SEGMENTASI CITRA AKSARA JAWA PADA … STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI...

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

SEGMENTASI CITRA AKSARA JAWA PADA DAUN

LONTAR DENGAN PROJECTION PROFILE

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh:

Filemon Kristian Novarimawan

135314053

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

i

SEGMENTASI CITRA AKSARA JAWA PADA DAUN


SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh:


135314053


INFORMATICS ENGINEERING STUDY PROGRAM

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018

ii

SEGMENTATAION CITRA AKSARA JAWA PADA DAUN


THESIS

Presented as Partial Fulfilment of Requirements

To Obtain Sarjana Komputer Degree

In Informatics Engineering Department

By :


135314053


iv

HALAMAN MOTO DAN PERSEMBAHAN

"Sesuatu yang belum dikerjakan, seringkali tampak mustahil, kita baru yakin

kalau kita telah berhasil melakukannya dengan baik." (Evelyn Underhill)

Karya ini saya persembahkan kepada :

Tuhan Yesus

Kedua orang tua, kakak dan Sahabat sahabat terkasih

Yang dengan sabar memberi arahan, semangat, doa dan motivasi

Keluarga besar yang selalu menanti dan memberi semangat dan

dukungannya


viii

ABSTRAK

Bangsa Indonesia merupakan bangsa yang kaya akan budaya yang beragam.

Keragaman budaya tersebut diperkaya oleh peninggalan budaya yang sudah

dimusiumkan, salah satunya peninggalan atau warisan budaya Jawa yaitu Aksara

jawa pada daun lontar. Pada zaman dulu, Aksara Jawa dituliskan pada prasasti,

kertas maupun daun lontar. Banyak tulisan atau hasil karya susastra jawa yang

dituliskan pada media daun lontar. Jika ditilik dari media yang digunakan daun

lontar, sangatlah sulit perawatannya dan hasil dari susastra itu sendiri akan pudar

jika tidak rutin perawatannya. Maka diperlukan lah tindakan untuk mulai

melakukan digitalisasi untuk mempermudah, melestarikan serta memahami isi

susastra yang sudah ada pada daun lontar supaya menjadi informasi yang dapat

dipahami oleh banyak orang.

Untuk mendapatkan potongan setiap karakter aksara jawa pada daun lontar

ini harus dilakukan beberapa tahap yakni dengan preprocessing dan kemudian dapat

dilakukan segmentasi citra. Pada tugas akhir ini segmentasi aksara jawa pada daun

lontar ini dilakukan dengan metode projection profile. Projection profile dilakukan

dengan memotong gambar secara horizontal dan vertikal pada citra, yang akhirnya

akan didapatkan potongan gambar karakter aksara jawa.

Percobaan ini dilakukan dengan data masukkan sebanyak 24 citra aksara

jawa pada daun lontar dengan format .png yang didapat dari koleksi lontar

perpustakaan Universitas Sanata Dharma. Berdasarkan pengujian pada 24 citra

aksara jawa pada daun lontar diperoleh rata-rata persentase keberhasilan sebesar

62.1%.

Kata Kunci : aksara jawa, daun lontar, segmentasi, projection profile.


ix

ABSTRACT

Indonesia is a rich country with its cultures. The cultural diversity is enriched

by the cultural heritage that has been kept in the museum, one of Indonesian

heritage is from Java that becomes the phenomenal heritage in this country.

Javanese’s cultures heritage are very well-known, one of those heritages is the

Javanese script which is written on palm leaves and now can be found in the

museum. In addition, a long time ago, Javanese script was written on the

inscriptions, papers, and palm leaves. Furthermore, there are so many Javanese

literature which are written on the palm leaves. The palm leaves themselves are

very fragile, therefore, palm leaves need the extra time to be treated. If the treatment

is not maximum, the Javanese script on it cannot be read. Hence, to preserve the

integrity of Javanese script written on palm leaves, there is the way to facilitate and

preserve the Javanese script on it by doing a digitization, so that the script can be

read and understood by many people.

To get a piece of each character in Javanese script on palm leaves, there are

some stages that must be used to identify the Javanese characters i.e. by

preprocessing and image segmentation process. In this study, the researcher uses

projection profile method to identify the Javanese script segmentation on palm

leaves. Project profile is done by cutting the images horizontally and vertically, then

in the end, will finally get the image pieces of Javanese script characters.

This experiment had done by inputting the data as many as 24 images of

Javanese script on palm leaves. The researcher used the .png format for obtaining

the Javanese script on palm leaves from the collection of Sanata Dharma University.

Based on the test on 24 images of the Javanese script, there were found that 62,1%

of Javanese script could be analyzed.

Keywords: Javanese manuscript, segmentation, projection profile, palm leaves.


x

KATA PENGANTAR

Puji dan syukur kami haturkan kepada Tuhan Yang Maha Esa atas berkat-

Nya dan bimbingan Roh Kudus yang telah dicurahkan kepada penulis sehingga

dapat menyelesaikan Tugas Akhir “ Segmentasi Citra Aksar4a Jawa Pada Daun

Lontar Dengan Projection Profile” ini dengan baik.

Dalam penyelesaian tugas akhir ini, penulis tidak terlepas dari bantuan dan

dukungan dari sejumlah pihak, oleh sebab itu dalam kesempatan ini penulis ingin

mengucapkan terima kasih kepada :

1. Tuhan Yesus atas berkat dan kesehatan yang diberikan kepada saya

untuk menyelesaikan tugas akhir ini.

2. Ibu Anastasia Rita Widiarti selaku Dosen Pembimbing skripsi dan

Ketua Program Studi Teknik Informatika Universitas Sanata Dharma

atas saran, waktu, ilmu dan kesabaran dalam membimbing penulis.

3. Kedua Orang tua penulis (Mama Emma dan Papa Hari) beserta kakak

(Mbak Pritta) yang senantiasa memberi semangat dan doa.

4. Ibu Agnes Maria Polina, S.Kom., M.Sc. selaku dosen pembimbing

akademik.

5. Seluruh dosen yang telah memberi jasa dan ilmunya kepada saya dalam

perkuliahan maupun pengerjaan tugas akhir ini.

6. Teman-teman seperjuangan yang sudah menghabiskan waktu semasa

perkuliahan.

7. Bowi Prabono, S.kom dan Ririn yang sudah membantu dan saling

memberi semangat dan motivasi serta berjuang bersama dalam

penyelesaian tugas akhir ini.

