai 0
+
+ *
+ *
+ **
*+
*+ *
*+ *
*+ **
* +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
0 16 32 48 64 80 96 112 128 144 160 176 192 208 224 240 * +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
** +
** + *
** + *
** + **
** *+
** *+ *
** *+ *
** *+ **
1 17 33 49 65 81 97 113 129 145 161 177 193 209 225 241 * +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
* * +
* * + *
* * + *
* * + **
* * *+
* * *+ *
* * *+ *
* * *+ **
2 18 34 50 66 82 98 114 130 146 162 178 194 210 226 242 ** +
** + *
** + *
** + **
** *+
** *+ *
** *+ *
** *+ **
*** +
*** + *
*** + *
*** + **
*** *+
*** *+ *
*** *+ *
*** *+ **
3 19 35 51 67 83 99 115 131 147 163 179 195 211 227 243 +*
+* *
+* *
+* **
*+*
*+* *
*+* *
*+* **
* +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
4 20 36 52 68 84 100 116 132 148 164 180 196 212 228 244
* +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
** +*
** +* *
** +* *
** +* **
** *+*
** *+* *
** *+* *
** *+* **
5 21 37 53 69 85 101 117 133 149 165 181 197 213 229 245 * +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
* * +*
* * +* *
* * +* *
* * +* **
* * *+*
* * *+* *
* * *+* *
* * *+* **
6 22 38 54 70 86 102 118 134 150 166 182 198 214 230 246 ** +*
** +* *
** +* *
** +* **
** *+*
** *+* *
** *+* *
** *+* **
*** +*
*** +* *
*** +* *
*** +* **
*** *+*
*** *+* *
*** *+* *
*** *+* **
7 23 39 55 71 87 103 119 135 151 167 183 199 215 231 247 + *
+ **
+ * *
+ ***
*+ *
*+ **
*+ * *
*+ ***
* + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
8 24 40 56 72 88 104 120 136 152 168 184 200 216 232 248 * + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
** + *
** + **
** + * *
** + ***
** *+ *
** *+ **
** *+ * *
** *+ ***
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
9 25 41 57 73 89 105 121 137 153 169 185 201 217 233 249 * + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
* * + *
* * + **
* * + * *
* * + ***
* * *+ *
* * *+ **
* * *+ * *
* * *+ ***
10 26 42 58 74 90 106 122 138 154 170 186 202 218 234 250 ** + *
** + **
** + * *
** + ***
** *+ *
** *+ **
** *+ * *
** *+ ***
*** + *
*** + **
*** + * *
*** + ***
*** *+ *
*** *+ **
*** *+ * *
*** *+ ***
11 27 43 59 75 91 107 123 139 155 171 187 203 219 235 251 +* *
+* **
+* * *
+* ***
*+* *
*+* **
*+* * *
*+* ***
* +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
12 28 44 60 76 92 108 124 140 156 172 188 204 220 236 252 * +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
** +* *
** +* **
** +* * *
** +* ***
** *+* *
** *+* **
** *+* * *
** *+* ***
13 29 45 61 77 93 109 125 141 157 173 189 205 221 237 253 * +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
* * +* *
* * +* **
* * +* * *
* * +* ***
* * *+* *
* * *+* **
* * *+* * *
* * *+* ***
14 30 46 62 78 94 110 126 142 158 174 190 206 222 238 254 ** +* *
** +* **
** +* * *
** +* ***
** *+* *
** *+* **
** *+* * *
** *+* ***
*** +* *
*** +* **
*** +* * *
*** +* ***
*** *+* *
*** *+* **
*** *+* * *
*** *+* ***
15 31 47 63 79 95 111 127 143 159 175 191 207 223 239 255
Contoh Penerapan Feature Point Extraction
Contoh yang digunakan berikut ini menggunakan matriks awal
berukuran 9x9. Apabila dipecah-pecah menjadi submatriks berukuran 3x3
maka akan menjadi seperti terlihat pada gambar berikut ini:
Gambar 2.7 Pemecahan matriks 9x9 menjadi 9 bagian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Sebagai contoh, gambar 2.8 (a) dan (b) di bawah ini adalah dua buah
karakter huruf input.
(a) (b)
Gambar 2.8 (a) Karakter huruf S (b) karakter huruf E
Karakter-karakter tersebut kemudian dipecah menjadi 9 buah matriks
berukuran 3x3 sebagai berikut:
(a) (b)
Gambar 2.9 Karakter huruf yang telah dipecah menjadi 9 bagian
Tiap potongan matriks yang berukuran 3x3 pada gambar 2.12
tersebut kemudian akan dicocokkan dengan tabel ketetanggaan antar pixel
untuk diketahui nilai feature atau cirinya. Feature inilah yang akan digunakan
sebagai acuan untuk penerapan metode pengukuran jarak Euclidean.
A B C
D E F
G H I
A B C
D E F
G H I
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
Karena matriks yang berada pada posisi tengah tidak selalu berwarna
hitam (bernilai biner 0), maka tabel perbandingan harus diberi kemungkinan
untuk matriks yang bernilai 1 (berwarna putih), sehingga tabel hubungan
ketetanggaan antar piksel yang sebelumnya berjumlah 28 (256), harus
ditambahkan satu kemungkinan lagi, sehingga tabel hubungan ketetanggaan
antar piksel akan berjumlah 29 (512).
