45
toleransi kesalahan yang ditetapkan. Target error ini sangat dipengaruhi dari nilai bobot dan biasnya. Jika kondisi ini selesai, maka metode Propagasi
Balik memiliki mencapai nilai konvergensi ketika tingkat perubahan dari mse dengan nilai mendekati nilai 0,01 untuk setiap maksimum epoch
perulangan yang telah dilakukan. 6.
Hasil model Setelah melakukan proses menggunakan Propagasi Balik dapat
menemukan sampelmodel dari setiap karakter. Model tersebutlah yang nantinya akan digunakan pada bagian proses pengujian.
7. Selesai
Proses pelatihan training atau pembentukan model JST Propagasi Balik telah selesai.
3.3.3 Proses Pengenalan Pengujian atau Testing
Proses pengenalan pada tahap pengujian testing ini sekaligus sebagai proses pengenalan plat nomor kendaraan bermotor untuk mengenali huruf dan
angka khusus pada wilayah kota Yogyakarta. Pada proses pengujian menggunakan sekitar 30 foto plat nomor. Inputan
foto yang akan digunakan menggunakan gambar yang berekstensi jpg yang masih mengandung RGB. Pada awal proses pengujian secara keseleruhan hampir sama
dengan pelatihan. Proses diawali dengan melakukan proses segmentasi, dilanjutkan dengan proses PCA, lalu akan memulai proses pengujian dengan
46
metode Propagasi Balik dan menyusun kembali setiap karakter yang telah disegmentasi tersebut. Skema dari proses penganalan atau pengujian dapat dilihan
pada gambar 3.5 dibawah ini.
Gambar 3.4 Skema Pengujian Testing Propagasi Balik
Berikut ini penjelasan masing-masing proses pengujian atau pengenalan
47
plat nomor dari skema pada gambar 3. 4 diatas yaitu : 1.
Mulai Untuk memulai proses pengenalan testing.
2. Input Gambar
Input gambar pada tahap pelatihan ini yaitu memasukkan angka berekstensi jpg sebagai data untuk pelatihan yaitu angka 0-9 dan huruf A-Z.
Gambar ini masih berupa citra berisi kumpulan piksel yang memiliki data warna RGB Red-Green-Blue. Data yang akan diolah pada proses pengujian
ada 30 gambar foto. Foto dengan gambar yang berisi motor dengan plat nomor kendaraannya. Gambar motor diambil dari jarak antara 1,5 sampai 2
meter dari motor dengan menggunakan kamera digital dengan ukuran 4000 x 2800 piksel.
3. Konversi ke Grayscale
Proses ini akan menjelaskan tahap awal dalam ekstraksi ciri sebuah gambar. Gambar awal yang digunakan adalah gambar RGB, tetapi gambar
tersebut akan diubah ke dalam bentuk graysacle. Hal ini digunakan untuk mempercepat proses-proses selanjutnya. Gambar yang sudah diproses akan
mengandung angka 0-255. Selanjutnya dilakukan prosesan binerisasi dengan mengubah grayscale menjadi citra biner. Selanjutnya dilakukan proses
removal noise yang ada pada citra biner yang akan memudahkan proses labelling citra.
Proses ini dilakukan agar menemukan nilai ambang sehingga citra
48
masukkan dapat dibagi 2 bagian yaitu obyek dan latar berdasarkan nilai ambangnya. Warna hitam digolongkan nilai 1 dan warna putih digolongkan
ke dalam karakter dari plat nomor tersebut. Untuk mendapatkan hasil grayscale dapat dilakukan dengan memanfaatkan fungsi
rgb2gray
pada proses Matlab yang sudah ada. Dengan begitu secara otomatis semua isi
matriks akan berisi dengan nilai keabu-abuan. 4.