8. Seluruh Mahasiswa bimbingan tugas akhir bu Rita (Rusdi, Ratri, Fanny,

Bowi Prabono dan yang lainnya) atas bantuan dan masukkan, semangat,

motivasi yang sudah diberikan.

9. Maria Ardianti Kurnia Sari, S.Pd dan Bangkit Kristianto, S.Pt yang

telah membantu dan memberi asupan dan kesegaran otak selama

kepenatan penyelesaian tugas akhir ini.


xii

DAFTAR ISI

SKRIPSI ................................................................................................................... i

THESIS ................................................................................................................... ii

SKRIPSI ................................................................................................................. iii

HALAMAN MOTTO DAN PERSEMBAHAN .................................................... iv

HALAMAN PENGESAHAN .................................................................................. v

PRNYATAAN KEASLIAN HASIL KARYA ...................................................... vi

LEMBAR PERNYATAAN PERSETUJUAN ..................................................... vii

ABSTRAK ........................................................................................................... viii

ABSTRACT ........................................................................................................... iv

KATA PENGANTAR ............................................................................................. x

DAFTAR ISI .......................................................................................................... xi

BAB I PENDAHULUAN ........................................................................................ 1

1.1 Latar Belakang ...................................................................................... 1

1.2 Rumusan Masalah ................................................................................. 2

1.3 Tujuan Penelitian .................................................................................. 2

1.4 Batasan Masalah .................................................................................... 3

1.5 Manfaat Penelitian ................................................................................ 3

1.6 Metode Penelitian .................................................................................. 3

1.7 Sistematika Penulisan ............................................................................ 4

BAB II LANDASAN TEORI .................................................................................. 6

2.1 Pengertian Daun Lontar ........................................................................ 6

2.2 Pengertian Citra ..................................................................................... 6

2.3 Pengertian Citra Digital ......................................................................... 7

2.4 Format Citra Portable Network Graphics (.png) .................................. 7


xiii

2.5 Konversi Citra RGB ke Citra Keabuan ................................................ 7

2.6 Metode otsu .......................................................................................... 7

2.7 Segmentasi Baris .................................................................................. 8

2.8 Segmentasi Karakter ............................................................................ 8

BAB III ANALISA DAN METODE PENELITIAN .............................................. 9

3.1 Bahan/Data ............................................................................................ 9

3.2 Alat ...................................................................................................... 10

3.2.1 Kebutuhan Perangkat Keras .......................................................... 10

3.2.2 Kebutuhan Perangkat Lunak ......................................................... 10

3.3 Tahap Penelitian ................................................................................. 10

3.3.1 Studi Pustaka ................................................................................. 10

3.3.2 Pengumpulan Data ......................................................................... 11

3.3.3 Perencanaa Sistem dan Pembuatan Alat Uji ................................. 11

3.3.4 Skenario Pengujian ......................................................................... 15

3.3.5 Skenario Pengujian Akurasi ........................................................... 15

BAB IV IMPLEMENTASI SISTEM ................................................................... 16

4.1 Implementasi Pre Processing ............................................................ 16

4.2 Implementasi Proyeksi Horizontal ..................................................... 17

4.2.1 Pemotongan Sementara ................................................................. 18

4.2.2 Proyeksi Horizontal ....................................................................... 19

4.2.3 Penggabungan Baris ...................................................................... 20

4.3 Implementasi Proyeksi Vertikal ......................................................... 21

BAB V HASIL DAN ANALISA .......................................................................... 22

5.1 Data Maskukkan .................................................................................. 22

5.2 Hasil Citra Grayscaling ...................................................................... 24

5.3 Hasil Citra Otsu .................................................................................. 25

5.4 Hasil Proyeksi Horizontal ................................................................... 26

5.5 Hasil Proyeksi Vertikal ....................................................................... 27

5.6 Hasil Pengujian Projection Profile ...................................................... 28


xiv

BAB VI KESIMPULAN DAN SARAN ............................................................... 30

6.1 Kesimpulan ......................................................................................... 30

6.2 Saran .................................................................................................... 30

Daftar Pustaka ........................................................................................................ 31

Lampiran ................................................................................................................ 32


xv

DAFTAR GAMBAR

Gambar 3.1 Citra RGB Aksara Jawa Pada Daun Lontar ......................................... 9

Gambar 3.2 4 bagian lontar setelah dipotong manual .............................................. 9

Gambar 3.3 Proses Pengambilan Data Aksara Jawa Pada Daun Lontar ................ 11

Gambar 3.4 Diagram Konteks................................................................................ 12

Gambar 3.5 Diagram Alur Sistem .......................................................................... 12

Gambar 3.6 Tahapan Pre-Processing Sistem ......................................................... 13

Gambar 3.7 Tahap Projection Profile..................................................................... 14

Gambar 4.1 Gambar citra masukkan ...................................................................... 16

Gambar 4.2 Hasil Citra Grayscale ......................................................................... 17

Gambar 4.3 Hasil Citra Black and White............................................................... 17

Gambar 4.4 Contoh Hasil Potongan Sementara ..................................................... 18


xvi

DAFTAR TABEL

Tabel 5.1 Data Citra Aksara Jawa Pada Daun Lontar ............................................ 22

Tabel 5.2 Contoh Hasil Grayscaling ...................................................................... 24

Tabel 5.3 Contoh Hasil Binerisasi ......................................................................... 25

Tabel 5.4 Contoh Hasil Proyeksi Horizontal ......................................................... 26

Tabel 5.5 Contoh Hasil Proyeksi Vertikal ............................................................. 27

Tabel 5.6 Pengujian Akurasi Projection Profile .................................................... 28


xvii

DAFTAR RUMUS

Rumus 1.1 ............................................................................................................... 7

Rumus 1.2 ................................................................................................................ 8

Rumus 1.3 ................................................................................................................ 8

Rumus 3.1 .............................................................................................................. 15

Rumus 3.2 .............................................................................................................. 15


1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Aksara Jawa yang menjadi bagian tak terpisahkan dari Bahasa Jawa dan

merupakan salah satu unsur kebudayaan dari masyarakat Jawa, saat ini tinggal

mengalami kematian. Pengunaan Aksara Jawa semakin berkurang, karena

pemahaman tentang aksara jawa sudah berkurang dan bersaing dengan bahasa dari

luar seperti bahasa inggris, dll. Kondisi saat ini ditambah dengan permasalahan

pada dunia pendidikan mengenai mata pelajaran Bahasa Jawa. Seharusnya

Pemerintah Provinsi DIY berperan aktif dalam mendukung program pelestarian

budaya dengan tetap mencantumkan Bahasa Jawa dalam kurikulum. Karena

pelajaran Bahasa Jawa sangat berperan dalam pembentukan karakter generasi muda

di Yogyakarta.