Tabel 2.2 Tabel hubungan ketetanggaan antarpiksel, piksel pada posisi
tengah yang bernilai 1 (berwarna putih)
+
+ *
+ *
+ **
*+
*+ *
*+ *
*+ **
* +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
256 272 288 304 320 336 352 368 384 400 416 432 448 464 480 496 * +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
** +
** + *
** + *
** + **
** *+
** *+ *
** *+ *
** *+ **
257 273 289 305 321 337 253 369 385 401 417 433 449 465 481 497 * +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
* * +
* * + *
* * + *
* * + **
* * *+
* * *+ *
* * *+ *
* * *+ **
258 274 290 306 322 338 354 370 386 402 418 434 450 466 482 498 ** +
** + *
** + *
** + **
** *+
** *+ *
** *+ *
** *+ **
*** +
*** + *
*** + *
*** + **
*** *+
*** *+ *
*** *+ *
*** *+ **
259 275 291 307 323 339 355 371 387 403 419 435 451 467 483 499 +*
+* *
+* *
+* **
*+*
*+* *
*+* *
*+* **
* +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
260 276 292 308 324 340 356 372 388 404 420 436 452 468 484 500 * +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
** +*
** +* *
** +* *
** +* **
** *+*
** *+* *
** *+* *
** *+* **
261 277 293 309 325 341 357 373 389 405 421 437 453 469 485 501 * +*
* +* *
* +* *
* +* **
* *+*
* *+* *
* *+* *
* *+* **
* * +*
* * +* *
* * +* *
* * +* **
* * *+*
* * *+* *
* * *+* *
* * *+* **
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
+
+ *
+ *
+ **
*+
*+ *
*+ *
*+ **
* +
* + *
* + *
* + **
* *+
* *+ *
* *+ *
* *+ **
262 278 294 310 326 342 358 374 390 406 422 438 454 470 486 502 ** +*
** +* *
** +* *
** +* **
** *+*
** *+* *
** *+* *
** *+* **
*** +*
*** +* *
*** +* *
*** +* **
*** *+*
*** *+* *
*** *+* *
*** *+* **
263 279 295 311 327 343 359 375 391 407 423 439 455 471 487 503 + *
+ **
+ * *
+ ***
*+ *
*+ **
*+ * *
*+ ***
* + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
264 280 296 312 328 344 360 376 392 408 424 440 456 472 488 504 * + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
** + *
** + **
** + * *
** + ***
** *+ *
** *+ **
** *+ * *
** *+ ***
265 281 297 313 329 345 361 377 393 409 425 441 457 473 489 505 * + *
* + **
* + * *
* + ***
* *+ *
* *+ **
* *+ * *
* *+ ***
* * + *
* * + **
* * + * *
* * + ***
* * *+ *
* * *+ **
* * *+ * *
* * *+ ***
266 282 298 314 330 346 362 378 394 410 426 442 458 474 490 506
** + *
** + **
** + * *
** + ***
** *+ *
** *+ **
** *+ * *
** *+ ***
*** + *
*** + **
*** + * *
*** + ***
*** *+ *
*** *+ **
*** *+ * *
*** *+ ***
267 283 299 315 331 347 363 379 395 411 427 443 459 475 491 507 +* *
+* **
+* * *
+* ***
*+* *
*+* **
*+* * *
*+* ***
* +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
268 284 300 316 332 348 364 380 396 412 428 444 460 476 492 508 * +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
** +* *
** +* **
** +* * *
** +* ***
** *+* *
** *+* **
** *+* * *
** *+* ***
269 285 301 317 333 349 365 381 397 413 429 445 461 477 493 509 * +* *
* +* **
* +* * *
* +* ***
* *+* *
* *+* **
* *+* * *
* *+* ***
* * +* *
* * +* **
* * +* * *
* * +* ***
* * *+* *
* * *+* **
* * *+* * *
* * *+* ***
270 286 302 318 334 350 366 382 398 414 430 446 462 478 494 510 ** +* *
** +* **
** +* * *
** +* ***
** *+* *
** *+* **
** *+* * *
** *+* ***
*** +* *
*** +* **
*** +* * *
*** +* ***
*** *+* *
*** *+* **
*** *+* * *
*** *+* ***
271 287 303 319 335 351 367 383 399 415 431 447 463 479 495 511
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
Berdasarkan 512 kemungkinan nilai fitur yang didapatkan dari tabel
ketetanggaan antar piksel tersebut, maka dari gambar 2.9 akan diperoleh nilai
fitur untuk tiap karakternya, seperti yang akan ditunjukkan pada tabel 2.3:
Tabel 2.3 Tabel hasil nilai tiap segmen
A B C D E F G H I
a) 119 199 197 135 199 205 220 124 118
b) 119 199 197 245 68 64 221 124 116
Nilai-nilai fitur yang terdapat pada tiap huruf dari setiap segmen
inilah yang kemudian akan digunakan sebagai tolak ukur dalam penghitungan
kemiripan berdasarkan jarak Euclidean.
2.3 Template Matching
Template Matching adalah sebuah teknik membandingkan beberapa
variabel berdasarkan sudut pandang (view point) tertentu dari sebuah obyek
yang diamati (Brunelli, 2009).
Template Matching mungkin adalah sebuah teknik pengenalan pola
yang paling sederhana Pola diidentifikasi dengan cara membandingkan pola
input dengan deretan data yang mewakili pola-pola, dan deretan data itulah
yang dinamakan template (Pearson, 2001).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
Gambar 2.10 Skema Template Matching secara umum (Pearson, 2001)
Sebuah pola input yang ditunjukkan seperti pada gambar 2.10
diproses ke sebuah komparator atau pembanding yang bertugas untuk
mengukur kemiripan antara pola input tersebut dengan pola-pola template
yang sebelumnya sudah ada. Pembandingan tersebut akan menghasilkan hasil
pencocokan terbaik yang akan dianggap sebagai pola yang dikenali jika
pasangan yang cocok tersebut memiliki nilai kemiripan yang melampaui nilai
threshold atau kriteria yang sebelumnya ditentukan (Pearson, 2001).
Gambar 2.11 Contoh template dari obyek huruf dan obyek wajah
Dalam template matching, menemukan cara alternatif dalam
menghitung dan merepresentasikan citra dengan waktu yang lebih singkat
dan dengan data yang lebih sedikit merupakan suatu tujuan. Untuk itu perlu
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
dibatasi adanya citra template yang secara konten cukup serupa. Namun ada
beberapa efek samping yang perlu diperhatikan ketika menggambarkan data
(atribut dan template) secara hemat atau sedikit (Brunelli, 2009):
1. Kriteria penggolongan yang dikenakan pada data seringkali
memiliki parameter yang lebih sedikit untuk dihitung.
2. Sampel data yang lebih sedikit dibutuhkan untuk mewakili
pendekatan distribusi kemungkinan yang lebih baik.
3. Pengenalan pola dapat dilakukan dengan kecepatan yang lebih
tinggi apabila data yang dikerjakan lebih sedikit (atribut,
template, resolusi, dan sebagainya).
Hal-hal tersebut terkait dengan fakta bahwa volume sebuah data
meningkat sebanding dengan banyaknya dimensi data. Jika resolusi yang ada
diperbaiki dengan tujuan untuk lebih menjelaskan adanya distribusi data,
maka jumlah sampel juga akan meningkat secara eksponensial (Brunelli,
2009).
Jika hal tersebut dihubungkan dengan sebuah citra seperti citra wajah,
maka meskipun dibutuhkan ribuan piksel untuk merepresentasikan data, maka
hal tersebut tidak akan memenuhi semua kemungkinan dimensi citra yang
nantinya akan berisikan semua kemungkinan citra (Brunelli, 2009).
