PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK...

111
PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Ilmu Komputer Oleh: Antonius Willy Setiawan NIM: 043124003 PROGRAM STUDI ILMU KOMPUTER JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2008

Transcript of PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK...

Page 1: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

PERLUASAN METODE FEATURE POINT

EXTRACTION UNTUK PENGENALAN

HURUF JEPANG HIRAGANA

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Sains

Program Studi Ilmu Komputer

Oleh: Antonius Willy Setiawan

NIM: 043124003

PROGRAM STUDI ILMU KOMPUTER JURUSAN MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA

YOGYAKARTA 2008

Page 2: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

THE EXTENSION OF FEATURE POINT EXTRACTION

METHOD FOR JAPANESE HIRAGANA LETTER

RECOGNITION

A THESIS

Presented as Partial Fulfillment of the Requirements

to Obtain the Sarjana Sains Degree

in Computer Science Study Program

By: Antonius Willy Setiawan

ID: 043124003

COMPUTER SCIENCE STUDY PROGRAM DEPARTMENT OF MATHEMATIC

FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

YOGYAKARTA 2008

Page 3: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat
Page 4: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat
Page 5: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat
Page 6: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

vi

HALAMAN PERSEMBAHAN

Kupersembahkan skripsi ini untuk:

• Tuhan Yesus Kristus, Bunda Maria, dan Santo Yusuf, serta Santo

Antonius dan Santo Aloysius di Surga atas segala rahmat, kasih,

perlindungan, dan bimbingan-Nya.

• Papa, Mama, dan Ko Ai atas kasih, dukungan, dan doa.

• Almamaterku Universitas Sanata Dharma, khususnya Ilmu Komputer

angkatan 2004.

Page 7: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

vii

HALAMAN MOTTO

(Time is running like an arrow.)

(What am I still living for?)

(People will always face problem as long as they live.)

(The wise one always fixes his/her own mistake.)

(People should not dwell on the past. It is enough to try your best in

all that you are doing now.)

Page 8: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat
Page 9: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

ix

ABSTRAK

PERLUASAN METODE FEATURE POINT EXTRACTION

UNTUK PENGENALAN HURUF JEPANG HIRAGANA

Bagi para penggemar kebudayaan Jepang, huruf Hiragana merupakan

huruf dasar di Jepang yang digunakan untuk menuliskan kata-kata Jepang asli,

dimana salah satu kesulitan yang dialami para peminat bahasa Jepang ialah

mengenali tulisan huruf Jepang. Manusia mengenali objek berdasarkan ciri-ciri

dan pengetahuan yang pernah diamatinya dari objek tersebut. Tujuan dari

pengenalan pola adalah mengklarifikasi dan mendeskripsikan objek. Salah satu

metode pengenalan pola yang relatif awal ialah Feature Point Extraction.

Dalam Feature Point Extraction, digunakan tabel hubungan ketetanggaan

antarpiksel. Matriks dari karakter input dicocokkan dengan tabel untuk

mendapatkan nilai tertentu, dan dicari selisihnya dengan tiap template. Karakter

input digolongkan ke dalam template yang memiliki total selisih minimum.

Hasil segmentasi yang dilakukan menyebabkan munculnya matriks yang

tidak memenuhi kriteria sehingga proses pengenalan tidak dapat dilanjutkan.

Masalah ini diatasi dengan memperluas metode Feature Point Extraction, yaitu

menambah tabel baru. Dari hasil pengujian, terbukti metode ini dapat dipakai

untuk mengenali huruf Hiragana.

Page 10: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

x

ABSTRACT

THE EXTENSION OF FEATURE POINT EXTRACTION METHOD

FOR JAPANESE HIRAGANA LETTER RECOGNITION

For those who are interested about Japanese cultural, Hiragana is a basic

letter used to write Japanese words, which unfortunately, one of many difficulties

in learning Japanese cultural is recognizing these Japanese letters. Human

recognize object based on characteristics and knowledge which they have

observed from that object. The purpose of pattern recognition is to clarify and to

describe an object. Feature Point Extraction is one of many methods of pattern

recognition, which is used earlier.

Feature Point Extraction method uses table of enumeration of possible

pixel neighborhood. Matrix from the character input is matched with those in the

table to gain a value, and then this value is used to count the subtraction between

the input and the template. The character input is concluded as a template which

has a minimum total of subtraction.

Character segmentation causes disqualified matrixes spotted, thus

recognizing process cannot be continued. This problem is solved by extending the

method of Feature Point Extraction; it is adding a new table. From the result of

character testing, it is proved that this method can be used to recognize the letter

of Hiragana.

Page 11: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xi

KATA PENGANTAR

Puji dan syukur penulis haturkan ke hadapan Tuhan Yesus Kristus karena

atas berkat dan kasih-Nya yang tiada henti, penulis dapat menyelesaikan skripsi

yang berjudul “PERLUASAN METODE FEATURE POINT EXTRACTION

UNTUK PENGENALAN HURUF JEPANG HIRAGANA” pada waktunya.

Terima kasih karena Engkau selalu memberikan yang terbaik untukku.

Adapun skripsi ini ditulis untuk memenuhi salah satu syarat memperoleh

gelar Sarjana Sains pada Program Studi Ilmu Komputer, Jurusan Matematika,

Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.

Penulis tentu tidak sendirian selama masa studi; bantuan demi bantuan

penulis terima dari berbagai pihak dalam berbagai bentuk. Oleh karena itu, pada

kesempatan ini, dengan rendah hati, penulis ingin mengucapkan rasa syukur dan

terima kasih sebesar-besarnya kepada:

1. Romo Greg selaku dekan FST, Bu Rosa selaku Kaprodi Ikom, Pak Eko

Hari selaku dosen pembimbing akademik, dan Pak Joko selaku dosen

pembimbing TA, serta Mas Tukijo dan Mbak Linda atas pelayanannya di

Sekretariat. Terima kasih atas kesempatan, perhatian, dukungan,

bimbingan, dan bantuannya kepada saya selama masa perkuliahan,

khususnya masa-masa skripsi.

2. Papa, Mama, Ko Ai, dan Cie Kristin yang tak henti-hentinya memberikan

doa, dukungan moral dan materi, serta Lessie dan anjing-anjingku lainnya

yang selalu memberikan keceriaan.

Page 12: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xii

3. Para kerabat: Ku Khing sekeluarga, Ik Liang, Ik Gwat sekeluarga, dan Ku

Nga sekeluarga, yang selalu memberi bantuan dan perhatian selama studi.

4. Opa Harjoko beserta kerabat-kerabat lainnya di Surga atas jasa-jasanya.

5. Mbah Dasro sekeluarga yang bersedia memberikan tempat kos yang

murah dan nyaman, serta makanan yang enak-enak.

6. Sahabat-sahabat terbaikku di Yogya: Agung “Acenk”, Budi “Ndut”, Beny

“Bendot”, Maman “Coeman”, Henry “Ondie”, Hendra “Ganyong”, Dicky,

Jimy “Jigo”, Frans “Njoohe”, Andy “Cimeng”, Prast, Adi “Gemblung”,

Mas Agung “Sawitri”, Toak, Raymond “Emon”, Vandi, Hermez, Bayu

“Celeng”, Fery, dan teman-teman lainnya, khususnya teman-teman Tasura

52. Aku tidak akan pernah melupakan kegilaan, kebrutalan, kebersamaan,

persahabatan, petualangan, dan pengalaman yang sangat mengesankan

selama bersama kalian. Kalian telah memberikan semangat dan motivasi

sehingga aku dapat terus berkarya. Go on top yuu’…pengen ngulti neh…!

7. Terima kasih juga untuk sahabat-sahabat cewek: Nanda “Nandut”, Cie

Lian, Intan “Singo”, Mbak Ina, Kadek “Krik2”, Ayu, Bella, Wiwit, Fany,

Ratna Asien, Vera “Kero”, dan lain-lain, atas pengalaman dan

persahabatan yang mengesankan.

8. Teman-temanku di Jember, khususnya teman-teman SMUK Santo Paulus:

David “Ping-ping”, Kiki “Mashimaro”, Vena “Bokong”, Teddy “Tweety”,

Eliana “Ayam”, Pak Gora “Goraemon”, dan teman-temanku lainnya

terlebih III IPA3 tahun 2003/2004; teman-teman spiritualku: Romo Agung

(dulu masih Frater), Aji (sekarang sudah Frater), Hendra O., Basuki, Doni;

Page 13: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xiii

cucu-cucuku Ayu, Astrid, Lia, Yuke, dkk; serta EPSILON CLUB: Vico,

Brahma, Petrus (sekarang sudah Frater), Santoso, Teddy “GPC”, Bayu

“Bayek”, Adi “Timbul”, Fauzan “Uyan”, Hambar, Teguh, Yones, dan

Aditya “Mbah”, atas kenangan dan persahabatannya hingga sekarang.

9. Teman-temanku dari USD: Campus Ministry: Mas Darto, Mbak Nita,

Gaudeamus Choir, dan teman-teman lainnya atas pengalaman yang tidak

terlupakan; teman-teman KKN angkatan XXXV kelompok 24: Mono,

Silvi “Bundo”, Mayora “Beng-beng”, Linda, Ita, Alfa “Galon”, Naomi

“Mami”, beserta Pak DPL-nya: Pak Hery Santoso, atas kegilaan dan

pengalaman yang mengesankan; teman-teman Ikom, khususnya angkatan

2004: Henry, Kornel, Damian, Beni, Ipung, Hali, Beli, Amel, Deby, Desy,

Eka, dan semuanya atas kebersamaan dan perjuangannya selama kuliah.

10. Beserta pihak-pihak lain yang tidak mungkin dapat disebutkan satu per

satu yang telah banyak berjasa.

Penulis sadar bahwa skripsi ini masih belum sempurna. Oleh karena itu,

penulis memohon maaf atas ketidaksempurnaan ini dan bersedia menerima

masukan demi kebaikan bersama. Akhir kata, penulis berharap semoga karya ini

berguna bagi para pembaca sekalian. Terima kasih.