Warisan Budaya Jawa sudah semakin dilupakan salah satunya yaitu aksara

jawa pada daun lontar yang telah bertahun-tahun ada, seperti lontar beraksara jawa

yang ada di Perpustakaan ruang Artati Kampus 2 Mrican Universitas Sanata

Dharma, di dalam lontar itulah terdapat karya susastra (karya tulis yang bermutu

baik, bagus, dan indah) yang banyak mengajarkan kita tentang filosofi hidup,

agama, dan banyak ilmu lainnya yang sangat bemanfaat untuk kita sebagai bekal

hidup.

Naskah-naskah kuno seperti aksara pada daun lontar perlu diremajakan

untuk menjaga kelestariannya karena daun lontar yang telah berusia puluhan tahun

akan lebih rentan rusak karena rapuh, Salah satu cara untuk melestarikannya adalah

proses pengubahan ke dalam format digital. Naskah dalam format digital memiliki

manfaat yang besar terutama bagi dunia pendidikan. Para peneliti dapat

menggunakan naskah tersebut untuk proses penelitian ilmiah, seperti alih aksara

dari aksara Jawa ke latin dan melakukan penerjemahan.


2

Dari penelitian Image Segmentation of Historical Handwriting from Palm

Leaf Manuscripts, Olarik Surinta dan Rapeeporn Chamchong, Background

Elimination dengan menggunakan algoritma otsu untuk menghilangkan

background daun lontar dengan akurasi 61% dan akan dilanjutkan dengan proses

segmentasi baris dan karakter dengan menggunakan projection profile analysis

dengan rata-rata akurasi 82.5%. Berdasarkan Penelitian diatas maka Peneliti akan

menggunakan metode Projection profile analysis dan akan menggunakan algoritma

otsu untuk eliminasi background dengan perbedaan data yang akan digunakan,

penulis ingin membuat topik tugas akhir dengan judul “Segmentasi Citra Aksara

Jawa pada Daun Lontar Dengan Projection Profile”.

1.2 Rumusan Masalah

Dari uraian di atas, maka terdapat beberapa rumusan masalah yaitu sebagai

berikut :

1. Bagaimana uji kerja projection profile pada segmentasi aksara jawa pada

daun lontar ?

1.3 Tujuan Penelitian

Dalam penulisan laporan tugas akhir ini penulis memiliki tujuan dan

berharap ada manfaat yang dapat diperoleh.

Tujuan dari penelitian ini adalah :

1. Mengetahui hasil uji kerja dari Projection Profile dalam Segmentasi

Aksara jawa pada daun lontar.

1.4 Batasan Masalah

Dalam penulisan laporan tugas akhir ini penulis memberikan batasan -

batasan masalah :

1. Citra yang digunakan yaitu citra yang didapat dari hasil foto daun lontar

diruang artati perpustakaan Universitas Sanata Dharma.

2. Sampel citra dokukmen yang digunakan diambil dari foto menggunakan

camera Nikon, aksara jawa pada daun lontar disimpan pada file *.png.


3

3. Citra daun lontar akan dipotong manual terlebih dahulu menjadi

beberapa bagian.

4. Pengimplementasian aplikasi ini dibuat menggunakan program matlab.

5. Citra yang dimasukkan/diolah harus sudah pada posisi tegak lurus.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini diharapkan mampu meningkatkan kualitas citra

yang akan disegmentasi untuk membantu pembaca lontar sehingga lebih mudah

untuk membaca lontar. Selain itu juga manfaat bagi generasi muda untuk

membangkitkan semangat melestarikan Budaya jawa khususnya pemahaman isi

dari aksara jawa pada daun lontar.

1.6 Metode Penelitian

1. Studi Pustaka

Pengumpulan informasi tentang preprocessing pada citra dan

projection profile melalui buku-buku pendukung, jurnal dan yang didapat

dari internet maupun perkuliahan sebagai refrensi dalam penelitian ini.

2. Pengumpulan Data

Mengumpulkan data untuk diuji menggunakan alat uji yang dirancang

pada penelitian ini.

3. Pembuatan Alat uji

Pembuatan alat uji yang akan digunakan untuk menghitung akurasi

segmentasi dengan projection profile akan dibuat dengan bantuan MATLAB

R2016a meliputi tahap preprocessing hingga menghasilkan output berupa

data segmentasi perkarakter.


4

4. Pengujian Sistem

Pengujian system dengan melihat seberapa besar akurasi yang

didapatkan dengan melihat hasil benar dari segmentasi karakter.

5. Analisa Sistem

Melakukan Analisa dari system yang sudah dibuat, termasuk

kekurangan dan kelebihan.

1.7 Sistematika Penulisan

Secara umum dalam penelitian ini, sistematika penulisan yang akan

digunakan adala sebagai berikut :

BAB I PENDAHULUAN

Bab ini membahas latar belakang masalah, rumusan masalah, tujuan

penelitian, batasan masalah, metodologi penelitian, dahn sistematika

penulisan.

BAB II LANDASAN TEORI

Bab ini membahas teori-teori mengenai pengertian citra, pengertian

dan tujuan segmentasi, algoritma segmentasi, dan metode yang

menjadi landasan utama penelitian dan akan digunakan dalam

pengembangan aplikasi.

BAB III ANALISA DAN DESAIN PENELITIAN

Bab ini membahas analisa dan perancangan sistem secara umum,

data yang akan diolah, rincian tahap-tahap penelitian, rancangan

proses serta rancangan antar muka yang akan digunakan.


5

BAB IV IMPLEMENTASI SISTEM

Bab ini berisis implementasi dari perancangan sistem Segmentasi

citra aksara jawa pada daun lontar menggunakan projection profile

berdasarkan perancangan sistem yang telah dibuat di BAB III.

BAB V HASIL DAN ANALISA

Bab ini berisi mengenai data-data yang digunakan, pengujian dan

hasil pengujian, serta analisa hasil implementasi segmentasi

menggunakan projection profile.