Secara umum template matching hanya cocok digunakan pada
pengenalan pola yang sederhana, dimana hanya ada sejumlah kecil kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
unik pola yang hanya sedikit
sebelumnya. Perlu diingat
variasi posisi, tidak dapat diatasi dengan mudah oleh template matching
karena adanya perbedaan orientasi antara input dengan template
bentuknya benar-benar identik
2.4 Jarak Minimum Euclidean
Dalam konteks matematika, jarak
titik yang bisa diukur menggunakan suatu alat, seperti misalnya penggaris.
Rumus jarak Euclidean
1996).
Gambar
Pada diagram seperti pada gambar 2.10
horizontal antara dua titik data yaitu (
jarak vertikalnya sebesar 3.
unik pola yang hanya sedikit berbeda dari template-template yang sudah ada
Perlu diingat bahwa variasi pola seperti rotasi, ukuran, dan
variasi posisi, tidak dapat diatasi dengan mudah oleh template matching
karena adanya perbedaan orientasi antara input dengan template, walaupun
benar identik (Pearson, 2001).
Euclidean
Dalam konteks matematika, jarak Euclidean adalah jarak antara dua
yang bisa diukur menggunakan suatu alat, seperti misalnya penggaris.
Euclidean bersumber dari theorema Phytagoras (Bogomolny,
Gambar 2.12 Diagram jarak antara dua titik
Pada diagram seperti pada gambar 2.10 dapat terlihat bahwa jarak
horizontal antara dua titik data yaitu (-2, 2) dan (-2, -1) adalah sebesar 4 dan
jarak vertikalnya sebesar 3. Dengan menggunakan rumus Pythagoras, maka
24
yang sudah ada
bahwa variasi pola seperti rotasi, ukuran, dan
variasi posisi, tidak dapat diatasi dengan mudah oleh template matching
, walaupun
adalah jarak antara dua
yang bisa diukur menggunakan suatu alat, seperti misalnya penggaris.
(Bogomolny,
dapat terlihat bahwa jarak
1) adalah sebesar 4 dan
Dengan menggunakan rumus Pythagoras, maka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
didapatkan bahwa jarak hypotenuse dari dua titik tersebut adalah =3 +4
sehingga didapatkan bahwa jarak hypotenuse adalah sebesar 5.
Berdasarkan rumus pengukuran jarak tersebut maka dapat dibuat
rumus jarak dengan metode yang sama, yang disebut jarak Euclidean.
Gambar 2.13 Rumus Jarak Euclidean
Penerapan rumus jarak ini dapat diuji dengan menggunakan data pada
gambar 2.10
Jarak ( (2,-1) , (2,2) ) = (2 − (−2)) + ((−1) − 2) = (2 + 2) + (−1 − 2)
= (4) + (−3) = √16 + 9 = √25 = 5
Jika rumus jarak pada dua titik berbentuk segitiga diukur dengan
menggunakan rumus Phytagoras, maka untuk penerapan penghitungan jarak
dalam jarak dan kasus yang nyata, digunakan rumus jarak Euclidean.
Penerapan ini digunakan karena ada banyak atribut yang menentukan ’jarak
yang nyata’ seperti kecepatan, bentuk permukaan bumi, dan lain sebagainya,
sehingga penerapan jarak Euclidean tersebut lebih cocok diterapkan pada
berbagai kasus (Bogomolny, 1996).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
2.5 Huruf Hiragana
Sejarah berbagai huruf di jepang salah satunya diketahui berawal dari
jaman Kaisar Ojin sekitar 370 M yang memanggil dua sarjana Korea ke istana
untuk mengajar huruf dan literatur Tiongkok pada putra mahkota (Fischer,
2004). Huruf ini kemudian pada abad ke-8 berubah menjadi dua golongan
sistem penulisan yaitu kanbun dan wabun yang kelak akan mempengaruhi
penulisan huruf jepang modern.
Kanbun menggunakan huruf tiongkok dan pengucapannya berusaha
disesuaikan dengan lidah setempat. Sedangkan wabun menggunakan huruf
tiongkok yang bunyi pengucapannya benar-benar independen dan berbeda dari
pengucapan huruf tiongkok tersebut. Huruf wabun kemudian berubah bentuk
menjadi huruf hiragana dan katakana.
Huruf hiragana dan katakana merupakan huruf yang identik secara
pengucapan (syllabaries), hanya berbeda pada tampilan luar dan
penggunaannya, karena memiliki sistem yang sama, tapi tulisan yang berbeda
(Fischer, 2004).
Dilihat dari segi penggunaan tulisan, huruf Hiragana hanya digunakan
untuk menulis kata-kata asli Jepang saja, sedangkan huruf Katakana
digunakan untuk menulis suatu kata serapan asing dan bunyi-bunyian.
Dilihat dari segi cara penulisan, perbedaan terlihat jelas pada tingkat
kursif / lengkungan huruf. Huruf Hiragana umumnya lebih bersifat kursif atau
melengkung dibandingkan dengan huruf Katakana yang lebih bersifat anguler
atau bergaris lurus (Fischer, 2004).
Gambar 2.14 Perbandingan penulisan (a) Hiragana dan (b) Katakana
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Pada akhir 1800 M, huruf hiragana dan katakana yang ada direduksi
sehingga menjadi 96 buah huruf saja. Kemudian pada tahun 1900 M direduksi
lagi berdasarkan pengucapan, sehingga meninggalkan 92 huruf saja: 46 untuk
hiragana dan 46 untuk katakana (Fischer, 2004).
Masing-masing huruf Hiragana dan Katakana terdiri dari 46 lambang
penulisan yang mewakili 46 huruf dasar, seperti dapat dilihat pada gambar
2.14. Selain suku kata ”n”, masing-masing huruf ini merupakan kombinasi
dari 5 bunyi hidup (a i u e o) dan konsonan.
