Basis Data Perancangan Basis Data

Gambar 3.5. Diagram alir proses segmentasi warna HSV. Tahap cropping dilakukan untuk memotong bagian citra pada pose kode huruf semaphore yang tidak digunakan dalam proses pengenalan. Citra keluaran dari tahap segmentasi warna akan dipotong sesuai dengan bouding box yang telah disediakan. Dengan menggunakan perintah yang terdapat pada Matlab untuk memotong citra, yaitu Pada sintak di atas, x dan y merupakan koordinat pada sumbu x dan y. ∆x dan ∆y merupakan selisih antara masing- masing sumbu x dan sumbu y. Kemudian „variabel‟ merupakan keluaran dari citra yang telah disegmentasi. Proses dari cropping dapat digambarkan pada Gambar 3.6. Keluaran: Citra hasil segmentasi warna Masukan: Citra HSV Segmentasi warna kuning dengan menggunakan nilai ambang Hue Bagian bendera yang berwana kuning Mulai Selesai Cropping X1 = imcrop‘variabel’, [x y ∆x ∆y]; ImshowX1 Gambar 3.6. Diagram alir proses cropping pada citra. Tahap resizing berfungsi sebagai pengubah ukuran citra agar dapat mempermudah dalam proses selanjutnya. Dalam tahap ini, ukuran resizing yang diinginkan ialah 64 x 64, sehingga citra hasil dari cropping akan diubah ukuran pikselnya menjadi 64 x 64 dan kemudian akan masuk dalam tahap selanjutnya yaitu tahap ekstraksi ciri. Sintak yang akan digunakan pada Matlab diperlihatkan dibawah ini, serta proses resizing dapat dilihat dalam diagram alir Gambar 3.7. Gambar 3.7. Diagram alir proses resizing pada citra. Keluaran: Citra hasil cropping Masukan: Citra hasil segmentasi warna Cropping citra sesuai bouding box B B Mulai Selesai Keluaran: Citra hasil resizing Masukan: Citra hasil cropping Proses resizing ke ukuran 64 x64 piksel C C Mulai Selesai Resizing X2 = imresize‘variabel’, [64, 64]; ImshowX2

3.1.3. Tahap Ekstrasi Ciri

Tahap ekstrasi ciri adalah proses pengolahan data dari data yang banyak kemudian diekstrak menjadi data yang lebih sedikit. Hal ini bertujuan agar dapat mempermudah dalam pengolahan data yang ada. Data yang lebih sedikit telah mewakili beberapa data sebelumnya yang lebih banyak. Ekstrasi ciri yang digunakan dalam tahap pengambilan ciri pada suatu citra ini adalah wavelet . Wavelet yang digunakan adalah wavelet haar yang memiliki 4 macam filter , namun hanya 1 filter saja yang digunakan yaitu low-pass filter dekomposisi. Penelitian ini menggunakan 1 filter karena yang dicari hanya bentuk dasar dari suatu citra. Wavelet Haar menerapkan konvolusi dan low-pass filter dekomposisi secara simultan untuk mendapatkan sinyal global. Secara keseluruhan tahap ekstrasi ciri dapat digambarkan melalui diagram alir pada Gambar 3.8. Gambar 3.8. Diagram alir ekstrasi ciri. Hasil citra dari preprocessing adalah masukan untuk proses ekstraksi ciri yang kemudian akan dikonvolusi dan dilanjutkan dengan tahap downsampling . Keluaran dari Konvolusi dengan wavelet haar Downsampling Keluaran: Hasil ekstrasi Masukan: Citra Hasil N = N - 1 N = 0 Ya Tidak D D Mulai Selesai Desimasi = N 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 : [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] Elemen rerata diperoleh dari rata-rata matriks. Elemen rerata ini akan direrata kembali dengan elemen rerata dari peraga yang berbeda. Hasil akhir dianggap mewakili huruf yang dimaksud, misalnya huruf “A”. Huruf “A” ini juga dibedakan berdasarkan tiga variasi piksel. Proses ini juga berlaku untuk menentukan huruf-huruf yang lain. Tahap selanjutnya rerata basis data pada setiap ukuran piksel akan disusun dalam matriks yang nantinya akan dipergunakan dalam proses perhitungan histogram proyeksi.  Perhitungan rerata setiap elemen rerata untuk basis data untuk ukuran 32 x 32 piksel : [ ] [ ] [ ]  Perhitungan rerata setiap elemen rerata untuk basis data untuk ukuran 16 x 16 piksel : [ ] [ ] [ ]  Perhitungan rerata setiap elemen rerata untuk basis data untuk ukuran 8 x 8 piksel : [ ] [ ] [ ] Susunan matriks untuk setiap pikselnya dapat dilihat sebagai berikut :  Matriks hasil rerata basis data ukuran 32 x 32 piksel [ ]  Matriks hasil rerata basis data ukuran 16 x 16 piksel [ ]  Matriks hasil rerata basis data ukuran 8 x 8 piksel [ ] Hasil dari setiap kolom pada matriks di atas adalah hasil dari histogram proyeksi yang mewakili huruf A sampai dengan Z untuk setiap kode huruf semaphore .