BAB VI KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran dari hasil Analisa, perancangan

dan implementasi system.


6

BAB II

LANDASAN TEORI

Pada bab ini akan dibahas mengenai citra digital, pengertian, teori projection

profile dan implementasinya pada segmentasi aksara jawa pada daun lontar.

1.1 Pengertian Daun Lontar

Daun lontar adalah salah satu bentuk media penulisan naskah kuno

(manuscript) yang ada di nusantara. Lontar dapat ditemukan di Jawa, tetapi

beberapa ditemukan di Bali, Sulawesi (disebut lontara), dan di Lombok. Lontar

dipakai sebagai alat tulis menulis pada saat itu sebelum orang mengenal kertas.

Selain lontar adapula bahan yang serupa lontar yang dipakai untuk tempat menulis,

seperti di Jawa memakai daun nipah (serupa lontar), dluwang (dari kulit kayu), dan

perkamen ( dari kulit kambing), di Sulawesi memakai bambu (ditulis melingkar)

dan rotan, sedangkan di Batak selain lontar ada juga tribak (dari kulit kayu).

Dokumentasi budaya masa lampau ini merupakan benda yang sangat bernilai.

Isi yang terkandung dalam manuskrip lontar begitu bermanfaat seperti tentang

mantra, keagamaan, pengetahuan tentang astronomi dan astrologi (wariga),

pengobatan tradisional (usada), prosa, kekawin, kidung, sejarah, cerita-cerita, dan

lain-lain.

1.2 Pengertian Citra

Kata citra berasal dari kata image dalam bahasa Inggris. Citra atau Image

adalah suatu gambar yang berbentuk Informasi Visual. Citra merupakan fungsi

intensitas dua dimensi (2-D) f(x,y), dimana x dan y adalah koordinat spasial,

dan f pada titik (x,y)merupakan tingkat kecerahan (brightness) suatu citra pada

suatu titik. Ketika x, y, dan nilai intensitas f-nya terbatas, maka disebut dengan citra

digital (Gonzales dan Woods, 1992).


7

1.3 Pengertian Citra Digital

Citra digital digambarkan ke dalam bentuk matriks yang terdiri dari baris dan

kolom, setiap pasangan indeks baris dan kolom menyatakan suatu titik atau piksel

dari sebuah citra. Elemen elemen matriks tersebut kemudian dinamakan sebagai

elemen citra atau elemen gambar atau elemen piksel (Gonzales dan Woods, 1992).

1.4 Format Citra Portable Network Graphics (.png)

Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis.

Setiap file format memiliki karakteristik masing – masing. Salah satu format file

citra adalah .png format penyimpanan citra terkompresi. Format ini dapat

digunakan pada citra grayscale, citra dengan palet warna, dan juga citra fullcolor.

Format .png mampu menyimpan informasi hingga kanal alpha dengan

penyimpanan sebesar 1 hingga 16 bit per kanal.

1.5 Konversi Citra RGB ke Citra Keabuan

Warna RGB adalah format lain dari citra warna. Citra RGB adalah

representasi dari tiga matriks dengan ukuran yang sama dari format gambar. Setiap

matriks akan sama beradasarkan warna Merah , Hijau dan Biru. Ketika diubah

menjadi skala keabuan(atau “intensitas”) gambar akan tergantung pada kurva

respon sensitivitas detektor cahaya sebagai fungsi dari panjang gelombang. Dengan

persamaannya sebagai berikut (Surinta, O.,dkk 2009) :

𝑌 = 0.3𝑅 + 0.59𝐺 + 0.11𝐵 (1.1)

1.6 Metode Otsu

Pendekatan yang dilakukan oleh metode otsu (Otsu's method, 2005) adalah

dengan melakukan analisis diskriminan yaitu menentukan suatu variable yang dapat

membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis

diskriminan akan memaksimumkan variable tersebut agar dapat memisahkan obyek

dengan latar belakang. Ide utamanya adalah untuk menemukan secara otomatis

ambang optimal yang ada di histogram yang membagi objek gambar dengan

membangun dua kelas dari setiap tingkat keabuan.


8

Untuk menemukan threshold optimal (THR) kita dapat menggunakan

persamaan kriteria berikut (Surinta, O., dkk, 2009):

𝜂 = 𝜎𝐵

2

𝜎𝑇ℎ𝑟2 (1.2)

Dimana 𝜂 = 𝜎𝐵

2

𝜎𝑇ℎ𝑟2 , sebagai total varian, sebagai varian dari gray-level.

Hanya perlu meminimalkan fungsi 𝜎𝐵2 , dalam class varian. Ambang optimal Thr*

akan didefinisikan dalam persamaan berikut (Surinta, O., 2009):

𝑇ℎ𝑟 ∗= 𝐴𝑟𝑔𝑀𝑖𝑛 𝜂 (1.3)

1.7 Segmentasi Baris

Projection profile analysis merupakan teknik yang popular untuk melakukan

Segmentasi baris. Kita menggunakan Horizontal projection profile analysis karena

teks di kebanyakan gambar dokumen sejajar sepanjang garis horizontal. Horizontal

Projection Profile merupakan teknik segmentasi garis dasar. (Surinta, O.,

2009) horizontal projection profile didapatkan dengan menjumlahkan nilai pikels

sepanjang garis horizontal (sumbu-x) untuk setiap baris (sumbu-y).

1.8 Segmentasi Karakter

Sebagai langkah terakhir, baris disegmentasi menjadi karakter (Surinta, O.,

2009) Untuk menemukan batas-batas antara karakter, kita menerapkan nilai

ambang batas pada panjang ruang di antara karakter. Setelah menemukan posisi

dari spasi di antara karakter maka akan menghilangkan bagian-bagian dari segmen

baris.


9

BAB III

ANALISA DAN DESAIN PENELITIAN

Dalam bab ini akan dibahas mengenai cara kerja projection profile yang akan

digunakan dan proses yang akan dibangun untuk segmentasi citra pada daun lontar.

3.1 Bahan/Data

Data yang digunakan dalam penelitian ini merupakan data citra lontar

beraksara jawa. Data yang akan digunakan didapatkan dari memfoto dengan

kamera Nikon D3100 dan disimpan dalam format file *.NEF. Data utuh dari

pengambilan gambar ini akan diproses secara manua terlabih dahulu sehingga akan

diapatkan gambar citra daun lontar yang siap untuk di teliti dengan manual

memotong dan akan disimpan dalam format *.png. Gambar 3.1 adalah contoh citra

daun lontar aksara jawa awal.