Konversi ke Black White Langkah ini mendeskripsikan proses pengolahan gambar dari
grayscale ke black white. Dibagian ini karakter yang sebelumnya mengadung angka 0-255 akan di ubah ke dalam 0 dan 1. Untuk mendapatkan
hasil black white dapat dilakukan dengan memanfaatkan fungsi
im2bw
pada proses Matlab yang sudah ada. Dengan begitu secara otomatis semua isi
matriks akan berisi nilai hitam dan putih saja. 5.
Proses Segmentasi Pada proses pembelajaran karakter, yang harus dilakukan yaitu
mengambil per karakter. Angka yang digunakan sebanyak 10 karakter 0-9 dan huruf sebanyak 26 karakter A-Z, yang masing-masing setiap karakter
ada 5 maka jumlah secara keseluruhan ada 180 karakter yang akan dilakukan segmentasi.
Citra plat nomor yang telah diolah dengan proses grayscle, akan menentukan kandidat digit untuk setiap karakter. Namun tahap awal yaitu
49
dengan menetukan posisi dari setiap angka dan huruf dengan melakukan proses sesgmentasi dan dilakukan proses pembentukan dimensi pada
kandidat digit. Hasil segmentasi tersebut akan disimpan kedalam list. Pada bagian ini apabila terdapat kandidat digit yang saling berhubungan
kemungkinan akan dapat terekstraksi bersama. Dengan begitu untuk mendeteksi tiap barisnya akan dicek setiap
barisnya dan setiap kolomnya. Jika jumlah piksel hitam berurutan kurang dari atau lebih dari batasan threshold yang ditentukan maka piksel tersebut
akan diubah menjadi putih. Liliana, 2003. Dengan proses tersebut dapat dilakukan dengan deteksi kolom yang
mengandung warna putih dan semua matriks sama dengan 0 maka ditentukan sebagai batas awal pemotongan. Pendeteksian ini dilakukan terus
hingga ditemukan warna hitam dengan semua matriks sama dengan 1. Jika sudah ditemukan warna hitam, maka proses akan mundur satu kolom lagi
dan warna putih yang terakhir akan disimpan dengan label nomor satu. Proses pendeteksian selanjutnya dilakukan hal sama sampe proses labeling
yang terakhir telah selesai dilakukan. Dan piksel yang mengandung warna hitam akan dihapus dan tidak simpan. Dengan begitu karakter yang telah di
labeling akan dilakukan proses selanjutnya.
50
6. Perhitungan bw-area
Proses ini akan mendeskripsikan bagaimana suatu daerah yang dianggap tidak perlu dapat di hapus dari citra biner yang semua komponen
saling terhubung. Perhituang ini dapat dilakukan jika semua karekter telah disegmentasi dan sudah diberi label. Proses ini dilakukan pada proses
sebelumnya. Dengan memafaatkan fungsi
bwarea
dari Matlab, dapat mempermudah pengerjaan. Kondisi yang akan dibuat jika ada daerah hasil
segmentasi yang mempunyai nilai jumlah matriks paling sedikit dibandingkan dengan jumlah matriks yang lainnya, maka matriks tersbut
akan dihapus . 7.
Proses Principal Component Analysis PCA Proses ini telah dijelaskan pada proses training.
8. Proses Pengujian dengan JST Pengenalan yang dimaksud yaitu pengenalan angka yang dominan
pada model sampel yang sudah dilakukan pada proses training. 9.
Hasil Pengujian Tahap ini menjelaskan bahwa hasil ini merupakan hasil pengujian
yang telah melalui tahap-tahap yang telah dijelaskan sebelumnya. Hasil disini masih berupa gambar satuan dari setiap karakter yang ada dalam foto
sebelum mengalami segmentasi.
51
10. Penyusunan kembali Angka dan Huruf Proses ini digunakan untuk penyusunan kembali seperti gambar
asli. Data yang dipakai adalah data tunggal yang telah diproses dengan menggunakan propagasi balik yang diharapkan dapat dilajutkan untuk proses
selanjutnya. 11. Selesai
Proses pengenalan plat nomor telah selesai.
3.3.4 Pengujian Hasil Akurasi