3.3. Perancangan Tampilan GUI Matlab

Tampilan interface pada perancangan sistem pengenalan kode huruf semaphore menggunakan GUI Graphical User Interface yang terdapat pada Matlab dan bertujuan untuk membantu dalam proses pengenalan kode huruf semaphore . Alur kerja utama dalam perancangan dengan menggunakan GUI dapat digambarkan melalui diagram alir pada Gambar 3.14. Gambar 3.14. Diagram alir pengenalan citra pada GUI. Masukan: Pengambilan pose kode huruf semaphore Proses preprocessing Proses Ekstraksi ciri Keluaran: Hasil resizing ditampilkan di GUI Keluaran: Hasil ekstraksi ciri ditampilkan di GUI Keluaran: Hasil cropping ditampilkan di GUI Keluaran: Hasil pengenalan citra berupa teks ditampilkan di GUI Mulai Selesai Desimasi = N GUI akan menampilkan gambar yang telah diambil, variasi desimasi yang dapat diubah oleh pengguna, hasil pemotongan cropping dan resizing yang terdapat pada proses preprocessing , hasil ekstraksi ciri, dan hasil dari pengenalan citra yang ditampilkan dengan format huruf. Secara keseluruhan sistem tersebut dapat dilihat pada Gambar 3.15 dan dijelaskan pada Tabel 3.1. Gambar 3.15. Sketsa perancangan GUI Dari Gambar 3.15, langkah pertama yang harus dilakukan oleh pengguna adalah menekan tombol “Kamera Aktif” untuk menyalakan webcam . Axes 1 akan menampilkan citra secara langsung dari webcam . Kemudia pengguna dapat menekan tombol “Ambil Gambar” citra yang ditampilkan melalui axes 1 dianggap sudah tepat. Citra yang telah diambil dengan menggunakan webcam akan diproses setelah pengguna menentukan desimasi yang akan digunakan d an menekan tombol “Proses”. Sistem akan bekerja dan akan memproses citra yang telah diperoleh dari webcam . Pada proses preprocessing terdapat axes 2 yang akan menampilkan hasil dari citra yang telah dilakukan pemotongan dan pada axes 3 akan menampilkan citra yang telah diubah ukuran pikselnya. Pada axes 4 akan menampilkan citra yang telah melalui tahap ektraksi ciri. Kemudian pada axes 5 akan menampilkan hasil akhir dari proses pengenalan kode huruf semaphore yang menampilkan teks berupa huruf. Tombol “Ulangi” berfungsi sebagai pengulangan proses pengenalan kode huruf semaphore yang akan dilakukan dari awal. Axes 1 Axes 2 Axes 3 Axes 4 Axes 5 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Sedangkan pada tombol “Keluar” berfungsi mengakhiri proses pengenalan dan keluar dari interface . Tabel 3.1. Keterangan GUI. Nama Bagian Keterangan Tombol “Kamera Aktif” Untuk menyalakan webcam Tombol “Ambil Gambar” Untuk mengambil gambarcitra Pop Menu Untuk tempat pengguna memilih variasi desimasi Tombol Proses Untuk memulai proses pengenalan kode huruf semaphore Axes 1 pada panel kamera Untuk menampilkan citra secara langsung dari webcam dan citra hasil pengambilan gambar Axes 2 pada proses Preprocessing Untuk menampilkan citra hasil pemotongan cropping Axes 3 pada proses Preprocessing Untuk menampilkan citra hasil resizing Axes 4 pada proses Ekstraksi Ciri Untuk menampilkan citra hasil ekstraksi ciri Axes 5 pada panel keluaran Untuk menampilkan hasil akhir pengenalan kode huruf semaphore berupa teks Tombol Ulangi Untuk mengulangi proses pengenalan dari awal Tombol Keluar Untuk keluar mengakhiri proses dan keluar dari Interface