Gambar 3.1 Citra RGB Aksara Jawa Pada Daun Lontar

Dari contoh data akan diproses manual dengan memotong menjadi 4 bagian.

Gambar 3.2 4 bagian lontar setelah dipotong manual


10

3.2 Alat

Dalam melakukan penalitian diperlukan alat untuk melakukan

pengambilan data ,pengujian,dan pemrosesan. Berikut ini adalah alat yang

digunakan penulis selama melakukan penelitian :

3.2.1 Kebutuhan Perangkat Keras :

Laptop : prossesor core i5(2,80GHz), memory 12gb, vga 2gb.

Kamera DSLR : Nikon jenis D3100 yang beresolusi 14,20 megapiksel dan

lensa berjenis 18-55mm.

3.2.2 Kebutuhan Perangkat Lunak :

Adobe Photoshop CC 2015 untuk memotong manual gambar .NEF dan

merubah ke format .png.

MATLAB R2016a unutk melakukan Pengolahan citra aksara jawa pada

daun lontar.

3.3 Tahapan Penelitian

3.3.1 Studi Pustaka

Penelitian dan tulisan tentang eliminasi background dengan method otsu

dan projection profile sudah banyak dilakukan oleh peneliti. (Surinta O., 2009)

melakukan penelitian tentang segmentasi baris pada tulisan tangan bahasa Thailand

dengan menggunakan metode otsu dan horizontal projection profile. Penelitian

tersebut dapat digunakan untuk mencari lokasi teks pada suatu dokumen

berdasarkan sumbu x (horizontal) dan segmentasi karakter pada dokumen tuisan

tangan. Penulis mencoba menggunakan metode tersebut untuk melakukan analisys

pada Aksara jawa pada Daun Lontar yang berada di ruang artati perpustakaan

kampus mrican USD.

(Gonzalez dan Woods, 1992) mendefinisikan proses binerisasi dari

citra grayscale secara umum. Binerisasi dapat digunakan pada penelitian ini untuk

mengubah citra daun lontar dengan warna yang di grayscaling terlebih dahulu

kemudian menjadi hitam putih dengan warna hitam sebagai data dan warna putih


11

sebagai latar. Selain menggunakan projection profile (Surinta O., dkk., 2009)

mengemukakan persamaan untuk mengurangi gangguan pada citra hitam putih.

Penelitian (Gonzalez dan Woods, 1992) dan (Surinta O., dkk., 2009) dapat

digunakan untuk pre-processing citra daun lontar sebelum dilakukan segmentasi

baris horizontal dan segmentasi karakter.

3.3.2 Pengumpulan data

Data citra daun lontar beraksara jawa didapatkan dari hasil pengambilan

gambar dengan kamera dan akan disimpan dalam format *.png, yang berada di

ruang artati perpustakaan, kampus 2 Universitas Sanata Dharma.

Gambar 3.3 Proses Pengambilan Data Aksara Jawa Pada Daun Lontar

3.3.3 Perancangan Sistem dan Pembuata Alat Uji

3.3.3.1 Gambaran Umum Sistem

Skenario sistem dimulai dari memasukkan data citra berupa citra daun

lontar dari hasil foto yang diolah manual sebelum dimasukkan ke dalam sistem.

Kemudian sistem akan merubah citra menjadi citra grayscale, setelah akan

dilakukan tahap binerisasi untuk eliminasi background daun lontar dengan

binerisasi otsu, Berikut adalah diagram konteks data flow diagram dari system

binerisasi citra aksara jawa pada daun lontar :


12

Gambar 3.4 Diagram Konteks

Gambaran umum dari proses program segmentasi, dimulai darai user

memasukkan data citra daun lontar dengan format .png, kemudian akan diproses

oleh sistem. Dari proses itu sistem akan mengeluarkan hasil berupa citra karakter

aksara jawa.

3.3.3.2 Alur Sistem

Gambar 3.5 Diagram Alur Sistem

Alur system ini akan dimulai dengan pengambilan data berupa citra daun

lontar dengan format .png. Setelah itu akan melakukan langkah pre proccessing


13

dengan mengubah citra RGB lontar menjadi grayscale kemudian langsung berlanjut

ke binerisasi. Setelah selesai binerisasi dan citra RGB berubah menjadi hitam putih

maka akan dilanjutkan dengan proses Proyeksi horizontal, pada proses ini akan

didapatkan 4 baris tiap data lontar. Setelah mendapat 4 baris bagian lontar maka

akan dilakukan pemotongan atau proyeksi vertikal, proses ini akan menghasil

karatker dari setiap baris pertama hingga ke 4.

a) Pre Processing

Tahap ini memiliki input berupa citra rgb dan output berupa citra grayscale

serta citra binerisasi atau citra hitam putih. Berikut gambar 3.6 merupakan alur

tahap pre processing dari system.

Gambar 3.6 Tahapan Pre-Processing Sistem

b) Prosses Projection Profile

Tahap ini memiliki input citra biner yang berasal dari proses pre-

processing dan output berupa citra karakter aksara jawa. Berikut gambar 3.7

merupakan alur tahap projection profile :


14

Gambar 3.7 Tahap Projection Profile

Dalam proses ini dilakukan beberapa langkah seperti pada gambar 3.7. Pada

tahap pemotongan sementara dilakukan pemotongan sebanyak 20 kali yang di

tentukan dengan melakukan pertimbangan dari perhitungan rata-rata jumlah aksara

setiap baris pada setiap data lontar.

Proyeksi horizontal dilakukan beberapa proses pemotongan dengan syarat

seperti tinggi piksel satu aksara yang ditentukan mulai dari 20 piksel. Hal ini

dilakukan berdasarkan penelitian dari hasil potongan yang didapat sebelumnya.

Kemudian dari angka 20 itu dilakukan penambahan ataupun pengurangan untuk

perulangan pemotongan berdasarkan baris yang didapat.

Penggabungan dilakukan penyamaan tinggi setiap gambar dengan

menambahkan piksel 1 pada bagian atas ataupu bagian bawah sesuai dengan posisi

aksara yang dengan ketentuan titik potong pada gambar masing-masing.