Yogyakarta, Agustus 2008

Penulis

Page 14: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

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

1.4 Tujuan Penelitian ……………………………………… 3

Page 15: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xv

1.5 Manfaat Penelitian ……………………………………… 4

1.6 Metode Penelitian ……………………………………… 4

1.7 Sistematika Penulisan …………………………………… 6

BAB II LANDASAN TEORI ………………………………………… 7

2.1 Pengolahan Citra ………………………………………… 7

2.1.1 Definisi ………………………………………… 7

2.1.2 Preprocessing …………………………………… 8

2.1.2.1Thresholding …………………………… 8

2.2 Pengenalan Pola (Pattern Recognition) ………………… 12

2.3 Feature Point Extraction ………………………………… 16

2.4 Huruf Hiragana ………………………………………… 22

BAB III DESAIN ……………………………………………………… 26

3.1 Gambaran Sistem Secara Umum ………………………… 26

3.2 Desain Proses …………………………………………… 32

3.2.1 Proses binerisasi ………………………………… 32

3.2.2 Proses menghilangkan pinggiran putih ………… 36

3.2.3 Proses segmentasi 9 bagian ……………………… 38

3.2.4 Proses pencocokan dengan tabel ………………… 39

3.2.5 Proses mencari selisih minimum dengan template … 40

3.3 Navigasi Menu ………………………………………… 43

3.4 Desain Interface ………………………………………… 44

Page 16: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xvi

3.4.1 Home …………………………………………… 44

3.4.2 Daftar Hiragana ………………………………… 45

3.4.3 Bantuan ………………………………………… 45

3.4.4 Tentang Program ………………………………… 46

3.4.5 Input Gambar …………………………………… 46

3.4.6 Kesimpulan ……………………………………… 47

3.4.7 Kesimpulan untuk input salah …………………… 48

3.5 Spesifikasi Hardware dan Software …………………… 48

3.5.1 Hardware ………………………………………… 48

3.5.2 Software ………………………………………… 49

BAB IV HASIL DAN PEMBAHASAN ……………………………… 50

4.1 Hasil Tampilan User Interface ………………………… 50

4.1.1 Tampilan Home ………………………………… 50

4.1.2 Tampilan Daftar Hiragana ……………………… 51

4.1.3 Tampilan Bantuan ……………………………… 52

4.1.4 Tampilan Tentang Program ……………………… 53

4.1.5 Tampilan Input Gambar ………………………… 53

4.1.6 Tampilan Kesimpulan …………………………… 54

4.1.7 Tampilan Kesimpulan untuk Input yang Salah …… 55

4.2 Hasil Pengujian Karakter ………………………………… 55

4.3 Implementasi dengan 256 Hubungan Ketetanggaan

Antarpiksel ……………………………………………… 62

Page 17: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xvii

4.4 Implementasi dengan 512 Hubungan Ketetanggaan

Antarpiksel ……………………………………………… 64

4.5 Analisis Unjuk Kerja …………………………………… 67

4.6 Kelemahan Aplikasi …………………………………… 72

BAB V PENUTUP ………………………………………………… 74

5.1 Kesimpulan ……………………………………………… 74

5.2 Saran …………………………………………………… 75

DAFTAR PUSTAKA ………………………………………………… 76

LAMPIRAN ………………………………………………………… 77

Cuplikan Listing Program …………………………………… 78

Daftar Template ……………………………………………… 84

Page 18: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xviii

DAFTAR GAMBAR

halaman

Gambar 2.1 Jenis distribusi intensitas citra …………………………… 9

Gambar 2.2 Citra dengan distribusi intensitas yang jelas ……………… 9

Gambar 2.3 Hasil threshold yang baik ………………………………… 10

Gambar 2.4 Citra dengan distribusi intensitas yang hampir sama ……… 10

Gambar 2.5 Hasil threshold yang kurang baik ………………………… 11

Gambar 2.6 Thresholding setelah operasi deteksi tepi ………………… 11

Gambar 2.7 Skema umum proses pengenalan pola……………………… 14

Gambar 2.8 Template matching ………………………………………… 15

Gambar 2.9 Pemecahan matriks 9x9 menjadi 9 bagian ……………… 19

Gambar 2.10 Karakter input dan karakter template …………………… 19

Gambar 2.11 Karakter-karakter yang dipecah menjadi 9 bagian ……… 20

Gambar 2.12 Contoh segmentasi karakter “A” ………………………… 21

Gambar 2.13 Perbandingan penulisan Hiragana dan Katakana ………… 22

Gambar 2.14 Contoh aturan penulisan huruf Hiragana ……………… 22

Gambar 2.15 Karakter dasar Hiragana ………………………………… 23

Gambar 2.16 Karakter-karakter tambahan Hiragana ………………… 24

Gambar 2.17 Contoh penulisan Furigana ……………………………… 25

Gambar 3.1 Diagram gambaran sistem secara umum ………………… 27

Gambar 3.2 Diagram pemrosesan citra input ………………………… 27

Gambar 3.3 Diagram pemrosesan citra template …………………… 28

Page 19: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xix

Gambar 3.4 Diagram proses binerisasi secara keseluruhan ………… 32

Gambar 3.5 Diagram proses thresholding …………………………… 33

Gambar 3.6 Diagram proses binerisasi ……………………………… 34

Gambar 3.7 Diagram proses penukaran piksel hitam dan

piksel putih jika objek berwarna putih ………………… 35

Gambar 3.8 Diagram proses menghilangkan pinggiran putih ………… 37

Gambar 3.9 Diagram proses segmentasi 9 bagian …………………… 38

Gambar 3.10 Diagram proses pencocokan dengan tabel ……………… 39

Gambar 3.11 Diagram proses mencari selisih minimum

dengan template ………………………………………… 40

Gambar 3.12 Diagram proses menghitung prosentase kemiripan ……… 42

Gambar 3.13 Navigasi menu ………………………………………… 43

Gambar 3.14 Desain interface Home ………………………………… 44

Gambar 3.15 Desain interface Daftar Hiragana ……………………… 45

Gambar 3.16 Desain interface Bantuan ……………………………… 45

Gambar 3.17 Desain interface Tentang Program ……………………… 46

Gambar 3.18 Desain interface Input Gambar ………………………… 46

Gambar 3.19 Desain interface Kesimpulan ………………………… 47

Gambar 3.20 Desain interface Kesimpulan untuk input yang salah …… 48

Gambar 4.1 Tampilan interface Home ……………………………… 50

Gambar 4.2 Tampilan interface Daftar Hiragana …………………… 51

Gambar 4.3 Tampilan interface Bantuan …………………………… 52

Gambar 4.4 Tampilan interface Tentang Program …………………… 53

Page 20: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xx

Gambar 4.5 Tampilan interface Input Gambar sebelum memilih

Huruf ………………………………………………… 53

Gambar 4.6 Tampilan Interface Input Gambar setelah memilih

Huruf ………………………………………………… 54

Gambar 4.7 Tampilan Interface Kesimpulan ………………………… 54

Gambar 4.8 Tampilan Interface Kesimpulan untuk Input yang Salah … 55

Gambar 4.9 Karakter input beserta hasil-hasil pemrosesan citranya … 62

Gambar 4.10 Hasil segmentasi karakter input ………………………… 62

Gambar 4.11 Bagian segmentasi karakter input yang memenuhi

kriteria ………………………………………………… 67

Gambar 4.12 Perbandingan huruf “me” dan “nu” …………………… 69

Page 21: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

xxi

DAFTAR TABEL

halaman

Tabel 2.1 Tabel hubungan ketetanggaan antarpiksel,

piksel pada posisi (2,2) bernilai 0 …………………………… 17

Tabel 2.2 Tabel perbandingan I ……………………………………… 21

Tabel 2.3 Tabel perbandingan II ……………………………………… 21

Tabel 2.4 Tabel komposisi nilai karakter “A” ………………………… 22

Tabel 3.1 Tabel hubungan ketetanggaan antarpiksel,

piksel pada posisi (2,2) bernilai 1 …………………………… 30

Tabel 4.1 Tabel hasil pengujian karakter ……………………………… 55

Tabel 4.2 Tabel komposisi nilai karakter input berdasarkan

tabel 256 hubungan ketetanggaan antarpiksel ……………… 63

Tabel 4.3 Tabel komposisi nilai karakter input berdasarkan

tabel 512 hubungan ketetanggaan antarpiksel ……………… 64

Tabel 4.4 Total selisih dengan setiap template pada pengujian kedua … 65

Tabel 4.5 Tabel selisih dengan template u …………………………… 66

Page 22: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Kemampuan manusia yang banyak bermanfaat dalam aktivitas

sehari-harinya ialah kemampuan mengindera, baik dengan mata, telinga,

maupun indera lainnya. Dengan mata, manusia dapat melihat serta

memutuskan objek apa yang dilihatnya. Walaupun beberapa objek yang

dilihat tidak sama persis, tetapi manusia mampu melihat kesamaannya

sebagai satu golongan yang sejenis. Misalnya, manusia melihat berbagai

macam jenis gelas. Walaupun bentuknya berbeda-beda, tetapi manusia tetap

tahu bahwa itu semua adalah gelas. Kemampuan manusia ini disebabkan

karena dalam ingatan manusia telah terdapat begitu banyak ciri yang

membedakan antara satu objek dengan objek yang lain. Contohnya, dalam

ingatan, manusia telah menyimpan begitu banyak objek gelas, yang tentu

saja memiliki ciri-ciri khusus yang dapat membedakannya dengan objek lain.

Sehingga di hadapan berbagai jenis gelas yang berbeda bentuk dan

penampakannya, dengan begitu mudahnya, manusia masih tetap dapat

berkata bahwa itu adalah gelas. Bagaimana manusia melakukan generalisasi

terhadap sekian banyak ciri-ciri objek (padahal tidak semua objek pernah

dilihat manusia) masih sulit untuk dijelaskan.

Komputer, yang kecerdasannya mendekati manusia, mulai banyak

dimanfaatkan untuk berbagai kepentingan, mulai dari yang semula hanya

Page 23: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

2

sebagai mesin penghitung (masalah sederhana), sekarang dapat

menyelesaikan masalah-masalah manusia yang lebih kompleks, misalnya

mengidentifikasi tanda tangan, mengidentifikasi wajah, mengidentifikasi

tulisan/huruf, dsb. Metode-metode yang dipakai dalam mengenali suatu pola

ada bermacam-macam, misalnya Jaringan Syaraf Tiruan, seperti ADALINE

dan Back Propagation, Feature Point Extraction, Logika Kabur, dan

sebagainya.

Kebudayaan Jepang sekarang banyak peminatnya, termasuk penulis

sendiri, baik musik, film, anime, hingga seni penulisan huruf Jepang. Huruf

Hiragana merupakan huruf dasar yang digunakan untuk menuliskan kata-

kata Jepang asli, dimana penulisannya mirip seperti huruf Jawa, yaitu per

suku kata. Selain huruf Hiragana ada juga huruf Katakana (untuk

menuliskan kata-kata serapan/asing dan bunyi-bunyian) serta huruf Kanji

(gabungan dari huruf Hiragana yang tiap hurufnya sudah memiliki arti kata

tersendiri dan lebih rumit cara penulisannya). Salah satu kesulitan yang

dialami para peminat bahasa Jepang adalah dalam mengenali huruf Jepang

karena bentuk hurufnya lebih rumit dibandingkan dengan huruf alfabet biasa.

Berdasarkan masalah seperti telah diungkapkan di atas, penulis ingin

membuat suatu aplikasi yang dapat mengenali huruf Jepang, yaitu huruf

Hiragana dengan menggunakan metode Feature Point Extraction. Metode

ini merupakan metode yang relatif awal berkaitan dengan pengenalan

karakter, sehingga lebih mudah. Metode ini menggunakan ciri dari tiap

karakter sebagai konsep untuk melakukan klasifikasi. Yang dimaksud ciri

Page 24: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

3

ialah susunan piksel dalam matriks dari tiap karakter. Metode ini juga

memiliki syarat, yaitu hanya matriks yang memiliki ketentuan tertentu saja

yang akan dipakai, sedangkan yang tidak memenuhi ketentuan tersebut akan

diabaikan.

1.2 Rumusan Masalah

Bagaimana membangun sebuah aplikasi untuk dapat mengenali huruf

Jepang Hiragana dengan metode Feature Point Extraction?

1.3 Batasan Masalah

1. Input berupa file gambar berekstensi *.jpg, *.jpeg, *.bmp, atau *.gif.

2. Aplikasi yang dirancang hanya dapat mengenali satu karakter untuk tiap

pengenalannya dari total 46 huruf Hiragana dasar.

3. Tingkat pengenalan terbatas pada jumlah template sebanyak 5 buah

untuk tiap karakter, dan tidak dapat dilakukan penambahan template.

4. Semakin besar dimensi file gambar, tingkat pengenalan juga semakin

berkurang (penulis menggunakan resolusi 100x100 piksel).

5. Software yang digunakan adalah MatLab.

1.4 Tujuan Penelitian

Membangun sebuah aplikasi untuk dapat mengenali huruf Jepang Hiragana

dengan metode Feature Point Extraction.

Page 25: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

4

1.5 Manfaat Penelitian

1. Sebagai bahan studi bagi peneliti lainnya untuk mengembangkan

aplikasi serupa yang lebih baik.

2. Sebagai bantuan bagi penggemar kebudayaan Jepang mengenali huruf

Hiragana.

1.6 Metode Penelitian

Metode yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Analisis Kebutuhan

Yang dilakukan dalam analisis kebutuhan ialah mengumpulkan

sampel tulisan Hiragana dalam berbagai jenis tulisan. Caranya ialah

dengan membagi-bagikan contoh tulisan Hiragana kepada banyak orang

untuk ditulis ulang. Sampel yang diperoleh ini akan digunakan sebagai

template untuk pengenalan huruf Hiragana.

Selain itu, peneliti juga mengumpulkan serta meninjau berbagai

bahan/referensi mengenai algoritma yang digunakan dalam pengenalan

pola, yaitu Feature Point Extraction, baik secara teoritis maupun secara

praktis. Hasilnya ialah berbagai macam sampel tulisan Hiragana serta

bahan-bahan/referensi mengenai algoritma Feature Point Extraction.

2. Desain

Dalam desain, peneliti mulai menyusun tampilan antarmuka serta

berbagai tombol/fungsi yang akan digunakan untuk membangun sebuah

aplikasi pengenalan huruf Hiragana, baik untuk input maupun output.

Page 26: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

5

Hasilnya ialah sebuah aplikasi yang telah mempunyai tampilan

antarmuka lengkap beserta fasilitas input-outputnya tetapi belum

berfungsi.

3. Implementasi/Coding

Dalam tahap ini, peneliti mulai mengimplementasikan algoritma

Feature Point Extraction ke dalam bahasa komputer sesuai dengan

desain yang telah disusun. Hasilnya ialah sebuah aplikasi yang dapat

membaca tulisan Hiragana dan memberikan output-nya.

4. Evaluasi

Setelah aplikasi dibangun, perlu dilakukan pengujian atas

kemungkinan terjadinya kesalahan. Proses perbaikan dilakukan terus-

menerus hingga aplikasi yang dibuat relatif tidak memuat kesalahan

(kesalahan yang mungkin muncul adalah kesalahan yang memang

merupakan kelemahan dari algoritma Feature Point Extraction).

Hasilnya ialah sebuah aplikasi pengenalan huruf Hiragana yang lebih

akurat.

5. Penyusunan Laporan

Dalam tahap ini, peneliti menyusun laporan ilmiah tertulis

tentang penelitian yang dilakukan, mulai dari tahap awal hingga akhir.

Proses penyusunan laporan ini dapat dimulai bersamaan dengan

dimulainya penelitian serta mengalami revisi sejalan dengan perubahan

yang terjadi selama penelitian. Hasilnya ialah laporan ilmiah

tertulis/skripsi.

Page 27: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

6

1.7 Sistematika Penulisan

Berikut adalah garis besar dari isi karya ilmiah yang akan disusun:

BAB I PENDAHULUAN

Bab I tersusun atas latar belakang masalah, rumusan masalah,

batasan masalah, tujuan penelitian, manfaat penelitian, metode

penelitian, serta sistematika penulisan.

BAB II LANDASAN TEORI

Bab II berisi tentang teori-teori yang dipakai dalam implementasi,

contohnya adalah teori tentang pengolahan citra danFeature

Point Extraction.

BAB III DESAIN

Pada bagian desain, berisi mengenai bagaimana rancangan dari

aplikasi yang akan dibangun, misalnya ialah gambaran sistem

secara umum, desain proses, serta desain interface.

BAB IV HASIL DAN PEMBAHASAN

Bab IV berisi mengenai hasil implementasi dari program yang

dibuat serta pembahasannya.

BAB V PENUTUP

Penutup berisi tentang kesimpulan dan saran.

Page 28: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

7

BAB II

LANDASAN TEORI

2.1 Pengolahan Citra

2.1.1 Definisi

Berikut ini adalah definisi mengenai pengolahan citra.

Citra adalah gambar dua dimensi yang dihasilkan dari gambar

analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses

sampling. Gambar analog dibagi menjadi N baris dan M kolom sehingga

menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut

dengan piksel. Contohnya adalah gambar/titik diskrit pada baris n dan

kolom m disebut dengan piksel [n,m].

Sampling adalah proses untuk menentukan warna pada piksel

tertentu pada citra dari sebuah gambar yang kontinu. Pada proses sampling

biasanya dicari warna rata-rata dari gambar analog yang kemudian

dibulatkan. Proses sampling sering juga disebut proses digitasi.

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.

Page 29: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

8

2.1.2 Preprocessing

Preprocessing merupakan suatu langkah dalam pengolahan citra

yang perlu dilakukan untuk menghilangkan objek-objek yang tidak

diperlukan, bahkan dapat mengganggu suatu citra, sehingga proses

pengenalan pola dapat menjadi lebih akurat (Pearson, 2001: 96).

2.1.2.1 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.

Input dari thresholding dapat berupa citra grayscale ataupun

berwarna. Dalam implementasi yang paling sederhana, outputnya

merupakan citra biner yang merepresentasikan segmentasi. Piksel hitam

menggambarkan background sedangkan piksel putih menggambarkan

foreground (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

bernilai 0 (atau sebaliknya).

Tidak semua citra dapat disegmentasi menggunakan thresholding

yang sederhana. Bisa atau tidaknya sebuah citra disegmentasi dengan baik

Page 30: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

9

ditentukan dengan melihat histogram intensitas dari citra. Jika

memungkinkan untuk memisahkan foreground dari citra berdasarkan

intensitas piksel maka intensitas piksel pada objek foreground harus

benar-benar berbeda dari intensitas piksel background. Dalam hal ini,

dapat dilihat dari perbedaan puncak dalam histogram.

Gambar 2.1 Jenis distribusi intensitas citra

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

Page 31: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

10

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

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 2.4 dengan nilai 80

dan 120 berturut-turut:

Page 32: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

11

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. Jika

yang diinginkan hanya gradien di atas nilai tertentu (misalnya tepi yang

tajam), maka thresholding dapat digunakan hanya untuk menyeleksi

garis-garis yang tajam saja dan mengeset piksel lainnya menjadi hitam.

(a) (b) (c)

Gambar 2.6 Thresholding setelah operasi deteksi tepi

Pada gambar 2.6, gambar (a) merupakan gambar mula-mula,

kemudian dikenai operasi Sobel dan menghasilkan gambar (b). Hasil

akhirnya, yaitu gambar (c), diperoleh setelah gambar (b) dikenai

thresholding dengan nilai 60 (Fisher, 2003).

Page 33: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

12

Berikut ini adalah langkah-langkah dalam melakukan iterative

thresholding:

1. Dipilih sembarang nilai untuk inisalisasi awal threshold (T)

2. Citra disegmentasi menjadi objek dan background, yang

menghasilkan dua bagian:

a. G1 = {f(m,n):f(m,n)>=T} (piksel objek)

b. 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.

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 Pengenalan Pola (Pattern Recognition)

Membaca merupakan kegiatan yang berperan penting dalam hidup

manusia sehari-hari dimana hanya sebagian dari mereka yang sadar

bagaimana mereka dapat melakukan hal sepele seperti itu, yaitu mereka yang

Page 34: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

13

memang sedang belajar membaca maupun yang sedang mengajari membaca.

Langkah pertama dalam belajar membaca adalah pembelajaran huruf alfabet.

Kemampuan untuk mengenali huruf dan karakter sangat penting dalam

mengartikan suatu bahasa; tetapi, untuk komputer, sebuah karakter dalam

suatu halaman lebih sebagai gambar atau objek yang mesti dikenali. Hanya

untuk mengenali huruf a saja, pemrograman komputer memerlukan berbagai

teknik untuk dapat melakukannya.

Tidak diketahui bagaimana manusia mengenali objek visual dengan

begitu mudahnya, yang jelas tidak serumit komputer. Kemampuan otak

manusia dan komputer memiliki detail yang berbeda. Permasalahan dalam

Optical Character Recognition (OCR) ini harus diselesaikan dengan

pendekatan dari sudut pandang komputer.

Dalam mengenali sebuah pola, sistem OCR harus melakukan

beberapa hal dengan tingkat kemiripan yang tinggi. Misalkan inputnya

berupa gambar tulisan. Hal pertama yang perlu dilakukan adalah mengecek

orientasi gambar pada halaman tersebut. Gambar juga perlu disegmentasi

menjadi biner (hitam dan putih). Jika karaker yang diuji merupakan karakter

dimana sistem pernah dilatih untuk mengenalinya, ada kemungkinan

pengenalan dilakukan dengan tepat.

Karena komputer merupakan mesin penghitung yang sangat cepat,

sangat mungkin untuk mengecek karakter input di antara sekian banyak

kemungkinan karakter, serta mengklasifikasikannya. Untuk itu, program

Page 35: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

14

harus dilatih untuk mengenali semua kemungkinan karakter (Parker, 1997:

275-277).

Pattern recognition muncul dikarenakan kemampuan manusia yang

mampu mengenali objek-objek yang ada. Manusia mengenali objek

berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari objek

tersebut. Tujuan dari pengenalan pola adalah mengklarifikasi dan

mendeskripsi pola atau objek kompleks melalui pengukuran sifat-sifat atau

ciri objek tertentu.

Ada tiga macam pendekatan pada Pattern Recognition yang

dikenalkan yang meliputi: pendekatan sintaktis, pendekatan statistika, dan

pendekatan jaringan saraf tiruan (JST). Pendekatan sintaktis adalah

pengenalan pola dimana data yang disimpan dan dibandingkan adalah aturan-

aturan pola yang diberikan saja. Pendekatan statistika adalah pengenalan pola

dimana data yang disimpan adalah pola/ciri-ciri objek tersebut. Sedangkan

pendekatan jaringan saraf tiruan (JST) adalah gabungan dari metode sintaktis

dan metode statistika (Scratchz, 2007).

Gambar 2.7 Skema umum proses pengenalan pola

dokumen scanning preprocessing

ekstraksi ciri pengambilan keputusan

pengenalan karakter

karakter digital

masukan digitalisasi matriks karakter

pencocokan identifikasi karakter

orientasi ukuran, pembersihan noise

Page 36: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

15

Database dapat dipakai sebagai sarana dalam template matching.

Dalam hal ini, dilakukan perbandingan tiap piksel antara karakter yang

disimpan (template) dengan karakter yang diinputkan.

(a) (b) (c)

Gambar 2.8Template matching

Pada gambar 2.8, bagian (a) merupakan karakter yang diinputkan.

Karekter ini yang nantinya hendak dikenali. Dalam database telah disimpan

masing-masing huruf “A” dan angka “8”, seperti pada bagian (b) dan (c) atas.

Pada saat proses pencocokan, nilai piksel dari karakter inputan yang sesuai

dengan nilai piksel dari karakter dalam database tampak berwarna hitam,

sedangkan yang tidak sesuai tampak berwarna abu-abu. Dalam kasus ini,

karakter yang paling sesuai ialah karakter angka “8” (Parker, 1997: 279).

Page 37: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

16

2.3 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.

Algoritma-algoritma yang banyak digunakan dalam OCR 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.

Page 38: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

17

Kesalahan dalam mengenali karakter juga disebabkan oleh karena

terbatasnya jumlah ciri yang dikumpulkan. Apabila ciri-ciri dari karakter

diperbanyak maka keakurasian akan meningkat.

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).

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

Page 39: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

18

* +*

* +* *

* +**

* +***

* *+*

* *+* *

* *+**

* *+***

** +*

** +* *

** +**

** +***

** *+*

** *+* *

** *+**

** *+***

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

* + *

* + **

* + * *

* + ***

* *+ *

* *+ **

* *+ * *

* *+ ***

** + *

** + **

** + * *

** + ***

** *+ *

** *+ **

** *+ * *

** *+ ***

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

Page 40: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

19

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 2.9 Pemecahan matriks 9x9 menjadi 9 bagian

Sebagai contoh, gambar 2.10 (a) di bawah ini adalah karakter input,

sedangkan gambar 2.10 (b) dan (c) adalah karakter template.

(a) (b) (c)

Gambar 2.10 (a) Karakter input, (b) dan (c) karakter template

Karakter-karakter tersebut kemudian dipecah menjadi 9 buah matriks

berukuran 3x3 sebagai berikut:

Page 41: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

20

(a) (b) (c)

Gambar 2.11 Karakter-karakter yang dipecah menjadi 9 bagian

Tiap potongan matriks 3x3 pada gambar 2.11 di atas dicocokkan

dengan tabel untuk kemudian dicari nilainya. Pencocokan dimulai dari bagian

A sampai dengan bagian I.

Tanda + pada tabel menunjukkan posisi (2,2), sedangkan tanda *

menunjukkan piksel-piksel di sekeliling tanda + yang bernilai 0. Jadi,

misalnya dalam matriks, hanya piksel di posisi (2,2) yang bernilai 0 maka

nilai matriks 3x3 ini adalah 0, tetapi seandainya semua piksel bernilai 0 maka

nilainya 255, dan seterusnya. Metode ini digunakan untuk kesembilan

matriks 3x3.