Gambar 2.15 Karakter dasar huruf Hiragana dan Katakana
Huruf Hiragana dan Katakana dapat diperhalus maupun dipertajam
bunyinya dengan menambahkan tanda di pojok kanan atas huruf. Dengan
ditambahnya tanda yang menyerupai tanda petik ganda atau lingkaran di pojok
kanan atas suatu huruf maka akan dapat diciptakan karakter Hiragana dan
Katakana baru. Contoh karakter Hiragana baru yang dibuat dengan
penambahan tanda dapat dilihat pada gambar 2.15.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Gambar 2.16 Karakter-karakter tambahan Hiragana
Selain menambahkan suatu tanda baca di pojok kanan atas dari suatu
huruf untuk menciptakan suatu huruf dan suku kata baru, penggabungan dua
buah karakter huruf Hiragana juga dapat menciptakan suatu bentuk pelafalan
baru, seperti dapat dilihat pada gambar berikut:
Gambar 2.17 Karakter-karakter penggabungan 2 buah huruf Hiragana
Secara teoritis, huruf hiragana dapat digunakan untuk menulis seluruh
tulisan Jepang, namun dalam prakteknya, huruf ini hanya digunakan untuk
akhiran kata, kata benda, dan kata sifat, partikel, dan beberapa kata-kata
Jepang asli yang tidak dituliskan dalam Kanji. Hal ini berbeda dengan huruf
Katakana yang digunakan untuk menulis huruf latin ataupun serapan dari
bahasa asing (Fischer, 2004).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
BAB III
ANALISIS DAN PERANCANGAN SISTEM
Dalam membangun sebuah aplikasi untuk mengenali lima buah huruf Jepang
hiragana yang menjadi tujuan dari tugas akhir ini, dibutuhkan beberapa tahap
terstruktur yang akan membantu proses terbentuknya sebuah aplikasi sesuai yang
diinginkan.Tahap-tahap tersebut bertujuan agar aplikasi yang akan dibangun nantinya
akan sesuai dengan tujuan dan hasil akan yang dicapai sejak semula.
3.1 Gambaran Sistem
Sistem yang akan dibangun akan dipakai dalam mengenali huruf
Hiragana dan akan menggunakan metode pengukuran jarak minimum
Euclidean sebagai tolak ukur pengenalan polanya, sedangkan untuk
pengambilan ciri digunakan perluasan metode Feature Point Extraction.
Karakter huruf yang akan dikenali dalam sistem ini adalah 5 karakter huruf
dasar Hiragana, yaitu huruf ”ma”, ”mi”, ”mu”, ”me”, dan ”mo”.
Input data pada sistem berupa file gambar yang memiliki ekstensi *.jpg,
*.jpeg, *.bmp, atau *.png. Data berupa gambar yang telah diinputkan tersebut
kemudian akan dibinerisasi. Setelah dilakukan proses binerisasi, maka akan
dilakukan proses penghilangan pinggiran putih, perubahan ukuran menjadi
matriks 9x9, dan kemudian dilakukan segmentasi menjadi 9 buah matriks yang
masing-masing berukuran 3x3.
Karakter input yang sudah dimasukkan kemudian dapat dicocokkan
dengan tabel, setelah itu data dapat menjalani proses penghitungan jarak.
Setelah proses penghitungan jarak minimum tersebut selesai, maka aplikasi
akan menunjukkan data yang sudah diinputkan, hasil analisa citra, segmentasi,
dan kemiripan citra berdasarkan penerapan rumus jarak minimum Euclidean.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Setelah proses penghitungan jarak minimum Euclidean selesai maka tiap posisi
piksel dalam citra input dan template akan ditinjau untuk mendapatkan
prosentase kemiripan.
Proses ini dilakukan dengan 3 tahap utama:
Tahap 1: Menganalisa data citra input dan citra template.
Tahap 2: Menghitung jarak data input dengan tiap-tiap template.
Tahap 3: Menentukan hasil analisa citra input dengan jarak Euclidean.
Tahap 4: Menghitung prosentase kemiripan berdasarkan nilai piksel.
Tahap awal dalam proses ini adalah pengolahan citra input yang terdiri
dari proses grayscaling, dan kemudian citra grayscale tersebut akan dikenai
thresholding yaitu binerisasi. Kemudian citra akan mengalami proses resizing
citra sehingga menjadi berukuran 9x9, dan kemudian citra akan dibagi atau
disegmentasi menjadi 9 bagian.
Data citra yang sudah dipisah menjadi 9 segmen tersebut kemudian akan
dicocokkan dengan tabel yang ada untuk pengambilan ciri, dan kemudian akan
dihitung dan dibandingkan dengan semua template yang ada berdasarkan jarak
Euclidean. Setelah template yang paling identik dengan input didapatkan maka
akan dihitung jumlah piksel dengan nilai yang sama dalam kedua citra tersebut.
Diagram sistem secara umum dapat dilihat pada gambar 3.1.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
Gambar 3.1 Diagram gambaran sistem secara umum
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Gambar 3.2 Diagram pemrosesan citra
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
3.2 Desain Proses
3.2.1 Proses segmentasi citra menjadi 9 bagian
Proses ini bertujuan untuk membagi citra gambar menjadi 9
bagian/segmen yang sebelumnya telah mengalami proses binerisasi. Citra
berukuran 9x9 yang telah didapatkan akan dipisahkan menjadi 9 bagian ,
yang masing-masing segmennya berukuran 3x3.
S_BL (1:3 , 1:3)
S_U (1:3 , 4:6)
S_TL (1:3 , 7:9)
S_B (4:6 , 1:3)
S_C (4:6 , 4:6)
S_T (4:6 , 7:9)
S_BD (7:9 , 1:3)
S_S (7:9 , 4:6)
S_TG (7:9 , 7:9)
Gambar 3.3 Diagram pembagian segmentasi
citra 9x9
Mulai
pembagian citra menjadi 9 segmen
Segmen S_BL, S_U,..., S_TG
Selesai
Gambar 3.4 Diagram proses segmentasi 9 bagian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
3.2.2 Proses pencocokan dengan tabel
Tiap segmen citra berukuran 3x3 yang terbentuk dari proses 3.2.1
akan dicocokkan dengan tiap nilai matrik dari tabel kemungkinan
ketetanggaan antar piksel yang berjumlah 512 (256 kemungkinan untuk
piksel tengah berwarna hitam, dan 256 kemungkinan untuk piksel tengah
berwarna putih).
Dari pencocokan tersebut akan diperoleh suatu nilai indeks yang
sesuai dengan tabel, dimana nilai indeks tersebut nantinya akan digunakan
sebagai fitur untuk tiap segmen.
Gambar 3.5 Diagram proses pencocokan dengan tabel
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
3.2.3 Proses penghitungan jarak Euclidean dari data gambar
Proses ini bertujuan untuk menentukan tingkat kemiripan antara
huruf dari citra gambar yang dimasukkan dengan data dari template-
template yang telah ada. Gambar yang telah dihitung jarak Euclidean nya
tersebut kemudian akan memiliki nilai jarak yang beragam. Berdasarkan
nilai jarak Euclidean yang bervariasi tersebut kemudian akan diambil
jarak atau nilai yang paling minimum sehingga gambar citra input dapat
diidentifikasi.
Nilai fitur citra input(a2,b2,c2,…,i2)
Mulai
data dan nilai fitur dengan jarak
paling minimum
Selesai
Nilai fitur citra template
(A,B,C,…, I)
Perhitungan jarak Euclidean dengan tiap
template
loop sebanyak jumlah template
(j= 1:jumlah template)
Membandingkan jarak paling minimum
j ≤ jumlah template
j > jumlah template
Gambar 3.6 Diagram proses penghitungan Jarak Euclidean
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
Setelah proses penghitungan jarak Euclidean selesai dilakukan,
maka akan dicari template bersangkutan yang memiliki jarak paling
minimal, dan program akan mengidentifikasi huruf tersebut sebagai
golongan huruf yang sama dengan template tersebut.
3.2.4 Proses penghitungan persentase kemiripan
Untuk mencari persentase kemiripan antara citra input dan citra
template dengan jarak Euclidean paling minimum, akan diperiksa setiap
posisi piksel yang ada, apakah nilai citra input dan citra template pada
posisi tertentu memiliki nilai yang sama. Jumlah posisi piksel yang
bernilai sama akan disimpan dalam suatu variabel dan dibagi dengan
jumlah piksel yang ada.
Perhitungan matematis yang dipakai untuk mendapatkan dalam
proses ini adalah : Persentase kemiripan = × 100%
Dimana rate adalah jumlah piksel yang posisi dan nilainya sama,
dan jumlah piksel adalah jumlah keseluruhan piksel dari citra yang sudah
diresizing, yaitu sejumlah 81.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
Berikut adalah diagram proses perhitungan persentase kemiripan
yang nantinya akan diterapkan dalam proses implementasi:
Gambar 3.7 Diagram proses penghitungan persentase kemiripan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
3.3 Analisis Kebutuhan
3.3.1 Use Case Diagram
Berikut adalah use case diagram dari sistem ini :
Gambar 3.8 Use Case Diagram
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
3.4 Logical Design
3.4.1 Context Diagram
Context diagram dari sistem ini dapat dilihat pada gambar 3.9 :
Gambar 3.9 Context Diagram
3.4.2 Data Flow Diagram Level 1
Data Flow Diagram dari sistem ini dapat dilihat pada gambar 3.10
berikut:
Gambar 3.10 Data Flow Diagram level 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
Sistem aplikasi pengenalan Huruf Jepang Hiragana memiliki dua
proses utama, yaitu proses pengolahan data gambar dan proses
penghitungan jarak Euclidean.
Proses pengolahan data gambar befungsi mengolah data gambar mulai
dari proses pengolahan citra binerisasi hingga proses thresholding, data
yang telah diolah tersebut kemudian dapat diukur jaraknya dengan
template yang telah ada sebelumnya, sehingga proses pengenalan dapat
dilakukan. Proses penghitungan jarak Euclidean befungsi untuk
menghitung jarak citra input yang dimasukkan oleh user, dengan tiap
template yang ada dalam library.
3.4.3 Data Flow Diagram Level 2 Proses Pengolahan Data Gambar
Detail proses Proses Pengolahan Data Gambar dari sistem ini dapat
dilihat pada gambar 3.16 berikut:
Gambar 3.11 Data Flow Diagram level 2 Proses Pengolahan Data Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Dalam proses Pengolahan Data Gambar ini, gambar yang telah
dimasukkan oleh user akan mengalami proses thresholding yang meliputi
grayscaling dan binerisasi. Setelah proses binerisasi selesai, maka akan
dilakukan proses segmentasi menjadi 9 bagian, nilai data gambar yang
bersifat biner dari hasil segmentasi ini kemudian menjadi berukuran 3x3
untuk tiap segmennya. Tiap matriks dari segmen yang berukuran 3x3
tersebut kemudian akan dicocokkan dengan tabel yang berjumlah 512 dan
akan menghasilkan nilai tertentu. Nilai tiap segmen tersebut kemudian
akan dihitung dengan metode penghitungan jarak Euclidean untuk
mengetahui jarak terminimum antara citra input dengan citra template.
Sebagai akhir dari proses pengolahan gambar, hasil informasi yang
akan muncul berupa berupa gambar input, gambar grayscale, gambar
biner, dan gambar biner 9x9 yang telah disegmentasi menjadi 9 bagian
(masing-masing berukuran 3x3), akan ditampilkan pada user sebagai
output proses.
3.4.4 Entity Relationship Diagram
Context diagram dari sistem ini dapat dilihat pada gambar 3.17 :
Gambar 3.17 Entity Relationship Diagram
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
3.5 Navigasi Menu
Berikut ini adalah alur navigasi dari semua menu yang dapat diakses
oleh user:
Gambar 3.18 Navigasi menu
Dalam aplikasi yang akan dibangun untuk mengenali tulisan tangan
Hiragana ini, terdapat 5 buah menu, yaitu Menu Home, Proses, Daftar Hiragana,
Bantuan, dan Tentang Program. Berikut ini adalah menu-menu tersebut dan
kegunaannya:
Home : Menuju ke halaman awal progam
Proses : Melakukan proses penghitungan untuk
mengenali pola berdasarkan template yang
ada
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
Daftar Hiragana : Menampilkan daftar huruf Hiragana yang
ada, yaitu 46 huruf Hiragana dasar.
Bantuan : Menampilkan informasi mengenai petunjuk
penggunaan program
Tentang Program : Menampilkan informasi program dan kebutuhan
minimum untuk spesifikasi Hardware
Selain menu-menu tersebut, terdapat menu untuk keluar dari program
yang dapat dijalankan dengan cara menekan tanda ”x” di pojok kanan
atas tampilan program, dan menu minimize yang dapat diakses dengan
cara menekan tanda ”_”.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
3.6 Desain User Interface
Berikut ini adalah rancangan desain user interface dari aplikasi yang
akan dibangun untuk mengenali karakter huruf Jepang Hiragana.
3.6.1 Halaman Utama (Home)
Gambar 3.19 Desain interface Home
Halaman utama / Home ini merupakan tampilan aplikasi yang
pertama kali akan ditemui oleh user. Pada halaman ini user dapat mulai
melihat daftar huruf Hiragana dasar, melihat tentang program, ataupun
melihat menu bantuan, dengan cara memilih menu yang ada di atas
tampilan aplikasi. Untuk keluar dari program user dapat menekan tanda ”x”
yang terletak di pojok kanan atas tampilan aplikasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
3.6.2 Input Gambar
Gambar 3.20 Desain interface Input Gambar
Pada halaman ini, user dapat memulai proses pengenalan pola
dengan memilih gambar yang akan dianalisa. Pemilihan input huruf
Hiragana dapat dilakukan dengan memilih salah satu gambar yang bertipe
*.jpg, *.jpeg, *.bmp, ataupun *.png.
Proses pemilihan gambar dapat dilakukan dengan menekan
tombol ”cari”, kemudian user dapat memilih gambar lewat menu explorer.
Alamat dari gambar yang dituju kemudian akan muncul pada field ”Lokasi
file”. Setelah proses pemilihan gambar selesai, user dapat melihat gambar
dengan menekan tombol ”lihat”. Kemudian user dapat menganalisa
gambar dengan menekan tombol ”Proses”.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
3.6.3 Kesimpulan Pengenalan Pola
Gambar 3.21 Desain interface Kesimpulan
Halaman Kesimpulan ini akan muncul setelah tombol “Proses” pada
halaman “Input Data Huruf” sebelumnya ditekan. Dalam halaman ini akan
ditampilkan hasil dari proses pengolahan citra gambar yang telah
dilakukan dan juga hasil analisa kesimpulan dari pengenalan pola
menggunakan metode Feature Point Extraction dan Jarak Euclidean.
Untuk memasukkan gambar lainnya user dapat menekan tombol ”Ulangi”
dan kembali ke Halaman Utama.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
3.6.4 Pemberitahuan Kesalahan
Gambar 3.22 Desain interface Bantuan
Halaman ”Pemberitahuan Kesalahan” ini akan ditampilkan pada
user bila terdapat suatu kesalahan pada proses yang dijalani. Yang
termasuk dalam kesalahan yang dimaksud adalah:
- File gambar yang diinputkan pada proses ”Input Data Huruf”
semuanya berwarna putih (gambar kosong)
- Pada saat proses ”Input Data Huruf”, tidak ada data citra yang
dimasukkan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
3.6.5 Daftar Hiragana
Gambar 3.23 Desain interface Daftar Hiragana
Halaman ”Daftar Hiragana” ini dapat ditampilkan pada user dengan
menekan menu file ” Daftar Hiragana” dan kemudian akan muncul
halaman ” Daftar Hiragana”. Pada halaman ini user dapat mengetahui
huruf-huruf Hiragana yang akan dikenali oleh aplikasi ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
3.6.6 Tentang Program
Gambar 3.24 Desain interface Tentang Program
Halaman ”Tentang Program” ini dapat ditampilkan pada user
dengan menekan menu file ” Tentang Program” dan kemudian akan
muncul halaman ” Tentang Program”. Pada halaman ini user dapat
melihat informasi umum tentang program ini dan kebutuhan minimum
spesifikasi Hardware komputer untuk dapat menjalankan aplikasi ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
3.6.9 Bantuan
Gambar 3.25 Desain interface Bantuan
Halaman ”Bantuan” ini dapat ditampilkan pada user dengan
menekan menu file ” Bantuan” dan kemudian akan muncul
halaman ”bantuan”. Pada halaman ini user dapat mendapatkan informasi
tentang petunjuk penggunaan program, sehingga user dapat mengerti cara
dan langkah penggunaan program. User dapat menekan
tombol ”Selanjutnya” atau ”Kembali” untuk memilih topik bantuan yang
diinginkan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
3.7 Spesifikasi Hardware dan Software Untuk Membangun Sistem
Berikut ini adalah spesifikasi hardware dan software yang digunakan
dalam membangun aplikasi yang bertujuan untuk mengenali huruf Jepang
Hiragana:
3.7.1 Hardware
3.7.1.1 AMD Athlon 64 Processor 1.81 GHz
3.7.1.2 DDR 512MB Visipro
3.7.1.3 Radeon 9250 GECUBE
3.7.1.4 HDD Seagate 80GB SATA
3.7.2 Software
3.7.2.1 Microsoft Windows XP Professional Service Pack 2
3.7.2.2 Matlab 7
3.7.2.3 Adobe Photoshop 7
3.7.2.4 Microsoft Paint
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
3.8 Spesifikasi Hardware dan Software Untuk Menjalankan Sistem
Berikut ini adalah spesifikasi hardware dan software yang dapat
digunakan untuk menjalankan aplikasi pengklasifikasikan huruf Jepang
Hiragana:
3.8.1 Hardware
3.8.1.1 AMD Sempron
3.8.1.2 DDR 512MB Visipro
3.8.1.3 Radeon 9250 GECUBE
3.8.1.4 HDD Seagate 40GB SATA
3.8.2 Software
3.8.2.1 Microsoft Windows XP Professional Service Pack 2
3.8.2.2 Matlab 7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
BAB IV
IMPLEMENTASI SISTEM
4.1 Implementasi Proses
4.1.1 Proses Binerisasi
Proses Binerisasi berfungsi untuk mengkonversi citra gambar
masukan user yang sudah diubah sebelumnya menjadi citra grayscale (8
bit), menjadi citra yang hanya berwarna hitam dan putih saja (1 bit).
Proses binerisasi ini dilakukan dengan level threshold 0.75, dengan kata
lain bagian citra yang derajat keabuannya diatas 0.75 akan dianggap
sebagai warna putih (bernilai 1) dan yang dibawah atau sama dengan
0.75 akan dianggap sebagai warna hitam (0).
function BW=binerisasi(citra_gs) BW = im2bw(citra_gs,0.75);
4.1.2 Proses Segmentasi Citra
Proses segmentasi citra dilakukan untuk mendapatkan bagian-
bagian citra yang sudah dipecah-pecah menjadi 9 bagian, sehingga proses
ekstraksi ciri dapat dilakukan.
function [A,B,C,D,E,F,G,H,I]=feature_ex(pola_15) % segmentasi pola menjadi 9 bagian A-I S_BL = pola_15(1:3,1:3); %ambil matrik baris 1-3 kolom 1-3 S_U = pola_15(1:3,4:6); S_TL = pola_15(1:3,7:9); S_B = pola_15(4:6,1:3);
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
S_C = pola_15(4:6,4:6); S_T = pola_15(4:6,7:9); S_BD = pola_15(7:9,1:3); S_S = pola_15(7:9,4:6); S_TG = pola_15(7:9,7:9);
4.1.3 Proses Pencocokan dengan Tabel dan Ekstraksi Ciri
Proses ekstraksi ciri dilakukan dengan mencocokkan bagian-bagian
citra yang sudah dipecah sebelumnya dengan tabel. Tabel tersebut berisi
semua kemungkinan keanggotaan antar piksel. Masing-masing
kemungkinan memiliki nilai yang selanjutnya dapat digunakan untuk
proses pengenalan pola dengan metode perluasan feature point extraction
dan jarak euclidean.