Proyeksi vertikal dilakukan pemotongan karakter dengan ketentuan besaran

atau lebar aksara minimal yaitu 16 piksel. Ditentukan dari analisis hasil karakter

dalam peneletian, yang sudah ditemukan berdasarkan hasil bahwa aksara yang

memnuhi syarat terkecil memiliki lebar 16 piksel. Hal ini dilakukan agar beberapa

noise pada daun lontar tidak termasuk kedalam hasil potongan.


15

3.3.4 Skenario Pengujian

Pada proses pengujian data, terlebih dahulu sudah diubah format menjadi

.png, kemudian citra tersebut akan dimasukkan kedalam system untuk mendapat

karakter aksara jawa dengan projection profile. Berikut adalah tahapan

pengujiannya :

1. Citra dengan format .png dimasukkan kedalam system.

2. Sistem akan melakukan preprocessing mengubah citra menjadi

grayscale.

3. Citra grayscale kemudian di cari level thresholdnya, kemudian akan

dilakukan binerisasi citra menggunakan nilai threshold tadi.

4. Setelah menjadi black and white Sistem akakn melakukan pemotongan

sementara terhadap data.

5. Setelah didapat potongan gambar sementara akan dilakukan proyeksi

horizontal yang kemudian digabungkan kembali menurut barisnya.

6. Setelah didapatkan masing masing baris system akan melakukan

proyeksi vertikal untukmendapatkan karakter dari setiap barisnya.

3.3.5 Skenario Pengujian Akurasi

Hasil akhir dari scenario pengujian berupa potongan akhir citra berupa

citra aksara perkarakter. Setelah didapatkan hasil karakter akan di lihat satu persatu

mana karakter potongan yang memenuhi syarat sebagai data benar. Akurasi akan

didapatkan dengan melihat total objek pada citra asli/ citra rgb dengan total citra

benar pada hasli karakter.

Persentase Keberhasilan = 100% x persentase objek benar (3.1)

Dimana

Persentase Objek benar = ∑ 𝑂𝑏𝑗𝑒𝑘 𝑏𝑒𝑛𝑎𝑟

∑ 𝑇𝑜𝑡𝑎𝑙 𝑂𝑏𝑗𝑒𝑘 (3.2)


16

BAB IV

IMPLEMENTASI SISTEM

Rancangan system yang sudah dibuatdalam BAB III akan diimplementasikan

menjadi system yang digunakaan untuk segmentasi citra aksara jawa pada daun

lontar menggunakan projection profile. Proses implementasinya adalah sebagai

berikut :

4.1 Implementasi Pre Processing

a. Implementasi Load data citra lontar

Setelah data yg sebelumnya diproses manual untuk pemotongan 4

bagian kemudian diload sebagai citra yang akan digunakan/ diolah sebagai

data dengan fungsi imread.

Gambar 4.1 Gambar citra masukkan

b. Implementasi Grayscaling

Setelah load gambar dilakukan maka akan langsung dikenai proses

grayscaling, gambar akan diubah dari citra warna menjadi citra keabuan

dengan fungsi rgb2gray.


17

Gambar 4.2 Hasil Citra Grayscale

c. Implementasi Otsu

File yg diambil sebelumnya disimpan menggunakan urutan angka yg

akan di looping untuk melakukan proses eliminasi background. Proses

elminasi background ini akan menggunakan otsu dengan threshold keabuan

dari masing-masing gambar, dilakukan dengan fungsi graytrhesh dan im2bw.

Gambar 4.3 Hasil Citra Black and White

4.2 Implementasi Proyeksi Horizontal

Proyeksi horizontal dilakukan dengan menentukan piksel akhir dari satu

aksara/objek sementara. Dengan syarat suatu aksara memiliki tinggi tertentu yang

dihitung dari jumlah piksel. Penentuan jumlah piksel dilakukan dengan

pertimbangan dari beberapa data yang sudah diperoleh.

Sebelum melakukan Proyeksi Horizontal akan dilakukan pemotongan

sementar, fungsinya untuk membantu mencari batas atas dan batas bawah aksara

agar nantinya hasilnya aksara tidak terpotong pada bagian pentingnya.


18

4.2.1 Pemotongan Sementara

Potongan digunakan untuk membantu mencari titik potong atas maupun

bawah aksara yang beragam. Dengan cara memotong citra menjadi 20 bagian secara

vertikal untuk sementara. Pemotongan sebanyak 20 ini didapatkan dengan

pertimbangan dari jumlah karakter aksara jawa pada setiap data lontar yang

digunakan dengan mengambil kesimpulan rata-rata karakter setiap baris nya

terdapat 15 hingga 20 karakter.

ambang atau total potongan sementara akan digunakan sebagai pembagian

jumlah kolomnya, Proses ini dilakukan dengan algoritma berikut:

1. Memberi ambang untuk potongan sementara dengan membagi total

kolom sebanyak 20.

2. Mendeklarasi variable j = ambang.

3. Looping sebanyak total kolom dari citra masukan.

i. Melakukan pemotongan h ke i = seluruh piksel dari i ke j.

ii. Menentukan titik awal selanjutnya i = i didambah ambang.

iii. Dengan perubahan titik akhir j = j ditambah ambang.

iv. Menjumlah total potongan yang dilakukan.

Gambar 4.4 Contoh Hasil Potongan Sementara


19

4.2.2 Proyeksi Horizontal

Cara kerja proyeksi horizontal adalah dengan menghitung jumlah piksel

hitam dari setiap baris pikselnya. Potongan fungsi untuk melakukan proses proyeksi

horizontal setelah mendapat bagian dari potongan sementara, akan dilakukan

looping sebanyak potongan sementara. Berikut adalah algoritma dari proyeksi

horizontal :

1. While k lebih kecil sama dengan total potongan sementara.

2. Jika k bernilai 1.

i. Memanggil potongan sementara dengan variable bw dari hasil

potongan sementara ke k.

ii. for i sama dengan 1 dilakukan looping sebanyak total baris dari

citra potongan sementara.

a. Deteksi batas atas dari aksara.

b. Jika X lebih besar dari level potong.

c. Potong citra dari pAwal sampai pAkhir.

d. Simpan dalam variable b ke urut.

e. TitikP sama dengan pAwal.

3. Kembali ke proses iv hingga akhir baris.

4. Cek potongan baris yang didapat ber jumlah 4 baris atau tidak.

5. Jika potongan yg didapat lebih dari 4 baris maka dilakukan proses

pemotongan ulang dengan penambahan level potong sebanyak 1.

6. Jika potongan yg didapat kurang dari 4 baris maka dilakukan proses

pemotongan ulang dengan pengurangan level potong sebanyak 1.

7. Jika k tidak bernilai 1 dilakukan pemotongan k ke 2 hingga k terakhir

dengan cara yang sama namun akan disimpan dalam variable berbeda.


20

Dilakukan 2 kali pemotongan awal karena saat penggabungan gambar

dibutuhkan 2 citra yang dilakukan setiap didapatkan masing-masing potongan

sudah berjumlah 4 baris.

4.2.3 Penggabungan Baris

Penggabungan gambar dari potongan sementara yang sudah dikenai proyeksi

horizontal menjadi satu bagian akan menghasilkan citra berupa baris aksara.

Sehingga didapatkan potongan horizontal yang diinginkan pada penelitian ini.

Pada proses penggabungan baris ini dilakukan dengan melakukan langkah

selanjutnya dari proyeksi horizontal setelah mendapat 2 potongan awal dengan

masing-masing citra memiliki 4 baris hasil potong, dengan algoritma berikut:

1. For n sama dengan 1 dilakukan looping sebanyak jumlah baris.

2. Jika t lebih besar dari newt.

i. Hitung selisih t dengan newt

ii. Buat temp_rowa sebagai citra piksel 1 setinggi selisih t dengan

lebar kolom citra tempB ke n.

iii. Menambah temp_rowa diatas citra tempB ke n.

3. jika baris1 lebih kecil dari baris2, maka

i. while baris1 tidak sama dengan baris2

ii. Menambahkan piksel 1 dibawah citra tempB.

4. jika baris1 lebih besar dari baris2, maka

i. while baris1 tidak sama dengan baris2

ii. Menambahkan piksel 1 dibawah citra newb.


21

5. Gabungkan tempB dengan newb

6. Jika t lebih kecil dari newt akan dilakukan hal yang sama dengan

perhitungan selisih nya.

7. Jika t dan newt sama

i. jika baris1 lebih kecil dari baris2, maka

a. while baris1 tidak sama dengan baris2

b. Menambahkan piksel 1 dibawah citra tempB.

ii. jika baris1 lebih besar dari baris2, maka

a. while baris1 tidak sama dengan baris2

b. Menambahkan piksel 1 dibawah citra newb.

8. Gabungkan tempB dengan newb

4.3 Proyeksi Vertikal

Pada proses ini akan mengambil hasil dari proyeksi Horizontal. Proyeksi

vertikal disini berfungsi untuk melakukan pemotongan agar didapatkan perkarakter

aksara jawa pada tiap barisnya.

Melakukan pemotongan vertikal dengan syarat lebar dari aksara yang

dipotong lebih besar dari 16 piksel.

1. For j sebanyak kolom

i. Deteksi titik awal potongan

ii. Jika titik awal hingga akhir potongan lebih besar dari 16 piksel

iii. Potong piksel dari awal hingga titik akhir.


22

BAB V

HASIL DAN ANALISA

5.1 Data Masukan

Data citra yang digunakan untuk penelitian ini yaitu data citra aksara jawa

pada daun lontar sebanyak 24 citra. Format file citra masukan bertipe .png dan citra

dokumen dapat dilihat pada table berikut :

Tabel 5.1 Data Citra Aksara Jawa Pada Daun Lontar

No Nama File Ukuran Pixel Ukuran File Citra

1 1.png 292 X 810 498 kb

2 2.png 316 X 1050 1647 kb

3 4.png 312 X 776 564 kb

4 5.png 328 X 822 569 kb

5 6.png 328 X 1050 783 kb

6 7.png 328 X 1050 798 kb

7 8.png 328 X 822 598 kb

8 9.png 288 X 821 581 kb

9 10.png 328 X 1050 734 kb

10 12.png 328 X 822 562 kb

11 13.png 298 X 812 530 kb

12 14.png 298 X 1055 1765 kb


23

No Nama File Ukuran Pixel Ukuran File Citra

13 15.png 298 X 1045 1746 kb

14 16.png 298 X 822 535 kb

15 17.png 316 X 822 540 kb

16 19.png 305 X 1049 754 kb

17 20.png 291 X 781 552 kb

18 21.png 297 X 759 448 kb

19 23.png 304 X 1005 604 kb

20 24.png 320 X 953 567 kb

21 25.png 298 X 802 528 kb

22 26.png 298 X 1060 1796 kb

23 27.png 298 X 1050 1774 kb

24 28.png 267 X 776 498 kb


24

5.2 Hasil Citra Grayscaling

Citra yang sudah diolah manual menjadi 4 bagian akan dilakukan proses

untuk mnjadi citra berjenis grayscale. Tabel 5.2 adalah beberapa contoh hasil

grayscaling.

Tabel 5.2 Contoh Hasil Grayscaling

NO. Citra Asli Citra Grayscale

1

2

3

4

5


25

5.3 Hasil Citra Otsu

Hasil dari tahap ini adalah memisahkan background daun lontar dan tulisan

aksara jawa dengan mengubah gambar dari grayscale menjadi hitam putih

menggunakan metode otsu. Table 5.3 adalah beberapa contoh hasil eliminasi

background.

Tabel 5.3 Contoh Hasil Binerisasi

NO. Citra Grayscale Citra biner

1

2

3

4

5


26

5.4 Hasil Proyeksi Horizontal

Setelah dilakukan binerisasi maka langsung dilakukan proyeksi horizontal.

Hasil dari proyeksi dapat dilihat pada table 5.4.

Tabel 5.4 Contoh Hasil Proyeksi Horizontal

Nam

a File Gambar Biner Hasil Potong Horizontal

1.png

2.png

Pada hasil proyeksi horizontal ini didapatkan beberapa error seperti baris

yang hilang dikarenakan beberapa factor seperti aksara pada baris bawah yang

tersambung dengan baris atasnya. Baris aksara atas menggantung, atau aksara

terlalu kecil sehinga terpotong bersama baris selanjutnya.


27

5.5 Hasil Proyeksi Vertikal

Hasil citra dari 4 baris yang dihasilkan pada proses proyeksi horizontal akan

dikenai proyeksi vertikal sehingga setiap baris nya akan didapatkan hasil

perkarakter akasa jawa. Berikut contoh gambar dari hasil proyeksi vertikal pada

table 5.5.

Tabel 5.5 Contoh Hasil Proyeksi Vertikal

No Hasil Potong Data benar Data salah

1

x

2

x

3

x

4

v

5

v

6

v


28

5.6 Hasil Pengujian Projection Profile

Setiap hasil karakter yang didapatkan akan dilihat satu persatu apakah

didapatkan satu karakter saja pada setiap potongan ytang menurut penulisan jawa

benar. Berikut Tabel akurasi hasil dari projection profile yang sudah didapatkan

dengan menggunakan 24 data citra.

Tabel 5.6 Pengujian Akurasi Projection Profile

No Objek Citra

RGB

Objek

Benar

Objek

Error

Akurasi

Error (%)

Akurasi

Benar (%)

1 61 30 31 50.81967 49.18033

2 75 51 24 32 68

3 55 27 28 50.90909 49.09091

4 58 33 25 43.10345 56.89655

5 73 41 32 43.83562 56.16438

6 65 36 29 44.61538 55.38462

7 55 35 20 36.36364 63.63636

8 54 28 26 48.14815 51.85185

9 73 39 34 46.57534 53.42466

10 56 28 28 50 50

11 61 45 16 26.22951 73.77049

12 81 45 36 44.44444 55.55556

13 70 42 28 40 60

14 55 38 17 30.90909 69.09091

15 55 27 28 50.90909 49.09091

16 66 51 15 22.72727 77.27273

17 54 38 16 29.62963 70.37037

18 49 35 14 28.57143 71.42857

19 57 41 16 28.07018 71.92982

20 61 35 27 44.2623 57.37705


29

No Objek Citra

RGB

Objek

Benar

Objek

Error

Akurasi

Error (%)

Akurasi

Benar (%)

21 56 44 12 21.42857 78.57143

22 80 53 27 33.75 66.25

23 71 49 22 30.98592 69.01408

24 55 37 18 32.72727 67.27273

Rerata Akurasi 37.95896 62.10935


30

BAB VI

KESIMPULAN DAN SARAN

Pada bab ini membahas tentang kesimpulan dan saran dari penulis pada

penelitian segmentasi citra aksara pada daun lontar menggunakan projection

profile.

6.1 Kesimpulan

Dari pengujian data yang didapatkan penulis dari hasil penelitian segmentasi

citra aksara pada daun lontar dengan projection profilel, diperoleh kesimpulan

sebagai berikut :

1. Dari hasil analisa output system pada citra masukan sebanyak 24 citra

aksara jawa pada daun lontar diperoleh rata-rataa persentase

keberhasilan mencapai 62.1% dengan rata-rata persentase error

mencapai 37.9%.

2. Rata-rata kegagalan/ error yang didapat akibat kurang bersihnya data

yang diolah, pemotongan sering terganggu oleh piksel yang

menghalangi sehingga terkadang hasil aksara yang didapatkan bisa

lebih dari satu karakter.

6.2 Saran

Berikut Ini saran bagi penelitian berikutnya untuk melanjutkan sistem

segmentasi ini :

1. Dari analisa error, dapat ditambahkan metode noise reduction yang baik

untuk menghilangkan noise dari daun lontar.

2. Cara pengambilan gambar lontar sangat penting untuk menunjang data

yang akan di teliti selanjutnya.

3. Dapat diuji kembali menggunakan data selain daun lontar atau yg

memiliki karakteristik berbeda.


31

DAFTAR PUSTAKA

Surinta, O., Rapeeporn C. (2009), Image Segmentation of Historical Handwriting

from Palm Leaf Manuscripts. The International Federation for Information

Processing, Volume 288.

Widiarti Anastasia R., (2006), Pengenalan Citra Dokumen Sastra Jawa Konsep dan

Implementasinya.

http://www.library.usd.ac.id/Data%20PDF/Tesis%20dan%20Disertasi%20

Dosen/Tesis%20dan%20Disertasi/1365_full.pdf diakses tanggal 12 Oktober

2016.

Gonzales, R.C., dan Woods, R.E., 1992, Digital Image Processing, Addison-Wesley

Publishing Company, Inc., USA.

http://folk.uio.no/ainard/Folder2/Digital%20Image%20Processing%203rd%

20ed.%20-%20R.%20Gonzalez,%20R.%20Woods.pdf diakses tanggal 1

Desember 2016.


http://www.library.usd.ac.id/Data%20PDF/Tesis%20dan%20Disertasi%20Dosen/Tesis%20dan%20Disertasi/1365_full.pdf

http://www.library.usd.ac.id/Data%20PDF/Tesis%20dan%20Disertasi%20Dosen/Tesis%20dan%20Disertasi/1365_full.pdf

http://folk.uio.no/ainard/Folder2/Digital%20Image%20Processing%203rd%20ed.%20-%20R.%20Gonzalez,%20R.%20Woods.pdf

http://folk.uio.no/ainard/Folder2/Digital%20Image%20Processing%203rd%20ed.%20-%20R.%20Gonzalez,%20R.%20Woods.pdf

32

LAMPIRAN


1

Lampiran I

Data

1. 1.png

2. 2.png

3. 3.png

4. 4.png


2

5. 5.png

6. 6.png

7. 7.png

8. 8.png


3

9. 9.png

10. 10.png

11. 11.png

12. 12.png

13. 13.png


4

14. 14.png

15. 15.png

16. 16.png

17. 17.png

18. 18.png


5

19. 19.png

20. 20.png

21. 21.png

22. 22.png

23. 23.png


6

24. 24.png

25. 25.png

26. 26.png

27. 27.png

28. 28.png


1

Lampiran II

Hasil

Lontar 1.png


2


3

Lontar 2.png


4


5

Lontar 4.png


6

Lontar 5.png


7


8

Lontar 6.png


9


10

Lontar 7.png


11


12

Lontar 8.png


13

Lontar 9.png


14


15

Lontar 10.png


16


17

Lontar 12.png


18

Lontar 13.png


19


20

Lontar 14.png


21


22

Lontar 15.png


23


24

Lontar 16.png


25

Lontar 17.png


26


27

Lontar 19.png


28


29

Lontar 20.png


30

Lontar 21.png


31


32

Lontar 23.png


33


34

Lontar 24.png


35

Lontar 25.png


36


37

Lontar 26.png


38


39

Lontar 27.png


40


41

Lontar 28.png


42


SEGMENTASI CITRA AKSARA JAWA PADA … STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI...

Documents

Transcript of SEGMENTASI CITRA AKSARA JAWA PADA … STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI...