ekstrasi ciri tergantung pada banyaknya desimasi N yang akan ditentukan oleh pengguna. Pada tahap ini akan terjadi pengulangan sampai menghasilkan jumlah N=0.
Tahap konvolusi merupakan tahap untuk melakukan penyaringan dengan menggunakan low-pass filter dekomposisi Wavelet Haar. Proses low pass filter hanya
dapat dilakukan pada bidang 1 dimensi sedangkan pada citra merupakan 2 dimensi, maka untuk menggunakan low-pass filter diperlukan adanya dua kali proses konvolusi yaitu pada
konvolusi baris dan konvolusi kolom pada citra input yang dikerjakan secara bergantian, dapat digambarkan melalui diagram alir pada Gambar 3.9.
Gambar 3.9. Diagram alir konvolusi. Tahap downsampling adalah proses pengurangan pencuplikan baris atau kolom
yang diambil dari suatu citra. Downsampling biasa digunakan untuk proses kompresi data dan sebagai dekomposisi citra menjadi citra pendekatan. Downsampling pada tahap ini
merupakan tahap menghilangkan baris dan kolom ganjil dengan tetap menjaga kolom baris dan kolom genap, yang dapat digambarkan melalui diagram alir pada Gambar 3.10.
Konvolusi 1D per baris
Keluaran: Hasil Konvolusi
2D Masukan:
Citra Hasil Preprocessing
Konvolusi 1D per kolom
Mulai
Selesai
Gambar 3.10. Diagram alir downsampling.
3.1.4. Tahap Fungsi Jarak
Tahap fungsi jarak adalah tahap berikutnya setelah citra di ekstraksi ciri. Pada tahap ini berfungsi sebagai pembanding antara citra keluaran dari ekstraksi ciri dengan
citra pose kode huruf semaphore yang berada pada basis data. Dalam tahap fungsi jarak ini menggunakan fungsi jarak Euclidean. Jarak Euclidean adalah jarak untuk mencari selisih
antara data dari keluaran ekstraksi ciri dengan data yang terdapat pada basis data. Hasil yang digunakan dalam proses berikutnya adalah hasil dari perbandingan jarak yang
memiliki nilai selisih paling pendek. Proses fungsi jarak dapat digambarkan melalui diagram alir pada Gambar 3.11.
Gambar 3.11. Diagram alir fungsi jarak Euclidean.
Menghilangkan baris ganjil
Keluaran: Hasil downsampling
ekstrasi ciri Masukan:
Hasil konvolusi 2D Menghilangkan kolom
ganjil
E E
Mulai
Selesai
Keluaran: Hasil perhitungan jarak
Masukan: Hasil ekstraksi ciri
masukan, Ekstraksi ciri basis data
Perhitungan jarak: Ekstraksi ciri data masukan
dengan ekstraksi ciri basis data
F F
Mulai
Selesai
3.1.5. Penentuan Keluaran
Hasil pengenalan kode huruf semaphore ditentukan berdasarkan jarak minimal yang diperoleh dari hasil perbandingan antara keluaran dari ekstraksi ciri dengan basis
data, dengan menggunakan fungsi jarak Euclidean. Proses ini merupakan bagian akhir dari proses pengenalan kode huruf semaphore. Proses penentuan keluaran dapat digambarkan
melalui diagram alir pada Gambar 3.12.
Gambar 3.12. Diagram alir penentuan keluaran.
3.2. Perancangan Basis Data
Sistem pengenalan kode huruf semaphore memerlukan basis data sebagai titik acuan. Basis data akan dibandingkan dengan citra kode huruf semaphore yang diambil
dengan menggunakan webcam setelah melalui proses pengenalan citra. Perancangan basis data pada sistem ini terdiri dari 26 pose kode huruf semaphore yang mewakili huruf A
sampai dengan Z dan memiliki jarak yang bervariasi dalam pengambilan gambarnya. Proses perancangan basis data dapat dilihat pada Gambar 3.13.
Gambar 3.13. Blok diagram perancangan basis data.
Masukan: Hasil perhitungan
jarak Kode keluaran = kode yang
berasosiasi dengan jarak minimal
G G
Mulai
Selesai Keluaran:
Hasil berupa teks pada layar
monitor
Perancangan basis data melibatkan 2 peraga yang masing-masing menghasilkan 5 gambar dari setiap huruf, sehingga untuk 2 peraga memiliki 10 gambar yang mewakili satu
huruf. Lima gambar tersebut memiliki variasi jarak, antara 3-5 meter dengan rentang jarak masing-masing 50 cm.
Sebagai contoh, terdapat 10 citra pose kode huruf semaphore yaitu huruf “A”
dengan nama yang telah diinisialisasi sebagai berikut : - A1_3m
- A2_3m - A1_3,5m
- A2_3,5m - A1_4m
- A2_4m - A1_4,5m
- A2_4,5m - A1_5m
- A2_5m Maksud dari “A1_3m” di atas ialah huruf “A1” yang diperagakan oleh peraga
pertama dengan jarak 3 meter. Begitu juga pada “A2_5m” ialah huruf “A2” yang diperagakan oleh peraga kedua dengan jarak 5 meter. Sehingga dengan data yang telah
diperoleh terdapat 3 variasi citra sesuai dengan desimasi yang ada, desimasi_1 : 32 x 32 piksel, desimasi_2 : 16 x 16 piksel, dan desimasi_3 : 8 x 8 piksel, penulis dapat
menjabarkan dengan menggunakan matriks sesuai dengan ukuran pikselnya sebagai berikut:
Perhitungan rerata untuk basis data untuk ukuran 32 x 32 piksel :
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
Perhitungan rerata untuk basis data untuk ukuran 16 x 16 piksel :
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
Perhitungan rerata untuk basis data untuk ukuran 8 x 8 piksel :
[ ]
[ ]
[ ]
[ ]