% hitung nilai tiap segmen berdasarkan tabel A=tabel(S_BL); B=tabel(S_U); C=tabel(S_TL); D=tabel(S_B); E=tabel(S_C); F=tabel(S_T); G=tabel(S_BD); H=tabel(S_S); I=tabel(S_TG); function derajat=proses_tabel(input) % matrik 3x3 untuk pixel tengah hitam m{1} = [1 1 1; 1 0 1; 1 1 1]; m{2} = [1 0 1; 1 0 1; 1 1 1]; m{3} = [1 1 0; 1 0 1; 1 1 1]; m{4} = [1 0 0; 1 0 1; 1 1 1];
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
( semua kemungkinan sampai dengan) m{509} = [0 1 1; 0 1 0; 0 0 0]; m{510} = [0 0 1; 0 1 0; 0 0 0]; m{511} = [0 1 0; 0 1 0; 0 0 0]; m{512} = [0 0 0; 0 1 0; 0 0 0]; % loop to match every matrix value % if image input = matrix value for i=1:512 if (input == m{i}) nilai=i-1; break; end end
4.1.4 Proses Penghitungan Jarak Euclidean
Proses ini dilakukan untuk mencocokkan data input berupa citra
huruf hiragana dengan setiap template yang ada dalam program. Proses
ini kemudian dilanjutkan dengan penghitungan jarak dengan metode
Jarak Euclidean dan mencari jarak paling minimum dari semua template
yang ada.
% pola input [a2,b2,c2,d2,e2,f2,g2,h2,i2]=feature_extract(pola); % pola template template_in=data_templates; %[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]=template_extract(template_in); [A,B,C,D,E,F,G,H,I,template_15]=template_extract(template_in); x=1; % inisialisasi pertama
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
% menghitung jarak euclidean input dengan tiap template for j=1:length(template_in) % uji untuk setiap template yg ada % untuk 9 segmen jarak = sqrt( ((a2-A{j})^2) + ((b2-B{j})^2) + ((c2-C{j})^2) + ((d2-D{j})^2) + ((e2-E{j})^2) + ((f2-F{j})^2) + ((g2-G{j})^2) + ((h2-H{j})^2) + ((i2-I{j})^2) ); jar{j}=jarak; if j==1 % jika belum ada jarak minimum jarak_min=jar{j}; indeks_template=j; else if jar{j}<jarak_min % jika jrk min lebih kecil dr jrk min sebelumnya jarak_min=jar{j}; indeks_template=j; % dapatkan indeks template dgn jarak terminimum dgn inputan end end end termirip = indeks_template % menemukan indeks template ma=1,mi=2,mu=3,me=4,mo=5 indeks_template_yang_sesuai = mod(indeks_template,5); jawab=0; if indeks_template_yang_sesuai==1 hiragana=imread('pics/ma.gif'); axes('position',[0.53 0.4 0.18 0.18]); imshow(hiragana); uicontrol(... 'Style','Text',... 'Units','normalized',... 'Position',[0.55 0.35 0.24 0.03],... 'FontName','Arial',... 'FontSize',10,... 'FontWeight','Bold',... 'ForegroundColor',[0 0 0],... 'BackgroundColor',[1 1 1],... 'HorizontalAlignment','left',... 'String','Dikenali sebagai huruf "MA" '); else if indeks_template_yang_sesuai==2 hiragana=imread('pics/mi.gif'); axes('position',[0.53 0.4 0.18 0.18]); imshow(hiragana); uicontrol(... 'Style','Text',...
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
'Units','normalized',... 'Position',[0.55 0.35 0.24 0.03],... 'FontName','Arial',... 'FontSize',10,... 'FontWeight','Bold',... 'ForegroundColor',[0 0 0],... 'BackgroundColor',[1 1 1],... 'HorizontalAlignment','left',... 'String','Dikenali sebagai huruf "MI" '); else if indeks_template_yang_sesuai==3 hiragana=imread('pics/mu.gif'); axes('position',[0.53 0.4 0.18 0.18]); imshow(hiragana); uicontrol(... 'Style','Text',... 'Units','normalized',... 'Position',[0.55 0.35 0.24 0.03],... 'FontName','Arial',... 'FontSize',10,... 'FontWeight','Bold',... 'ForegroundColor',[0 0 0],... 'BackgroundColor',[1 1 1],... 'HorizontalAlignment','left',... 'String','Dikenali sebagai huruf "MU" '); else if indeks_template_yang_sesuai==4 hiragana=imread('pics/me.gif'); axes('position',[0.53 0.4 0.18 0.18]); imshow(hiragana); uicontrol(... 'Style','Text',... 'Units','normalized',... 'Position',[0.55 0.35 0.24 0.03],... 'FontName','Arial',... 'FontSize',10,... 'FontWeight','Bold',... 'ForegroundColor',[0 0 0],... 'BackgroundColor',[1 1 1],... 'HorizontalAlignment','left',... 'String','Dikenali sebagai huruf "ME" '); else if indeks_template_yang_sesuai==5 hiragana=imread('pics/mo.gif'); axes('position',[0.53 0.4 0.18 0.18]); imshow(hiragana); uicontrol(... 'Style','Text',... 'Units','normalized',... 'Position',[0.55 0.35 0.24 0.03],...