3.4. Pengujian Citra Kode Huruf

Semaphore

3.4.1. Pengujian Data Tidak Langsung

Dalam pengujian citra kode huruf semaphore yang dilakukan secara tidak langsung, penulis terlebih dahulu mengambil data berupa gambar pose kode huruf semaphore yang terlebih dahulu diambil menggunakan webcam dan disimpan dalam sebuah folder yang telah disiapkan. Pengujian tidak langsung menggunakan 260 data yang diperoleh dari 2 orang peraga kode huruf semaphore , masing-masing peraga memperagakan 26 kode huruf semaphore untuk mewakili huruf A sampai dengan Z. Kedua peraga ini tidaklah sama dengan peraga yang datanya digunakan sebagai basis data. Dalam setiap gambar yang telah diambil dengan menggunakan webcam diberi nama agar dapat dikenali oleh program yang terdapat pada Matlab. Data yang disimpan ini kemudian akan diproses dengan menggunakan Matlab sebagai data uji yang akan diteruskan ke proses preprocessing , ekstraksi ciri wavelet haar , dan fungsi jarak Euclidean. Data yang telah diolah akan dibandingkan dengan data yang terdapat pada basis data dan hasilnya akan ditampilkan ke layar monitor dengan format huruf melalui software Matlab.

3.4.2. Pengujian Data Secara Langsung

Pengujian yang dilakukan secara langsung akan mengacu pada Gambar 3.14. Webcam akan mengambil gambar pose kode huruf semaphore setelah pengguna menekan tombol “Ambil Gambar”. Pengujian data secara langsung dilakukan oleh 2 orang peraga yang berbeda dengan peraga yang datanya digunakan sebagai basis data maupun sebagai pengujian secara tidak langsung yang masing-masing peraga akan memperagakan kode huruf semaphore dengan kombinasi jarak dan huruf. Setiap 1 orang peraga akan menghasilkan 130 data yang terdiri dari 26 data pada jarak 3 meter, 26 data pada jarak 3,5 meter, 26 data pada jarak 4 meter, 26 data pada jarak 4,5 meter, dan 26 data pada jarak 5 meter sehingga data yang akan diuji secara langsung sebanyak 260. Hasil pengambilan gambar ini dapat diubah nilai desimasinya, setelah pengguna menentukan nilai desimasi. Kemudian citra akan diteruskan ke tahap berikutnya yaitu tahap preprocessing yang akan menampilkan proses cropping dan proses resizing . Setelah tahap ini, citra hasil preprocessing akan diteruskan ke proses selanjutnya yaitu proses ekstraksi ciri yang akan menampilkan hasil wavelet haar . Kemudian tahap akhir yang akan ditampilkan adalah hasil dari proses penentuan keluaran yang menampilkan teks pada layar monitor berupa huruf. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 37 BAB IV HASIL DAN PEMBAHASAN Bab ini akan membahas mengenai pengujian program software yang telah dirancang dan pembahasan mengenai interface dengan penjelasan sistemnya serta membahas mengenai hasil pengujian sistem program pengenalan kode huruf semaphore . Pengujian bertujuan untuk mengetahui sistem yang telah dirancang dapat berkerja dengan baik sesuai dengan perancangan.

4.1. Pengujian Program Pengenalan Kode Huruf

Semaphore Secara Langsung Pengujian sistem program bertujuan untuk mengetahui suatu sistem dapat bekerja dengan baik sesuai dengan perancangan yang dibuat sebelumnya. Di bawah ini adalah proses untuk menjalankan program pengenalan kode huruf semaphore . 1. Membuka software Matlab dengan cara klik kiri dua kali pada gambar matlab seperti pada Gambar 4.1. Gambar 4.1. Gambar Matlab. 2. Setelah melakukan langkah 1, akan muncul tampilan awal software Matlab seperti pada Gambar 4.2. Gambar 4.2. Tampilan awal Matlab. 3. Setelah muncul tampilan utama dari matlab, langkah selanjutnya untuk menjalankan program pengenalan kode huruf semaphore dengan mengganti Current Folder yang ditunjukkan pada angka 1 dengan Directory tempat program pengenalan disimpan seperti pada Gambar 4.3. Gambar 4.3. Mengganti Current Folder. 4. Kemudian ketik “GUI” pada command window Matlab untuk memunculkan tampilan jendela pengenalan kode huruf semaphor. Klik “mulai” untuk menjalankan program. 5. Setelah program berjalan akan muncul tampilan seperti Gambar 4.4. 1