Dalam pengambilan keputusan untuk menentukan pengenalan

karakter yang diujikan, untuk setiap matriks yang bersesuaian dari karakter

input dan tiap karakter template, dihitung selisihnya (sehingga akan

menghasilkan 9 buah nilai selisih). Nilai-nilai selisih ini kemudian

dijumlahkan. Karakter input akan digolongkan ke dalam kelompok karakter

yang memiliki total nilai selisih paling sedikit.

A B C

D E F

G H I

A B C

D E F

G H I

A B C

D E F

G H I

Page 42: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

21

Hasilnya dapat dilihat pada Tabel 2.2 dan Tabel 2.3:

Tabel 2.2 Tabel perbandingan I

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

Selisih 0 0 0 110 131 141 1 0 2

Tabel 2.3 Tabel perbandingan II

A B C D E F G H I

(a) 119 199 197 135 199 205 220 124 118

(c) 119 199 221 103 199 205 220 124 118

Selisih 0 0 24 32 0 0 0 0 0

Dari kedua tabel di atas tampak bahwa perbandingan I menghasilkan

jumlah selisih 385, sedangkan pada perbandingan II menghasilkan jumlah

selisih 56. Sehingga karena nilai selisih pada tabel perbandingan II lebih kecil

dari nilai selisih pada tabel perbandingan I maka karakter (a) digolongkan

sebagai karakter (c).

Berikut ini adalah contoh lain pemrosesan karakter beserta komposisi

nilai yang didapat dari hasil pencocokan dengan tabel.

Gambar 2.12 Contoh segmentasi karakter “A”

A B C

D E F

G H I

Page 43: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

22

Tabel 2.4 Tabel komposisi nilai karakter “A”

A B C D E F G H I 52 199 88 253 124 127 241 ? 31

Tanda “?” menunjukkan matriks yang memiliki piksel di posisi (2,2)

bernilai 1 atau berwarna putih. Tanda “?” ini tidak diperhitungkan

(diabaikan). Oleh karena itu, karakter yang memuat tanda “?” tidak dapat

ikut dibandingkan .

2.4 Huruf Hiragana

Sekitar abad ke-9, Jepang mengembangkan sistem penulisan sendiri

berdasarkan suku kata: Hiragana dan Katakana (dikenal sebagai Kana). Dari

kedua sistem Kana ini, huruf Hiragana lebih banyak lengkungannya (kursif),

sedangkan huruf Katakana lebih banyak sudutnya (anguler), seperti pada

gambar 2.13. Dalam penulisan huruf-huruf Jepang, harus diperhatikan urutan

dan arah garis dalam tiap karakter, seperti pada gambar 2.14.

Gambar 2.13 Perbandingan penulisan (a) Hiragana dan (b) Katakana

Gambar 2.14 Contoh aturan penulisan huruf Hiragana

1

2

Page 44: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

23

Hiragana dan Katakana masing-masing terdiri dari 46 lambang, yang

dapat dilihat pada gambar 2.15. Karakter-karakter ini sebenarnya merupakan

huruf Kanji yang sekarang telah jauh disederhanakan selama berabad-abad.

Saat melihat teks dalam huruf Jepang, pembaca dapat dengan mudah

membedakan antara huruf Kanji yang rumit dan Kana yang lebih sederhana.

Suku kata-suku kata tersebut di antaranya ialah 5 bunyi hidup (a i u e

o). Sisanya adalah suku kata yang merupakan kombinasi dari bunyi hidup dan

konsonan (ka ki ku ke ko ra ri ru re ro …). Satu pengecualian ialah n.

Gambar 2.15 Karakter dasar Hiragana

Page 45: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

24

Sebagai tambahan, beberapa suku kata dapat diperhalus atau

dipertajam dengan menambahkan semacam tanda petik ganda atau bulatan

kecil di pojok kanan atas dari karakter yang bersangkutan, sebagai berikut.

Gambar 2.16 Karakter-karakter tambahan Hiragana

Walaupun secara teoritis diperbolehkan menulis seluruh tulisan

Jepang dengan huruf Hiragana, tetapi huruf ini biasanya digunakan hanya

untuk akhiran kata, kata benda, dan kata sifat, partikel, dan beberapa kata-

kata Jepang asli (tidak seperti kata serapan yang ditulis dengan Katakana)

yang tidak ditulis dalam Kanji. Hiragana adalah huruf yang pertama kali

diajarkan kepada anak-anak di Jepang. Buku-buku untuk anak-anak pun

ditulis hanya dengan huruf Hiragana.

Page 46: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

25

Hiragana kadang-kadang juga ditulis di atas atau di sebelah huruf

Kanji untuk membantu pelafalan. Hiragana yang digunakan seperti ini

disebut furigana atau ruby. Dalam teks horisontal, furigana diletakkan di atas

huruf Kanji, sedangkan dalam teks vertikal, furigana terletak di sebelah

kanan huruf Kanji.

Gambar 2.17 Contoh penulisan Furigana

Page 47: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

26

BAB III

DESAIN

3.1 Gambaran Sistem Secara Umum

Sistem yang dibangun akan dipakai untuk mengenali huruf Hiragana

menggunakan metode Feature Point Extraction. Karakter yang dapat dikenali

ialah huruf-huruf dasar Hiragana, yaitu sebanyak 46 karakter, dimana

pengenalannya dilakukan per karakter.

Input berupa file gambar dengan ekstensi *.jpg, *.jpeg, *.bmp, atau

*.gif. Gambar yang di-input-kan kemudian dikenai ekstraksi ciri yang

meliputi binerisasi, penghilangan pinggiran putih, perubahan ukuran menjadi

matriks 9x9, dan segmentasi menjadi 9 buah matriks berukuran 3x3. Lalu

masing-masing matriks 3x3 tersebut dicocokkan dengan tabel untuk

mendapatkan nilainya. Diagram proses citra input ada pada gambar 3.2.

Langkah selanjutnya ialah melakukan ekstraksi ciri untuk template-

template yang telah ada, yaitu sebanyak 230 karakter (5 model untuk tiap

karakter). Sama seperti karakter input, setelah disegmentasi menjadi 9 buah

matriks berukuran 3x3, dilakukan pencocokan dengan tabel untuk

memperoleh nilainya. Diagram proses citra template ada pada gambar 3.3.

Berikutnya, nilai dari karakter input dicari selisihnya dengan tiap

karakter template. Akhirnya, karakter input akan digolongkan sebagai

karakter template tertentu yang memiliki total selisih minimum. Diagram

sistem secara umum dapat dilihat pada gambar 3.1.

Page 48: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

27

Gambar 3.1 Diagram gambaran sistem secara umum

Gambar 3.2 Diagram pemrosesan citra input

mulai

mencari selisih minimum input dengan template

kesimpulan

selesai

pemrosesan citra input

pemrosesan citra template

mulai

citra input

binerisasi

menghilangkan pinggiran putih

segmentasi 9 bagian

mencocokkan dengan tabel

resizing jadi matriks 9x9

selesai

komposisi nilai input

Page 49: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

28

Gambar 3.3 Diagram pemrosesan citra template

Pada prinsipnya, matriks yang hendak dikenai algoritma Feature

Point Extraction merupakan matriks berukuran 3x3, dimana piksel di posisi

(2,2) harus bernilai 0 atau berwarna hitam. Jika tidak maka matriks ini

diabaikan, atau dalam perhitungan nilainya berisi “?”. Dengan adanya

ketentuan ini maka hanya ada 8 piksel yang nilainya dapat berubah-ubah.

Selain itu, karena perubahan ini hanya antara 0 atau 1 maka total

kemungkinan perubahan posisi piksel ialah 28 atau sama dengan 256, dengan

jangkauan nilai dari 0 sampai dengan 255 seperti pada tabel.

mulai

citra template

binerisasi

menghilangkan pinggiran putih

segmentasi 9 bagian

mencocokkan dengan tabel

resizing jadi matriks 9x9

selesai

komposisi nilai template

Page 50: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

29

Karakter yang hendak dikenali akan disegmentasi terlebih dahulu

menjadi beberapa submatriks 3x3 sehingga matriks-matriks yang terbentuk

dapat dicocokkan dengan tabel untuk memperoleh nilai tertentu. Dengan

demikian, dengan diabaikannya matriks yang bernilai 1 di posisi (2,2), berarti

ada informasi yang terbuang, mengingat tidak semua matriks 3x3 yang

terbentuk pasti bernilai 0 di posisi (2,2), tetapi bisa saja bernilai 1. Tidak

menutup kemungkinan bahwa matriks yang diabaikan ini justru berpengaruh

besar dalam pengenalan karakter. Tetapi karena diabaikan maka matriks ini

tidak dapat diproses lebih lanjut karena tidak memiliki nilai untuk

dibandingkan.

Berdasarkan pertimbangan tersebut, penulis mencoba mencari jalan

keluar untuk mengatasi kelemahan di atas, yaitu memperhitungkan perubahan

piksel di posisi (2,2). Seluruh piksel pada matriks 3x3 pun bisa berubah

nilainya antara 0 atau 1. Sehingga, total kemungkinan perubahan piksel

berjumlah 29 atau 512. Dengan demikian, tidak ada matriks (informasi) yang

terbuang karena setiap matriks yang terbentuk pasti memiliki nilai sehingga

dapat dibandingkan.

Penulis menambahkan 256 hubungan ketetanggaan antarpiksel yang

baru, dimana piksel di titik (2,2) bernilai 1 atau berwarna putih, beserta nilai-

nilainya sebagai berikut:

Page 51: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

30

Tabel 3.1 Tabel hubungan ketetanggaan antarpiksel, piksel pada posisi

(2,2) bernilai 1

+

+ *

+ *

+ **

*+

*+ *

*+ *

*+ **

* +

* + *

* + *

* + **

* *+

* *+ *

* *+ *

* *+ **

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

* +*

* +* *

* +**

* +***

**+*

**+* *

**+**

**+***

* * +*

* * +* *

* * +**

* * +***

* **+*

* **+* *

* **+**

* **+***

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

Page 52: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

31

** + *

** + **

** + * *

** + ***

***+ *

***+ **

***+ * *

***+ ***

*** + *

*** + **

*** + * *

*** + ***

****+ *

****+ **

****+ * *

****+ ***

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

Perbedaannya dengan Tabel 2.1 hanya terletak pada nilai dan definisi

tanda “+”; jika pada Tabel 2.1 tanda + berarti piksel di posisi (2,2) yang

bernilai 0 maka pada Tabel 3.1, tanda + berarti piksel di posisi (2,2) yang

bernilai 1. Tanda * artinya tetap sama, yaitu piksel-piksel yang bernilai 0 atau

berwarna hitam. Gabungan antara Tabel 2.1 dan Tabel 3.1 inilah yang nanti

dipakai pada saat aplikasi.

Page 53: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

32

3.2 Desain Proses

3.2.1 Proses binerisasi

Input dari proses ini adalah citra awal, output-nya berupa citra

biner. Proses ini terdiri dari 3 tahap, yaitu proses thresholding, proses

binerisasi, dan proses menukar antara piksel hitam dan piksel putih

jika objek berwarna putih. Berikut ini adalah diagram-diagramnya.

Gambar 3.4 Diagram proses binerisasi secara keseluruhan

mulai

proses thresholding

proses binerisasi

menukar antara piksel hitam dan piksel putih jika objek

berwarna putih

selesai

citra awal

citra biner

Page 54: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

33

Gambar 3.5 Diagram proses thresholding

mulai

citra grayscale

sembarang nilai T

for i=1:mj=1:n

x=0; y=0

citra(i,j)>=T

y++

x++

m1=rata2 G1 m2=rata2 G2

T2=(m1+m2)/2

T2=TT=T2

ya

tidak

tidak

ya

ya

tidak

[m n]= size(citra)

selesai

x=0 || y=0

G2(y)= citra(i,j)

ya

tidak

pesan kesalahan

G1(x)=citra(i,j)

Page 55: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

34

Pesan kesalahan pada gambar 3.5 di atas muncul karena gambar

yang dipilih untuk diuji tidak memiliki objek. Penjelasan selengkapnya

akan dibahas pada bab berikutnya.

Gambar 3.6 Diagram proses binerisasi

for i=1:m j=1:n

citra(i,j)>=T2

ya

tidak

ya

citra2(i,j)=1

tidak

citra2(i,j)=0

putih=0; hitam=0

putih++

hitam++

mulai

selesai

T2 dari proses thresholding

Page 56: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

35

Gambar 3.7 Diagram proses penukaran piksel hitam dan piksel

putih jika objek berwarna putih

Proses binerisasi diawali dengan thresholding secara iteratif

seperti gambar 3.5. Input berupa citra grayscale. Pertama, ditentukan

citra2

selesai

hitam> putih

for i=1:m j=1:n

ya

citra2(i,j)=0

citra2(i,j)=1 citra2(i,j)=0

ya

tidak

ya

tidak

tidak

mulai

variabel hitamdan putih dari

proses binerisasi

citra2 dari proses binerisasi

Page 57: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

36

sembarang nilai ambang (T) untuk memisahkan citra menurut objek

dan background-nya. Lalu dicari rata-rata untuk objek dan background

(m1 dan m2), didapat nilai ambang baru (T2) yaitu rata-rata m1 dan m2.

Iterasi terus diulang hingga T2 sama dengan T. Perulangan dilakukan

dengan nilai T yang dimodifikasi sama dengan T2. Binerisasi (gambar

3.6) dilakukan memakai nilai T2 yang terakhir diperoleh (optimum).

Pada gambar 3.7, jika objek berwarna putih (diketahui dari

jumlah piksel hitam yang lebih banyak daripada putih), dilakukan

reverse antara piksel hitam dan piksel putih. Langkah ini dilakukan

atas pertimbangan proses selanjutnya, yaitu proses menghilangkan

pinggiran putih. Jika background berwarna hitam maka pinggiran yang

seharusnya tidak digunakan ialah yang berwarna hitam. Oleh karena

itu, background dijadikan putih dahulu apabila berwarna hitam.

3.2.2 Proses menghilangkan pinggiran putih

Tujuan proses ini adalah untuk mengurangi kemungkinan

pergeseran objek sehingga mengganggu keakuratan. Caranya adalah

dengan mencari piksel bernilai 0 (berwarna hitam) teratas, terkanan,

terbawah, dan terkiri. Keempat posisi piksel tersebut disimpan untuk

digunakan sebagai batas citra yang hendak digunakan. Sehingga piksel

berwarna putih di luar batas-batas itu diabaikan dan citra yang diproses

hanya citra dengan batas-batas tersebut. Input berupa citra biner, dan

output berupa citra biner yang sudah tidak mempunyai pinggiran putih.

Page 58: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

37

Gambar 3.8 Diagram proses menghilangkan pinggiran putih

mulai

citra (i,j)=0

tidak

ya

ya

tidak

batas atas=i

citra

[m n]= size(citra)

for i=1:m j=1:n

A

citra (i,j)=0

tidak

ya

ya

tidak

batas kanan=j

for j=n:1 i=1:m

A

selesai

citra (i,j)=0

tidak

ya

ya

tidak

batas bawah=i

for i=m:1 j=1:n

citra (i,j)=0

tidak

ya

ya

tidak

batas kiri=j

for j=1:n i=1:m

citra(batas atas, batas bawah : batas kiri, batas kanan)

Page 59: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

38

3.2.3 Proses segmentasi 9 bagian

Gambar 3.9 Diagram proses segmentasi 9 bagian

mulai

citra 9x9

atas_kiri = citra(1:m/3 , 1:n/3)

[m n]= size(citra)

atas_tengah = citra(1:m/3 , n/3+1:2*n/3)

atas_kanan = citra(1:m/3 , 2*n/3+1:n)

tengah_kiri = citra(m/3+1:2*m/3 , 1:n/3)

tengah_tengah = citra(m/3+1:2*m/3 , n/3+1:2*n/3)

tengah_kanan = citra(m/3+1:2*m/3 , 2*n/3+1:n)

bawah_kiri = citra(2*m/3+1:m , 1:n/3)

bawah_tengah = citra(2*m/3+1:m , n/3+1:2*n/3)

bawah_kanan = citra(2*m/3+1:m , 2*n/3+1:n)

selesai

Page 60: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

39

Citra yang digunakan dalam proses ini ialah citra berukuran 9x9,

yaitu hasil resizing dari citra tanpa pinggiran putih. Citra berukuran

9x9 ini kemudian dipecah-pecah menjadi berukuran 3x3, sehingga

terbentuk 9 buah matriks dengan ukuran 3x3.

3.2.4 Proses pencocokan dengan tabel

Gambar 3.10 Diagram proses pencocokan dengan tabel

Tiap matriks 3x3 yang terbentuk kemudian dicocokkan dengan

tabel, yaitu sebanyak 512, sehingga diperoleh suatu nilai tertentu

sesuai pada tabel. Karena nilainya dimulai dari 0 hingga 511

sedangkan indeks array dimulai dari 1 maka nilai yang didapat

(berdasarkan indeks array yang bersangkutan) harus dikurangi 1.

mulai

selesai

citra 3x3

for i=1:512

citra= tabel(i)

nilai=i-1

ya

tidak

ya

tidak

Page 61: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

40

3.2.5 Proses mencari selisih minimum dengan template

mulai

nilai input= a2,b2,…,i2

nilai template= A,B,…,I

for i=1:230

hasil_a{i}=(a2-A{i}) 2

hasil_i{i}=(i2-I{i}) 2

……

hasil_selisih{i}= sqrt(hasil_a{i}+hasil_b{i}+…+hasil_i{i})

ya

tidak

hasil=1534

hasil_selisih{i}< hasil

cacah=1

indeks_hasil_selisih{cacah}=i

hasil= hasil_selisih{i}

ya

indeks_hasil_selisih{cacah}=i

cacah++

hasil_selisih{i}=hasil

tidak

ya

tidak

hasil_b{i}=(b2-B{i}) 2

A

Page 62: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

41

Gambar 3.11 Diagram proses mencari selisih minimum dengan template

cacah>1

hasil= -1

for i=1:cacah

hasil=kotak_sama{indeks_hasil_selisih{i}}

kotak_sama {indeks_hasil_selisih{i}}>hasil

indeks_kotak_sama=indeks_hasil_selisih{i}

indeks= indeks_hasil_selisih{1}

tidak

ya

ya

tidak

indeks=indeks_kotak_sama

ya

tidak

ya

tidak

selesai

kotak_sama {indeks_hasil_selisih{i}}++

a2= A{indeks_hasil_selisih{i}}

b2= B{indeks_hasil_selisih{i}}

kotak_sama{indeks_hasil_selisih{i}}=0

tidak

tidak

ya i2= I{indeks_hasil_selisih{i}}

ya

kotak_sama {indeks_hasil_selisih{i}}++

kotak_sama {indeks_hasil_selisih{i}}++

A

Page 63: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

42

Selanjutnya, seperti gambar 3.11 di atas, ialah mencari selisih

miminum dengan tiap template, dengan menggunakan rumus jarak.

Misal, titik A(x1,y1), B(x2,y2) maka jaraknya ( ) ( )212

212 yyxx −+− .

Penggunaan rumus jarak dimaksudkan agar nilai yang diperoleh lebih

teliti. Variabel hasil, dipakai untuk pembanding awal, diinisialisasi

dengan nilai terbesar yang mungkin terjadi, yaitu 1534195112 =+× .

Jika hanya ada satu selisih minimum, indeks template yang sesuai

disimpan. Banyak template yang memiliki nilai minimum disimpan di

variabel cacah. Jika ditemukan lebih dari satu, dicari yang memiliki

nilai sama dengan input (dari A hingga I) terbanyak. Jika ada,

indeksnya disimpan kemudian dicocokkan dengan daftar template.

Karakter uji digolongkan ke dalam template dengan indeks tersebut.

Terakhir ialah mencari prosentase kemiripan, yaitu dari matriks

9x9, jumlah piksel input yang sama dengan piksel template dibagi

jumlah piksel seluruhnya. Berikut ini adalah diagramnya.

Gambar 3.12 Diagram proses menghitung prosentase kemiripan

mulai

sama=0

for i=1:9 j=1:9

sama++ input(i,j)= template(i,j)

persen=(sama/81)*100

ya

tidak

ya tidak

selesai

Page 64: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

43

3.3 Navigasi Menu

Berikut ini adalah jalur navigasi dari menu-menu yang dapat diakses.

Gambar 3.13 Navigasi Menu

Home

Bantuan

Tentang Program

Keluar

Home

Pilih gambar input

Bantuan

Tentang Program

Keluar

Kesimpulan

kembali ke menu sebelumnya

Bantuan

Tentang Program

Keluar

Pilih gambar input

kembali ke menu sebelumnya

kembali ke menu sebelumnya

Home

Home

Daftar Hiragana

Daftar Hiragana

Daftar Hiragana

Page 65: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

44

Dalam aplikasi tersedia 2 pilihan menu, yaitu Menu dan Informasi .

Berikut ini submenu-submenu yang dapat diakses:

Menu

Home : Menuju ke tampilan awal program

Daftar Hiragana : Menampilkan daftar huruf Hiragana yang

dapat dikenali oleh program

Keluar : Keluar dari program

Informasi

Bantuan : Menampilkan informasi mengenai cara

menggunakan program

Tentang Program : Menampilkan informasi mengenai program

yang sedang dijalankan

3.4 Desain Interface

Berikut ini adalah rancangan user interface dari aplikasi yang akan

dibangun.

3.4.1 Home

Gambar 3.14 Desain interface Home

Menu

JUDULOleh: …

Logo USD

Lanjut

Keluar

Page 66: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

45

3.4.2 Daftar Hiragana

Gambar 3.15 Desain interface Daftar Hiragana

3.4.3 Bantuan

Gambar 3.16 Desain interface Bantuan

JUDUL

Logo USD

Huruf-huruf Hiragana

OK

JUDUL

LogoUSD

Isi

OK

Page 67: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

46

3.4.4 Tentang Program

Gambar 3.17 Desain interface Tentang Program

3.4.5 Input Gambar

Gambar 3.18 Desain interface Input Gambar

JUDUL

Logo USD

Isi

OK

Menu

JUDUL

Logo USD

Gambar huruf Hiragana

yang dipilih

lihat

lokasi file cari

lanjut

keluarhome

Page 68: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

47

Untuk memasukkan file gambar, klik tombol cari. Setelah didapat, jika

ingin melihatnya, user dapat mengklik tombol lihat. Untuk

melanjutkan, klik tombol lanjut.

3.4.6 Kesimpulan

Gambar 3.19 Desain interface Kesimpulan

Pada halaman kesimpulan, selain mengetahui hasil akhir pengenalan

karakter, user juga dapat melihat citra yang dipilih untuk diuji beserta

hasil-hasil pemrosesannya, meliputi gambar biner, gambar biner 9x9,

serta hasil segmentasi menjadi 9 buah matriks 3x3. Selain itu user juga

dapat melihat hasil perhitungan optimum dari algoritma Feature Point

Extraction. Tombol ulangi digunakan untuk kembali ke halaman Input

Gambar untuk memilih karakter lainnya.

Menu

JUDUL

Kesimpulan

Pola dikenali sebagai huruf …

Prosentase kemiripan …%

Hasil Perhitungan

Logo USD

keluarhome

gambar input

gambar biner

gambar biner 9x9

segmentasi 9

bagian

gambar asli

ulangi

Page 69: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

48

3.4.7 Kesimpulan untuk input salah

Gambar 3.20 Desain interface Kesimpulan untuk input yang salah

Halaman ini muncul jika user memasukkan gambar yang tidak ada

objeknya, atau dengan kata lain, hanya gambar kosong/polos. Proses

akan terhenti pada saat binerisasi. Penjelasan selengkapnya akan

dibahas pada bab berikutnya.

3.5 Spesifikasi Hardware dan Software

Berikut adalah spesifikasi hardware dan software yang digunakan untuk

membangun aplikasi pengenalan karakter:

3.5.1 Hardware

3.5.1.1 Intel Pentium D 2.66GHz

3.5.1.2 DDR 512MB Visipro

Menu

JUDUL

Pemberitahuan kesalahan

Logo USD

keluarhome

gambar input

ulangi

Page 70: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

49

3.5.1.3 NVidia GeForce FX 5200 128MB

3.5.1.4 HDD 40GB Maxtor

3.5.2 Software

3.5.2.1 Microsoft Windows XP Professional Service Pack 2

3.5.2.2 Matlab 7

3.5.2.3 Adobe Photoshop 7

3.5.2.4 Microsoft Paint

Page 71: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

50

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil Tampilan User Interface

4.1.1 Tampilan Home

Gambar 4.1 Tampilan Interface Home

Page 72: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

51

4.1.2 Tampilan Daftar Hiragana

Gambar 4.2 Tampilan Interface Daftar Hiragana

Page 73: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

52

4.1.3 Tampilan Bantuan

Gambar 4.3 Tampilan Interface Bantuan

Page 74: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

53

4.1.4 Tampilan Tentang Program

Gambar 4.4 Tampilan Interface Tentang Program

4.1.5 Tampilan Input Gambar

Gambar 4.5 Tampilan Interface Input Gambar sebelum memilih

huruf

Page 75: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

54

Gambar 4.6 Tampilan Interface Input Gambar setelah Memilih

Huruf

4.1.6 Tampilan Kesimpulan

Gambar 4.7 Tampilan Interface Kesimpulan

Page 76: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

55

4.1.7 Tampilan Kesimpulan untuk Input yang Salah

Gambar 4.8 Tampilan Interface Kesimpulan untuk Input yang Salah

4.2 Hasil Pengujian Karakter

Berikut ini adalah hasil dari pengujian karakter-karakter input dengan

perluasan metode feature point extraction.

Tabel 4.1 Tabel hasil pengujian karakter

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

ni ni 332.811 35.6250

Page 77: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

56

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

i i 94.5093 34.7031

fu fu 135.834 34.9531

mi mi 87.4528 34.7813

yu yu 181.488 34.7813

ha ha 21.9089 34.8906

yo yo 70.4273 34.3281

na na 139.971 34.9688

Page 78: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

57

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

ke ke 20.6155 34.7969

ro ro 248.753 34.5938

te te 258.706 34.7500

ku ku 264.992 34.7813

a a 79.1012 34.5938

ma ma 226.1 34.4688

so so 180.815 34.6875

Page 79: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

58

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

mo mo 172.722 34.8906

ru ru 148.354 34.2813

he he 137.717 34.1563

ko ko 144.941 34.1094

to to 34.5254 34.3281

me nu 284.255 34.3594

nu nu 234.322 34.1563

Page 80: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

59

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

no no 212.012 34.8750

ta ta 20.0998 34.3906

su su 168.392 34.6719

ra ra 64.8151 34.6250

hi hi 259.779 34.7031

mu mu 237.137 34.6719

ne ne 93.3649 34.6250

Page 81: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

60

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

wa wa 189.808 34.8594

wo wo 300.683 34.7969

ya ya 140.855 34.8125

n n 176.187 34.7656

ho ho 154.738 34.9375

u u 151.37 34.9219

sa sa 141.06 34.7344

Page 82: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

61

Input Hasil Pengenalan

Karakter Bunyi Bunyi Selisih Durasi Proses (detik)

o o 278.683 34.9688

re re 264.394 34.6406

ki ki 70.2638 34.7188

chi chi 73.1027 35.0469

tsu tsu 64.5058 34.7813

he he 62.8172 34.3438

- - >=350 34.2031

Page 83: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

62

4.3 Implementasi dengan 256 Hubungan Ketetanggaan Antarpiksel

Di bawah ini adalah salah satu contoh hasil implementasi dari

pengenalan suatu karakter input menggunakan metode feature point

extraction dengan 256 hubungan ketetanggaan antarpiksel.

(a) (b)

(c) (d)

Gambar 4.9 Karakter input beserta hasil-hasil pemrosesan citranya

Gambar 4.10 Hasil segmentasi karakter input

Page 84: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

63

Gambar 4.9 (a) merupakan gambar awal yang diinputkan. Gambar

4.9 (b) adalah hasil dari proses binerisasi, sehingga gambar menjadi hitam-

putih. Gambar 4.9 (c) adalah hasil dari proses penghilangan pinggiran putih.

Proses ini dilakukan untuk tetap menjaga konsistensi dari gambar sebelum

dan sesudah mengalami pemrosesan (preprocessing). Maksudnya, apabila

gambar yang hendak dikenali tidak dihilangkan dulu pinggiran putihnya, ada

kemungkinan terjadi pergeseran posisi objek sehingga menyebabkan

ketidakakuratan dalam proses pengenalan. Dengan kata lain, hanya objeknya

saja yang nantinya akan diproses untuk dikenali polanya. Gambar 4.9 (d)

merupakan gambar hasil resizing menjadi berukuran 9x9. Pengubahan

menjadi ukuran 9x9 adalah karena matriks yang dibutuhkan adalah matriks

ukuran 3x3 (kelipatan 3) untuk dicocokkan dengan tabel. Selain itu,

pengubahan ukuran ini juga dimaksudkan untuk mengurangi lama waktu

pengenalan. Maksudnya, semakin besar ukuran gambar, semakin lama pula

proses akan berlangsung. Oleh karena itu, penulis memilih 9 buah matriks

berukuran 3x3 untuk diproses. Gambar 4.10 adalah gambar hasil segmentasi

menjadi 9 buah matriks berukuran 3x3, seperti yang baru saja dibahas.

Setelah dicocokkan dengan tabel, didapatkan 9 buah nilai untuk tiap-

tiap bagian dari A sampai dengan I sebagai berikut:

Tabel 4.2 Tabel komposisi nilai karakter input berdasarkan tabel 256

hubungan ketetanggaan antarpiksel

A B C D E F G H I

? ? 197 ? ? ? ? 54 ?

Page 85: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

64

Berdasarkan tabel 4.2 di atas, tampak bahwa matriks yang terbentuk

memiliki komponen nilai yang tidak memenuhi syarat dalam algoritma

Feature Point Extraction, yaitu piksel di posisi (2,2) bernilai 1 atau berwarna

putih, dimana dalam tabel ditunjukkan dengan tanda “?”. Dengan demikian,

proses pengenalan tidak dapat dilanjukan.

Kejadian seperti ini terjadi juga pada pengujian karakter-karakter

yang lain; dengan dilakukannya segmentasi pada sebuah karakter, matriks

3x3 yang terbentuk pasti ada yang memiliki nilai 1 pada posisi (2,2) sehingga

karakter-karakter ini tidak dapat dibandingkan serta dikenali.

Oleh karena itu, penulis mencoba mencari jalan keluarnya, yaitu

dengan menambahkan tabel yang berisi 256 hubungan ketetanggaan

antarpiksel yang baru, dimana piksel di posisi (2,2) bernilai 1. Sehingga

seluruhnya ada 512 hubungan ketetanggaan antarpiksel.

4.4 Implementasi dengan 512 Hubungan Ketetanggaan Antarpiksel

Karakter input yang digunakan sama persis dengan pengujian pada

subbab 4.3, yaitu karakter u. Berikut ini adalah komposisi nilai setelah

dicocokkan dengan tabel 512 hubungan ketetanggaan antarpiksel:

Tabel 4.3 Tabel komposisi nilai karakter input berdasarkan tabel 512

hubungan ketetanggaan antarpiksel

A B C D E F G H I

259 391 197 256 256 319 280 54 385

Page 86: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

65

Berikut adalah tabel yang menunjukkan total selisih dengan tiap template:

Tabel 4.4 Total selisih dengan setiap template pada pengujian kedua

indeks template selisih indeks template selisih indeks template selisih 1 a1 529.1899 78 mi2 520.6160 155 chi4 546.2829 2 i1 578.9793 79 mu2 534.9804 156 tsu4 512.3427 3 u1 380.5010 80 me2 711.5061 157 te4 349.3966 4 e1 350.3627 81 mo2 562.5158 158 to4 334.6536 5 o1 582.1735 82 ya2 506.0761 159 na4 679.9143 6 ka1 445.8441 83 yu2 463.6529 160 ni4 610.4089 7 ki1 488.1823 84 yo2 627.8208 161 nu4 718.1901 8 ku1 463.4415 85 ra2 577.7993 162 ne4 549.5553 9 ke1 482.8840 86 ri2 471.2812 163 no4 563.8750 10 ko1 318.0660 87 ru2 513.6584 164 ha4 519.5171 11 sa1 492.6916 88 re2 600.7712 165 hi4 475.2199 12 shi1 545.5383 89 ro2 637.5445 166 fu4 544.6044 13 su1 450.5230 90 wa2 523.0736 167 he4 500.9271 14 se1 492.4683 91 wo2 422.1765 168 ho4 683.8436 15 so1 465.8626 92 n2 651.0361 169 ma4 703.0633 16 ta1 456.7384 93 a3 662.3685 170 mi4 519.0954 17 chi1 521.3118 94 i3 627.0949 171 mu4 687.7593 18 tsu1 510.2705 95 u3 158.6884 172 me4 608.4119 19 te1 296.1047 96 e3 584.3595 173 mo4 677.4194 20 to1 413.1949 97 o3 624.4718 174 ya4 341.5275 21 na1 415.8810 98 ka3 367.0245 175 yu4 227.8486 22 ni1 496.4766 99 ki3 490.8982 176 yo4 628.3303 23 nu1 691.0275 100 ku3 575.5919 177 ra4 577.5474 24 ne1 574.1655 101 ke3 535.5194 178 ri4 378.0608 25 no1 521.7260 102 ko3 431.6318 179 ru4 564.7451 26 ha1 516.1957 103 sa3 465.1505 180 re4 529.5186 27 hi1 506.8905 104 shi3 355.2647 181 ro4 537.2588 28 fu1 492.3302 105 su3 420.7838 182 wa4 582.9803 29 he1 370.9717 106 se3 580.6453 183 wo4 370.6238 30 ho1 493.5058 107 so3 388.9383 184 n4 545.0780 31 ma1 558.0412 108 ta3 463.5742 185 a5 483.6931 32 mi1 455.6951 109 chi3 531.9022 186 i5 661.0499 33 mu1 611.8603 110 tsu3 424.0271 187 u5 400.1562 34 me1 626.3633 111 te3 430.7598 188 e5 460.6940 35 mo1 598.8597 112 to3 362.9049 189 o5 589.4184 36 ya1 310.3079 113 na3 465.3053 190 ka5 475.0295 37 yu1 409.5339 114 ni3 573.0873 191 ki5 482.1846 38 yo1 568.5341 115 nu3 727.8070 192 ku5 392.8995 39 ra1 468.2019 116 ne3 579.7258 193 ke5 492.3667 40 ri1 406.4419 117 no3 568.3124 194 ko5 503.8323 41 ru1 539.1883 118 ha3 511.2671 195 sa5 390.2333 42 re1 596.3271 119 hi3 470.3722 196 shi5 587.0571 43 ro1 584.1395 120 fu3 422.4654 197 su5 391.4039 44 wa1 551.3483 121 he3 487.1673 198 se5 313.9252 45 wo1 451.8827 122 ho3 518.0849 199 so5 534.6578 46 n1 448.6235 123 ma3 614.1677 200 ta5 340.2014 47 a2 627.9761 124 mi3 454.6768 201 chi5 611.5137

Page 87: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

66

indeks template selisih indeks template selisih indeks template selisih 48 i2 440.4532 125 mu3 517.2514 202 tsu5 567.4822 49 u2 454.0815 126 me3 715.5005 203 te5 388.7338 50 e2 533.1754 127 mo3 630.1286 204 to5 440.8549 51 o2 665.9820 128 ya3 584.1652 205 na5 410.6702 52 ka2 427.2821 129 yu3 284.4978 206 ni5 580.8365 53 ki2 467.9893 130 yo3 574.4832 207 nu5 738.8823 54 ku2 530.7372 131 ra3 528.4581 208 ne5 685.1511 55 ke2 489.4344 132 ri3 411.7596 209 no5 558.2947 56 ko2 483.1377 133 ru3 633.0687 210 ha5 512.8479 57 sa2 481.6056 134 re3 609.1683 211 hi5 436.7597 58 shi2 418 135 ro3 448.8463 212 fu5 404.3625 59 su2 393.0623 136 wa3 468.5307 213 he5 587.3057 60 se2 446.0504 137 wo3 371.8884 214 ho5 589.2147 61 so2 539.8611 138 n3 483.7034 215 ma5 490.9012 62 ta2 492.5769 139 a4 545.7646 216 mi5 507.7618 63 chi2 598.6101 140 i4 682.8711 217 mu5 577.2868 64 tsu2 512.3427 141 u4 151.3704 218 me5 717.6420 65 te2 517.2678 142 e4 423.5564 219 mo5 625.9225 66 to2 408.5229 143 o4 399.7674 220 ya5 497.1770 67 na2 419.5259 144 ka4 607.8857 221 yu5 228.4798 68 ni2 554.8694 145 ki4 465.3085 222 yo5 627.0566 69 nu2 646.5826 146 ku4 399.9725 223 ra5 483.5070 70 ne2 683.8472 147 ke4 528.4099 224 ri5 365.3136 71 no2 633.5811 148 ko4 521.5419 225 ru5 596.4025 72 ha2 461.7337 149 sa4 492.0295 226 re5 587.4811 73 hi2 489.6427 150 shi4 423.3533 227 ro5 495.2373 74 fu2 533.9035 151 su4 411.6188 228 wa5 495.6622 75 he2 612.1838 152 se4 450.6273 229 wo5 419.6308 76 ho2 606.6144 153 so4 370.2850 230 n5 521.0365 77 ma2 612.7854 154 ta4 158.4803

Dari hasil pengujian, ditemukan sebuah template yang memiliki total

selisih minimum, yaitu sama dengan 151.37. Karakter tersebut ialah u.

Tabel 4.5 Tabel selisih dengan template u

A B C D E F G H I

input 259 391 197 256 256 319 280 54 385

u 315 445 304 256 256 287 264 60 449

akar dari total

selisih2

selisih2 3136 2916 11449 0 0 1024 256 36 4096 151.37

Page 88: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

67

Kesimpulan bahwa karakter yang diujikan merupakan huruf u adalah

benar.

4.5 Analisis Unjuk Kerja

Pertama kali, penulis mengimplementasikan metode feature point

extraction dengan menggunakan tabel yang berisi 256 hubungan

ketetanggaan antarpiksel. Metode ini memiliki syarat bahwa piksel dari

matriks 3x3 di posisi (2,2) harus bernilai 0 atau berwarna hitam sehingga

total kemungkinan susunan pikselnya ada sebanyak 29 = 256. Apabila piksel

di posisi (2,2) bernilai 1 atau berwarna putih maka matriks tersebut diabaikan

dan diberi tanda “?”. Padahal matriks 3x3 yang terbentuk tidak selalu

memiliki piksel yang bernilai 0 di posisi (2,2), tetapi bisa saja bernilai 1.

Dari hasil pengujian yang penulis lakukan, tampak bahwa komposisi

nilai yang diperoleh tidak memenuhi kriteria, yaitu dari 9 segmen masih

terdapat tanda “?” (seperti pada tabel 4.2), sehingga proses pengenalan pola

tidak dapat dilakukan. Berikut ini adalah gambarnya.

Gambar 4.11 Bagian segmentasi karakter input yang memenuhi kriteria

Page 89: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

68

Kedua segmen yang dilingkari merupakan bagian yang memenuhi

kriteria, yaitu matriks yang memiliki nilai 0 di posisi (2,2), sedangkan ketujuh

segmen lainnya tidak.

Berdasarkan hasil pengamatan di atas, penulis melihat bahwa proses

segmentasi yang dilakukan menyebabkan tidak semua matriks 3x3 yang

terbentuk pasti memiliki nilai 0 di posisi (2,2), bahkan matriks-matriks yang

membentuk karakter tersebut pasti ada yang memuat piksel bernilai 1. Contoh

yang paling sederhana ialah segmentasi huruf “A”, seperti pada gambar 2.12

di halaman 21. Proses segmentasi yang dilakukan terhadap huruf “A” tersebut

pasti akan menghasilkan setidaknya satu buah matriks 3x3 yang bernilai 1 di

posisi (2,2), yaitu di bagian H. Jika demikian maka selamanya huruf “A”

tidak akan dapat dikenali dengan cara seperti ini, mengingat huruf “A”

memiliki bentuk yang seperti itu, yaitu memiliki sekumpulan piksel berwarna

putih di bagian bawah (atau sekitar segmen H).

Oleh karena itu, penulis mencoba mencari jalan keluar, yaitu dengan

menambah sebuah tabel yang berisi 256 hubungan ketanggaan antarpiksel

dimana piksel di posisi (2,2) bernilai 1. Dengan demikian, matriks yang

memiliki nilai 1 di posisi (2,2) pun memiliki nilai tersendiri sehingga dapat

dibandingkan.

Dari hasil pengujian yang penulis lakukan, terdapat sebuah karakter

yang tidak sesuai, atau pengenalannya salah, yaitu saat mengenali huruf “me”.

Kesimpulan menyatakan bahwa karakter tersebut ialah huruf “nu”. Kesalahan

Page 90: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

69

ini disebabkan karena kedua huruf tersebut sangat mirip. Berikut ini adalah

gambar kedua huruf tersebut.

(a) (b)

Gambar 4.12 Perbandingan huruf (a) “me” dan (b) “nu”

Dalam proses pengenalan pola, semakin banyak jumlah karakter

template yang mirip dengan karakter input maka kesimpulan akan

menyatakan bahwa karakter yang di-input-kan merupakan golongan karakter

template tersebut, karena dengan demikian, semakin banyak pula berbagai

kemungkinan bentuk karakter yang dimaksud dalam berbagai model.

Rumus Jarak

Dalam mencari selisih minimum, penulis menggunakan rumus jarak.

Penggunaan ini dimaksudkan agar nilai yang diperoleh lebih teliti. Berikut ini

adalah ilustrasinya.

A B total selisih A B total selisih karakter 1 4 2 karakter 1 4 2 karakter 2 2 2 karakter 3 0 2

selisih absolut 2 2 4 selisih absolut 4 0 4

Contoh di atas merupakan contoh sederhana dari pencocokan

karakter 1 dengan karakter 2 dan karakter 3. Dengan menggunakan rumus

Page 91: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

70

selisih biasa maka perbandingan dengan karakter 2 dan karakter 3

menghasilkan nilai yang sama, yaitu 4.

Oleh karena itu, penulis memilih untuk menggunakan rumus jarak,

yaitu dengan memperhatikan selisih (jarak) tiap segmen dari kedua karakter

yang dibandingkan. Misalkan, titik A(x1,y1) dan B(x2,y2) maka jaraknya

( ) ( )212

212 yyxx −+− , dimana titik A dan B adalah karakter-karakter yang

dibandingkan, sedangkan x1, y1, x2, dan y2 adalah segmen-segmen dari tiap

karakter (A sampai dengan I). Hasilnya adalah sebagai berikut.

( ) ( )( ) ( )( ) ( )

2

4

04

02

2242

22

22

212

212

=

=+

=+−

=−+−

=−+− BBAA

( ) ( )( ) ( )( ) ( )

4

16

016

04

2240

22

22

213

213

=

=+

=+−

=−+−

=−+− BBAA

Tampak bahwa walaupun nilai yang didapat dari rumus selisih biasa adalah

sama, tetapi dengan rumus jarak nilainya dapat menjadi berbeda.

Prosentase Kemiripan

Prosentase kemiripan dihitung dari matriks 9x9 dari karakter input

dan karakter template hasil kesimpulan. Dari kedua matriks tersebut, dicari

jumlah piksel yang sama sesuai posisinya masing-masing, lalu dibagi jumlah

piksel keseluruhan, yaitu 81, kemudian dikali 100.

Page 92: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

71

Contoh dari pembahasan di atas:

%76.5432

%76.5432099

%10081

62

%100

81

62

==

×=

×=

==

hnyasel selurujumlah pik

amasel yang sjumlah pik kemiripanprosentase

hnyasel selurujumlah pik

amasel yang sjumlah pik

Tampilan Pesan Kesalahan

Telah disebutkan sebelumnya bahwa apabila gambar yang di-input-

kan tidak memiliki objek maka akan menyebabkan error. Error ini kemudian

diatasi dengan menampilkan pesan seperti pada Gambar 4.8. Berikut ini

akan dijelaskan bagaimana error tersebut dapat terjadi.

Error terjadi pada saat proses thresholding, tepatnya pada saat

memisahkan antara objek dengan background. Di bawah ini adalah

penggalan program dari proses yang dimaksud:

Apabila gambar yang dipilih tidak memiliki objek atau hanya berupa

gambar polos, contohnya hanya warna putih saja atau hitam saja, maka

x=0; y=0; for i=1:m for j=1:n if (citra_g(i,j)>=T2) x=x+1; G1(x)=citra_g(i,j); else y=y+1; G2(y)=citra_g(i,j); end end end

Page 93: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

72

variabel x atau y yang melambangkan banyaknya piksel hitam atau putih akan

bernilai 0. Padahal kedua variabel ini digunakan untuk menentukan nilai

ambang yang baru, seperti berikut:

Jelas terlihat bahwa error terjadi karena adanya pembagian dengan

nol. Oleh karena itu, apabila ternyata variabel x atau y bernilai 0, penulis

segera menge-break proses dan menampilkan pesan kesalahan.

Proses pengenalan juga akan berhenti apabila total selisih yang

diperoleh lebih besar atau sama dengan 350. Batasan ini dimaksudkan agar

aplikasi memiliki jangkauan nilai, sehingga jika karakter sudah terlalu jauh

berbeda maka karakter tidak dikenali. Jika batasan ini tidak diberikan, setiap

file gambar yang di-input-kan pasti akan dikenali sebagai karakter tertentu.

4.6 Kelemahan Aplikasi

Berikut ini adalah beberapa kelemahan dari aplikasi yang telah

dibangun:

1. Tingkat pengenalan terbatas pada jumlah template dari karakter yang

sejenis (kemiripan karakter template dengan karakter input), dimana

penulis hanya menggunakan 5 buah template untuk tiap karakternya,

serta tidak ada fasilitas penambahan template.

m1=sum(G1)/x;

m2=sum(G2)/y;

T=round((m1+m2)/2);

Page 94: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

73

2. Lamanya proses pengenalan karakter berlangsung sekitar 35 detik,

seperti dapat dilihat pada tabel 4.1. Hal ini disebabkan karena aplikasi

harus memproses 230 karakter template (5 x 46 karakter). Sehingga

semakin banyak karakter yang diproses, semakin lama pula proses

berlangsung.

3. Proses segmentasi yang dilakukan penulis menyebabkan kemungkinan

munculnya matriks yang bernilai 1 di posisi (2,2) yang menyebabkan

proses pengenalan tidak dapat dilanjutkan. Oleh karena itu, penulis

mencoba untuk mengatasi masalah ini dengan memperluas metode

Feature Point Extraction.

4. Tabel hubungan ketetanggaan antarpiksel yang bernilai 1 pada posisi

(2,2) hanya penulis tambahkan begitu saja; dengan dasar tabel pertama

yang piksel di posisi (2,2)-nya bernilai 0 penulis ganti menjadi 1, serta

memberi nilai dari 256 sampai dengan 511 secara berurutan seperti pada

tabel pertama. Dengan kata lain, penambahan tabel ini tidak penulis

lakukan dengan dasar atau perhitungan-perhitungan tertentu. Tetapi

walaupun demikian, hasil yang diperoleh cukup akurat.

Page 95: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

74

BAB V

PENUTUP

5.1 Kesimpulan

Berikut ini adalah kesimpulan yang diperoleh dari hasil implementasi

dan pembahasan:

1. Metode Feature Point Extraction yang penulis lakukan tidak dapat

digunakan untuk mengenali karakter tulisan Jepang Hiragana. Hal ini

disebabkan karena proses segmentasi yang dilakukan penulis.

2. Proses segmentasi yang dilakukan sebelum pengenalan karakter

mengakibatkan terbentuknya matriks yang memuat piksel bernilai 1

(berwarna putih) di posisi (2,2), sehingga karakter seperti ini tidak dapat

dibandingkan serta dikenali oleh metode Feature Point Extraction.

3. Perluasan metode Feature Point Extraction dilakukan untuk mengatasi

kelemahan di atas (nomor 2), yaitu dengan menambahkan sebuah tabel

yang berisi 256 hubungan ketetanggaan antarpiksel dimana matriksnya

memiliki piksel yang bernilai 1 (berwarna putih) pada posisi (2,2).

Dengan demikian, piksel yang diperhatikan bukan lagi piksel yang

berwarna hitam saja, melainkan juga piksel yang berwarna putih.

4. Penambahan tabel seperti pada nomor 3 sangat membantu proses

pengenalan karakter dimana semua karakter menjadi dapat

dibandingkan dan dikenali; dari 43 pengujian, hanya 1 yang tidak tepat,

sehingga karakter tulisan Jepang Hiragana dapat dikenali.

Page 96: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

75

5.2 Saran

Di bawah ini adalah saran-saran bagi para peneliti yang ingin

menerapkan aplikasi serupa:

1. Aplikasi juga dapat menerima input dari mouse serta memperhatikan

urutan dan arah garis seperti layaknya aturan penulisan huruf Hiragana,

bahkan lebih baik lagi apabila pengenalan tidak hanya mampu

mengenali per karakter, tetapi dapat mengenali per kata, sehingga

aplikasi yang dibangun nantinya dapat menerjemahkan dokumen yang

ditulis dengan huruf Hiragana.

2. Aplikasi yang dibangun memiliki fasilitas untuk menambah template.

3. Hendaknya peneliti lainnya dapat menyempurnakan algoritma Feature

Point Extraction yang penulis gunakan ini, yaitu dengan tetap

menggunakan satu buah tabel hubungan ketetanggaan antarpiksel saja,

dimana tiap matriksnya memiliki piksel yang bernilai 0 di posisi (2,2),

proses pengenalan karakter juga tetap dapat dilakukan. Dengan kata lain,

tetap berfokus hanya pada titik hitam (piksel bernilai 0) yang menjadi

feature point-nya.

Page 97: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

76

DAFTAR PUSTAKA

Anonim. 2002. Hiragana. Tersedia di: http://www.japan-guide.com/e/e2047.html [3 April 2008].

Brown, E. W., 1992. Character Recognition by Feature Point Extraction. Tersedia di: http://www.ccs.neu.edu/home/feneric/charrec.html [10 April 2008].

Fisher, R., dkk. 2003. Thresholding. Tersedia di: http://homepages.inf.ed.ac.uk/ rbf/HIPR2/threshld.htm [21 Februari 2008].

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 [21 Juli 2008].

Wikipedia. 2008. Thresholding (Image Processing). Tersedia di: http:// en.wikipedia.org/wiki/Thresholding_(image_processing) [21 Februari 2008].

Wikipedia Indonesia. 2007. Pengolahan Citra. Tersedia di: http://id.wikipedia.org/ wiki/Pengolahan_Citra [21 Februari 2008].

Page 98: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

77

LAMPIRAN

Page 99: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

78

CUPLIKAN LISTING PROGRAM

thresholding% menentukan sembarang nilai T awal % (dalam hal ini menggunakan rata2 nilai piksel) citra_g=rgb2gray(citra); [m n]=size(citra_g); jml_kol=sum(citra_g); nilai_piksel=sum(jml_kol'); T=nilai_piksel/(m*n);

% mencari nilai ambang (T) optimum T2=-1; while (T~=T2) T2=T; x=0; y=0; for i=1:m for j=1:n if (citra_g(i,j)>=T2) x=x+1; G1(x)=citra_g(i,j); else y=y+1; G2(y)=citra_g(i,j); end end end if (x==0 || y==0) break; else m1=sum(G1)/x; m2=sum(G2)/y; T=round((m1+m2)/2); end end

if (x==0 || y==0) % teks pemberitahuan else % melakukan proses binerisasi putih=0; hitam=0; for i=1:m for j=1:n if (citra_g(i,j)>=T) biner(i,j)=1; putih=putih+1; else biner(i,j)=0; hitam=hitam+1; end end end % jika objek berwarna putih if (hitam>putih)

Page 100: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

79

for i=1:m for j=1:n if (biner(i,j)==0) biner(i,j)=1; else biner(i,j)=0; end end end end end

hapus pinggiran putih [m n]=size(template); % mencari piksel teratas i=1;j=1; while ([m n]==size(template)) if (j<=n) if (template(i,j)==0) batas_atas=i; break end j=j+1; else j=1;i=i+1; end end % mencari piksel terkiri i=1;j=1; while ([m n]==size(template)) if (i<=m) if (template(i,j)==0) batas_kiri=j; break end i=i+1; else i=1;j=j+1; end end % mencari piksel terbawah i=m;j=1; while ([m n]==size(template)) if (j<=n) if (template(i,j)==0) batas_bawah=i; break end j=j+1; else j=1;i=i-1; end end % mencari piksel terkanan i=1;j=n; while ([m n]==size(template))

Page 101: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

80

if (i<=m) if (template(i,j)==0) batas_kanan=j; break end i=i+1; else i=1;j=j-1; end end hasil=template(batas_atas:batas_bawah,batas_kiri:ba tas_kanan);

ekstraksi ciri pola inputpola_uji_9=imresize(pola_uji,[9,9]); [m,n]=size(pola_uji_9); % dipecah menjadi 9 bagian atas_kiri=pola_uji_9(1:round(m/3),1:round(n/3)); atas_tengah=pola_uji_9(1:round(m/3),round(n/3)+1:ro und(n/3)*2); atas_kanan=pola_uji_9(1:round(m/3),round(n/3)*2+1:n ); tengah_kiri=pola_uji_9(round(m/3)+1:round(m/3)*2,1: round(n/3)); tengah_tengah=pola_uji_9(round(m/3)+1:round(m/3)*2, round(n/3)+1:round(n/3)*2); tengah_kanan=pola_uji_9(round(m/3)+1:round(m/3)*2,r ound(n/3)*2+1:n); bawah_kiri=pola_uji_9(round(m/3)*2+1:m,1:round(n/3) ); bawah_tengah=pola_uji_9(round(m/3)*2+1:m,round(n/3) +1:round(n/3)*2); bawah_kanan=pola_uji_9(round(m/3)*2+1:m,round(n/3)* 2+1:n);

% penghitungan nilai berdasarkan tabel A=tabel(atas_kiri); B=tabel(atas_tengah); C=tabel(atas_kanan); D=tabel(tengah_kiri); E=tabel(tengah_tengah); F=tabel(tengah_kanan); G=tabel(bawah_kiri); H=tabel(bawah_tengah); I=tabel(bawah_kanan);

tabel for i=1:512 if (input == m{i}) nilai=i-1; break; end end

ekstraksi ciri pola templatefor x=1:length(template) template_9{x}=imresize(template{x},[9,9]); [m,n]=size(template_9{x}); % dipecah menjadi 9 bagian atas_kiri{x}=template_9{x}(1:round(m/3),1:round (n/3));

Page 102: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

81

atas_tengah{x}=template_9{x}(1:round(m/3),round(n/3 )+1:round(n/3)*2); atas_kanan{x}=template_9{x}(1:round(m/3),round( n/3)*2+1:n); tengah_kiri{x}=template_9{x}(round(m/3)+1:round(m/3 )*2,1:round(n/3)); tengah_tengah{x}=template_9{x}(round(m/3)+1:round(m /3)*2,round(n/3)+1:round(n/3)*2); tengah_kanan{x}=template_9{x}(round(m/3)+1:round(m/ 3)*2,round(n/3)*2+1:n); bawah_kiri{x}=template_9{x}(round(m/3)*2+1:m,1: round(n/3)); bawah_tengah{x}=template_9{x}(round(m/3)*2+1:m,roun d(n/3)+1:round(n/3)*2); bawah_kanan{x}=template_9{x}(round(m/3)*2+1:m,round (n/3)*2+1:n); end

% penghitungan nilai berdasarkan tabel for x=1:length(template) A{x}=tabel(atas_kiri{x}); B{x}=tabel(atas_tengah{x}); C{x}=tabel(atas_kanan{x}); D{x}=tabel(tengah_kiri{x}); E{x}=tabel(tengah_tengah{x}); F{x}=tabel(tengah_kanan{x}); G{x}=tabel(bawah_kiri{x}); H{x}=tabel(bawah_tengah{x}); I{x}=tabel(bawah_kanan{x}); End

kesimpulan % pola masukan citra=imread(lokasi_gambar); axes('position',[0.23 0.61 0.17 0.15]); imshow(citra);title('pola masukan'); citra_bw=thresholding(citra); axes('position',[0.37 0.61 0.17 0.15]); imshow(citra_bw);title('pola biner');

citra_f=hapus_bingkai(citra_bw); [a2,b2,c2,d2,e2,f2,g2,h2,i2,pola9]=ekstraksi_ciri_p ola_uji(citra_f);

% pola template template_f=input_templates; [A,B,C,D,E,F,G,H,I,template9]=ekstraksi_ciri(templa te_f);

hasil=1534; % menghitung selisih dg tiap template dengan rumus jarak % sqrt((x2-x1)^2+(y2-y1)^2); for i=1:length(template_f) hasil_a{i}=(a2-A{i})^2;

Page 103: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

82

hasil_b{i}=(b2-B{i})^2; hasil_c{i}=(c2-C{i})^2; hasil_d{i}=(d2-D{i})^2; hasil_e{i}=(e2-E{i})^2; hasil_f{i}=(f2-F{i})^2; hasil_g{i}=(g2-G{i})^2; hasil_h{i}=(h2-H{i})^2; hasil_i{i}=(i2-I{i})^2;

hasil_selisih{i}=sqrt(hasil_a{i}+hasil_b{i}+hasil_c {i}+hasil_d{i}+hasil_e{i}+hasil_f{i}+hasil_g{i}+hasil_h {i}+hasil_i{i});

% mencari indeks dari nilai selisih terkecil if (hasil_selisih{i}<hasil) cacah=1; indeks_hasil_selisih{cacah}=i; hasil=hasil_selisih{i}; else if (hasil_selisih{i}==hasil) cacah=cacah+1; indeks_hasil_selisih{cacah}=i; end end end

% jika nilai selisih terkecil yg ditemukan lebih da ri 1 if (cacah>1) % menghitung jml kotak yg memiliki nilai (=pola ) sama hasil=-1; for i=1:cacah kotak_sama{indeks_hasil_selisih{i}}=0; if (a2==A{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (b2==B{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (c2==C{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (d2==D{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (e2==E{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (f2==F{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (g2==G{indeks_hasil_selisih{i}})

Page 104: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

83

kotak_sama{indeks_hasil_selisih{i}}= kotak_sama{indeks_hasil_selisih{i}}+1;

end if (h2==H{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end if (i2==I{indeks_hasil_selisih{i}}) kotak_sama{indeks_hasil_selisih{i}}=

kotak_sama{indeks_hasil_selisih{i}}+1; end % mencari indeks dari jml kotak yg memiliki pola sama

terbanyak if (kotak_sama{indeks_hasil_selisih{i}}>has il) indeks_kotak_sama=indeks_hasil_selisih{ i}; hasil=kotak_sama{indeks_hasil_selisih{i }}; end end indeks=indeks_kotak_sama; else indeks=indeks_hasil_selisih{1}; end

% menghitung prosentase kemiripan sama=0; for i=1:9 for j=1:9 if (pola9(i,j)==template9{indeks}(i,j)) sama=sama+1; end end end persen=(sama/81)*100;

Page 105: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

84

DAFTAR TEMPLATE

hu ruf macam template

a

i

u

e

o

ka

Page 106: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

85

ki

ku

ke

ko

sa

shi

su

Page 107: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

86

se

so

ta

chi

tsu

te

to

Page 108: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

87

na

ni

nu

ne

no

ha

hi

Page 109: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

88

fu

he

ho

ma

mi

mu

me

Page 110: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

89

mo

ya

yu

yo

ra

ri

ru

Page 111: PERLUASAN METODE FEATURE POINT EXTRACTION … · PERLUASAN METODE FEATURE POINT EXTRACTION UNTUK PENGENALAN HURUF JEPANG HIRAGANA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat

90

re

ro

wa

wo

n