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
'FontName','Arial',... 'FontSize',10,... 'FontWeight','Bold',... 'ForegroundColor',[0 0 0],... 'BackgroundColor',[1 1 1],... 'HorizontalAlignment','left',... 'String','Dikenali sebagai huruf "MO" '); end end end end end
4.1.5 Proses Penghitungan Persentase Kemiripan
Peroses ini dilakukan dengan cara menghitung persentase kemiripan
antara tiap piksel citra input dengan tiap piksel citra template. Citra
template yang digunakan dalam proses ini adalah citra template hasil
proses penghitungan jarak Euclidean (proses 4.1.4), yang mana jarak
Euclideannya poaling minimum bila dibandingkan dengan template yang
lain. Persentase kemiripan dihitung dengan mencari jumlah piksel yang
cocok dalam kedua citra tersebut dibagi dengan jumlah piksel yang ada :
% menentukan persentase kemiripan berdasarkan posisi tiap piksel rate=0; for i=1:9 for j=1:9 if( pola(i,j) == template_15{indeks_template}(i,j) ) rate=rate+1; end end end persentase=round((rate/81)*100);
4.2 Implementasi Interface
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
4.2.1 Menu Utama Aplikasi
Implementasi interface yang muncul sebagai splash screen adalah
sebagai berikut:
Gambar 4.1 Menu Utama Aplikasi
4.2.2 Menu Bantuan Aplikasi
Implementasi interface yang muncul sebagai menu bantuan adalah
sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
Gambar 4.2 Menu Bantuan Aplikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
4.2.3 Menu Daftar Tabel Hiragana
Tampilan berikut akan muncul jika user memilih menu Hiragana, yang
berisikan dafta 46 huruf hiragana yang ada. Dalam interface ini juga
ditampilkan 5 buah huruf hiragana yang akan dikenali dalam aplikasi ini,
yang ditandai dengan lingkaran berwarna merah:
Gambar 4.3 Menu Daftar Tabel Hiragana
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
4.2.4 Menu Tentang Program
Tampilan berikut akan muncul jika user memilih menu ”About” yang
berisikan tentang penyusun tugas akhir:
Gambar 4.4 Menu Tentang Program
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
4.2.5 Menu Pemilihan Gambar
Implementasi interface yang akan muncul sebagai form pemilihan
gambar adalah sebagai berikut:
Gambar 4.5 Menu Pemilihan Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
4.2.6 Menu Pemberitahuan Kesalahan
Tampilan berikut akan muncul jika user melakukan keslaahan pada
saat proses pemasukan gambar, misalnya ketika user tidak memasukkan
gambar citra dan langsung menekan tombol ”Proses”:
Gambar 4.6 Menu Pemberitahuan Kesalahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
4.2.7 Menu Hasil Pengolahan Citra
Implementasi interface yang akan muncul sebagai keluaran dari
pengolahan citra dan penghitungan terhadap template yang dipakai
terhadap 5 jenis huruf hiragana adalah sebagai berikut:
Gambar 4.7 Menu Hasil Pengolahan Citra
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
BAB V
ANALISIS HASIL DAN PEMBAHASAN
5.1 Hasil Pengujian Karakter
Dalam pengujian aplikasi yang telah dibuat untuk mengenali huruf
Jepang Hiragana ini, didapatkan hasil berupa huruf input, template yang
paling mirip berdasarkan perhitungan jarak Euclidean, dan persentase
kemiripan.
Huruf input Minimum
dengan template
Persentase Kemiripan
(dalam %)
Mi_6 Mi_5 84
Mi_7 Mu_4 70
Mi_8 Ma_4 70
Mi_9 Ma_3 63
Mi_10 Mi_4 81
Mu_6 Mu_4 84
Mu_7 Mu_4 89
Mu_8 Mu_4 79
Mu_9 Mu_3 77
Mu_10 Mu_4 86
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
Ma_6 Mu_1 69
Ma_7 Mo_4 79
Ma_8 Mu_1 62
Ma_9 Ma_2 84
Ma_10 Mu_1 62
Mo_6 Mu_2 72
Mo_7 Mu_1 63
Mo_8 Ma_3 70
Mo_9 Mu_5 67
Mo_10 Mu_2 74
Me_6 Me_4 77
Me_7 Mi_1 54
Me_8 Mi_3 70
Me_9 Me_4 81
Me_10 Mu_4 65
Tabel 5.1 Hasil eksekusi berdasarkan jarak minimum Euclidean
*Perhitungan persentase kemiripan didapatkan dari × 100, dimana n adalah
jumlah piksel input yang nilainya sesuai dengan piksel template.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
BAB VI
PENUTUP
Berdasarkan hasil yang didapat selama dalam penyusunan tugas akhir ini,
didapatkan beberapa kesimpulan dan saran yang selanjutnya dapat digunakan untuk
mengembangkan aplikasi ini secara lebih baik.
6.1 Kesimpulan
6.1.1 Terciptanya sistem yang dapat mengenali huruf Jepang Hiragana
menggunakan perluasan Feature Point Extraction dan jarak minimum
Euclidean untuk 5 jenis huruf dengan tingkat kesesuaian hingga 89%.
6.1.2 Penambahan 256 kemungkinan pada tabel antar piksel mampu
mengatasi kelemahan metode feature point extraction, yang
sebelumnya hanya mampu memberi nilai fitur berdasarkan piksel
tengah berwarna hitam saja.
6.2 Saran
6.2.1 Penggunaan algoritma lain untuk pengenalan pola dapat dilakukan
untuk mendapatkan hasil yang lebih baik dari segi waktu eksekusi.
6.2.2 Penggunaan ekstraksi ciri dengan metode Feature Point Extraction
dapat digunakan dengan metode pengenalan pola lainnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
DAFTAR PUSTAKA
Bogomolny, A. The Distance Formula from Interactive Mathematics Miscellany and
Puzzles. Tersedia di: http://www.cut-the-knot.org/pythagoras/DistanceFormula.shtml diakses tanggal 7 Juni 2012
Brown, E. W. 1992. Character Recognition by Feature Point Extraction. Tersedia di:
http://www.ccs.neu.edu/home/feneric/charrec.html diakses tanggal 7 Desember 2008.
Brunelli, R. 2009. Template Matching Techniques in Computer Vision: Theory and
Practice. John Wiley & Sons Ltd., United Kingdom. Fischer, S. R. 2004. History of Writing. Tersedia di: http://learntheenglish.net/2011/08/history-of-writing/ diakses tanggal 19 Juli
2012. Fisher, R., dkk. 2003. Thresholding. Tersedia di: http://homepages.inf.ed.ac.uk/
rbf/HIPR2/threshld.htm diakses tanggal 7 Desember 2008. Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.
Informatika. Bandung. Parker, James R. 1997. Algorithms for Image Processing and Computer Vision.
Wiley Computer Publishing, New York. Pearson, Don. 2001. Image Processing. McGraw-Hill Book Co., Inggris. Scratchz. 2007. Pattern Recognition. Tersedia di: http://scratchz.myucil.net/2007/
09/06/pattern-recognition diakses tanggal 21 Juli 2008. . 2002. Hiragana. Tersedia di: http://www.japan-guide.com/e/e2047.html diakses tanggal 23 November 2008.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
LAMPIRAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
Lampiran 1: Citra Template
huruf 1 2 3 4 5 ma
mi
mu
me
mo
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
Lampiran 2: Citra Pengujian
huruf 6 7 8 9 10 ma
mi
mu
me
mo
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI