dung, Tabanan, ianyar, Klungkung dan Bangli. Waktu pengambilan data tersebut dilaksanakan
Agustus 2012 melalui penelitian langsung dilapan
acaan Aksara
Lab ogi Informasi, Fakultas Teknik Uiversitas
Aksara Bali yang digunakan untuk melakukan pembentukan pola model dan pengujian sistem pengenalan karakter ini
citra Aksara Bali dalam penelitian I Komang ede Suamba Dharmayasa Dharmayasa, 2009. Sampel Aksara Bali yang
diambil enggunakan segmentasi per blok karakter dan juga dari internet.
l yang dikembangkan dari bentuk pola busur dan dipilih sesuai dengan frekuensi kemunculan terbanyak khusus untuk citra Aksara Bali, serta pola
model pembanding pada saat pengujian unjuk kerja sistem dari Prof. Isao Yoshimura Yoshimura, 1993 dan AA. Kompiang Oka Sudana Sudana, 2007.
3.2.2. Metode Pengumpulan Data
1. Metode Observasi
, yaitu pengumpulan data dengan mengadakan penelitian secara langsung pada instansi-instansi yang terkait.
2. Metode Interview, yaitu pengumpulan data dengan mengadakan wawancara dan tanya jawab secara langsung pada pihak-pihak yang terkait.
3. Metode Studi Literatur, yaitu mengumpulkan data dari buku-buku referensi,
modul-modul yang relevan dengan objek permasalahan.
BAB III. METODE PENELITIAN
3.1. Tempat dan Waktu Penelitian
Penelitian mengenai Pengembangan Pola Khusus berbasis Metode Pola Busur Terlokalisasi ini dilakukan di Bali, khususnya di Denpasar, Ba
G selama Bulan Juli sampai dengan
gan dengan mengambil foto aksara dari sumber buku-buku b Bali dan Lontar. Pengembangan dan implementasi sistem dilakukan di
oratorium Komputasi, Jurusan Teknol Udayana Denpasar.
3.2. Data
3.2.1. Sumber Data
Sumber data yang dipakai sebagai sampel
adalah sebagian diambil dari data G
digunakan diperoleh dari hasil scan buku ajar Bahasa Bali yang m
Pola Model dari Pola Busur Terlokalisasi yang digunakan dalam penelitian ini adalah pola mode
26
.3. Bahasa Pemrograman
Bahasa pemrograman yang digunakan pada Penelitian Pengembangan Pola husus berbasis Metode Pola Busur Terlokalisasi ini adalah Borland Delphi 7.2.
erangkat lunak lain yang diperlukan adalah program paket pengolahan citra, dan
ipergunakan pada tahapan prapemrosesan seperti Paint Shop Pro.
3.4. Metode Penyelesaian Masalah
Langkah-langkah yang dilakukan dalam penelitian ini adalah: Pengumpulan literatur yang berhubungan dengan perancangan dan pembuatan
perangkat lunak pengenalan karakter. . Mempelajari dan memahami proses yang terjadi dalam perancangan dan
pembuatan perangkat lunak pengenalan karakter. . Penyusunan perangkat lunak software.
. Pengujian perangkat lunak software. . Analisis hasil dan pengambilan kesimpulan.
3.5. Perangkat Pemodelan Sistem
3.5.1 Gambaran Umum Sistem Pengenalan Karakter Aksara Bali
Gambaran Umum Sistem yang dirancang pada sistem ini adalah seperti terlihat pada Gambar 3.1 berikut:
3
K P
d
1.
2
3 4
5
27
28
3.5.2 odel
Pe Metode P
dengan tu waktu pr
permasala kecil beru
dimiliki.
Gambar 3.1
Gambaran Umum Sistem Pengenalan Aksara Bali
Pembentukan dan Pemilihan Pola M
mbentukan pola model baru yang didasarkan pada batasan-batasan dalam ola Busur Terlokalisasi untuk Tulisan Jepang dan Tandatangan Latin
juan untuk mengurangi banyaknya pola model yang digunakan, sehingga oses sistem bisa lebih singkat. Batasan utamanya yaitu lokalisasi
han pada pola model yang didefinisikan di dalam sebuah bujur sangkar kuran 5 x 5, tetapi pemilihannya berbasis pada sampel Aksara Bali yang
Laporan hasil pengenalan
Keluaran nilai ketidaksamaan
terkecil dan ID Aksara
Pro pe
ses ndaftaran
Masuka kara
Aksara n citra
kter Bali
Masukan citra karakter
Aksara Bali Pengembang
sistem
Basisdata pola model
Basisdata acuan
Proses pembuatan
pola model
Proses Pengambilan
Keputusan
Nilai threshold
Proses Pencarian Nilai Terkecil Ketidaksamaan
Proses Pencocokan dengan Semua
Basisdata Aksara
3.5.3 Ta
Se terkandun
citra terse dengan in
pengenala Pengenala
adalah seb
i.
ii. P
Tahap awal pra pemrosesan ini, jika file bitmap yang dihasilkan pada tahap pengambilan data belum berbentuk dua warna hitam putih maka
t b
berupa citra biner. Setelah itu dilakukan eliminasi terhadap data yang tidak diperlukan,
a yang akan diproses pada tahapan berikutnya s
iii. E
S k
y p
a Aksara Bali dari Metode Pola Busur
Terlokalisasi yang mana diantara model pola-polanya terlihat pada Gambar 2.4. Aksara Bali yang telah berbentuk citra biner akan langsung
diproses untuk mendapatkan frekuensi kemunculan masing-masing pola. Pola yang memiliki nomor model yang sama tetapi dengan nomor urut
hapan Pengenalan Karakter Aksara Bali
cara umum dalam pengolahan citra, untuk mendapatkan informasi yang g di dalamnya maka biasanya dilakukan proses-proses pendahulu pada
but. Setelah itu baru dilakukan proses-proses berikutnya yang berkenaan formasi apa yang diinginkan untuk diolah, demikian juga halnya pada
n Tulisan Bali. Adapun tahapan-tahapan yang dilakukan dalam sistem n Karakter Aksara Bali, khususnya Metode Pola Busur Terlokalisasi
agai berikut:
Akuisisi data data acquisition
Akuisisi data merupakan proses pengubahan data dari data analog Aksara Bali, menjadi citra dengan scanner. Citra yang disimpan dalam format file
bitmap berupa data kasar dan selanjutnya akan diproses pada tahapan selanjutnya.
ra pemrosesan preprocessing
erlebih dahulu dilakukan konversi menjadi data citra dua warna proses inerisasi, karena citra Aksara Bali yang nantinya diperlukan
guna memastikan bahwa dat udah merupakan data yang sahih.
kstraksi ciri feature extraction
etelah data tersebut diolah menjadi data jadi pada tahap pra proses, emudian dilakukan ekstraksi ciri dari citra biner Aksara Bali. Ciri-ciri
ang diekstraksi bergantung pada metode yang dipakai dalam proses embandingan nantinya, yang mana dalam penelitian ini digunakan
dalah pola model khusus untuk
29
berbeda, frekuensi kemunculannya dijumlahkan untuk mendapatkan f
a A
T s
p m
k li
dilambangkan dengan f dan terdapat 23 pola model maka citra Aksara an sebagai vektor kolom x berdimensi p,
iv.
li acuan dilakukan dengan mengekstraksi ciri dari beberapa Aksara Bali acuan dan hasil yang diperoleh disimpan
pada sebuah file basisdata acuan. Mi
ke i disebut dengan P
i
digunakan sebagai Aksara Bali acuan sebanyak
tuk sebagai berikut : ⎤
⎢ ⎢
⎡ =
m m
i
x x
x x
x x
P L
L
2 22
21 1
12 11
rekuensi kemunculan dari pola model tersebut. Cara penghitungannya dalah dengan menggerakkan setiap pola model di atas pola biner citra
ksara Bali, sebagai patokan adalah titik yang berbentuk lingkaran penuh. itik ini digeser secara teratur satu grid ke arah horisontal atau vertikal,
ampai semua titik pada citra biner Aksara Bali terlewati. Setiap ergeseran dilakukan pembandingan terhadap ruang yang dilingkupi oleh
odel tersebut, apakah sama ataukah tidak. Jika sama maka frekuensi emunculan pola model tersebut ditambahkan. Misalkan citra Aksara Ba
Bali tersebut dapat diekspresik dengan p adalah 23 yaitu sesuai dengan pola model yang ada. Dalam
matriks bentuk tersebut dapat dituliskan sebagai berikut :
.......................................3.1
Elemen-elemen x yaitu x
1
, x
2
,… x
23
adalah frekuensi kemunculan dari masing-masing pola model sesuai dengan nomor modelnya.
Pendaftaran enrollment
Tahapan pendaftaran Aksara Ba
⎥ ⎥
⎥ ⎥
⎦ ⎤
⎢ ⎢
⎢ ⎢
⎣ ⎡
=
23 2
1
x x
x x
M
salkan masing-masing Aksara Bali
m , maka dari m buah Aksara Bali ini diekstraksi ciri menggunakan
Metode Pola Busur Terlokalisasi menghasilkan m buah vektor kolom x
berdimensi p, hasil ini dijadikan satu matriks vektor berukuran p x m dengan ben
⎥ ⎥
⎦ ⎢
⎢ ⎣
pm p
p
x x
x L
M M
M
2 1
⎥ ⎥
………………………3.2
30
ampu untuk mewakili variasi yang ada dari sebuah karakter Aksara Bali, di samping itu sistem nantinya bekerja
dengan tidak terlalu lambat. Jadi ukuran matriks vek d
sistem pengenalan ini adalah 23 x 3 untuk 23 pola model serta 42 x 3 untuk 42 pola model. M
sim ada
basisdata acuan dengan kata kunci nomor identitas Aksara Bali.
n comparison
n. an
dibanding apat
pada pros pembandingan tersebut
acuan dengan citra input. Nilai ketidaksamaan atau nilai beda inilah yang ilan keputusan hasil pengenalan.
record data acuan karakter. Acuan yang lanjutnya dihitung rata-rata kemunculan
etiap p l Nilai m yang digunakan pada sistem ini adalah 3 Aksara Bali yang
diambil dari beberapa buku cetak, dengan pertimbangan bahwa 3 Aksara Bali tersebut diharapkan m
tor acuan pa a
atriks vektor yang didapatkan di pan p
v. Pembandinga
Tahap pembandingan merupakan inti dari keseluruhan proses pengenala Pada tahap pembandingan ini, ciri citra Aksara Bali masukan ak
kan dengan ciri acuan yang ada pada basis data. Pada tahap inilah dilakukan perhitungan-perhitungan dari frekuensi yang did
es ekstraksi ciri. Berdasarkan proses didapatkan nilai ketidaksamaan dissimilarity measure masing-masing
digunakan sebagai dasar untuk pengamb Basisdata acuan dibaca satu
berbentuk matriks p x m ini se s
o a model dengan cara :
∑
=
m =
ik i
m x
…………………………………………… .3.3
N e
L p
x
k 1
ilai-nilai yang dihasilkan yaitu x
1
, x
2
, … x
p
, ditempatkan sebagai
lemen vektor kolom x berdimensi p, yang merupakan rata-rata acuan.
alu dicari matriks varians V berdimensi p x p dari acuan dengan
ersamaan:
∑
=
Mencari frekuensi kem dibandingkan sam
− −
=
m j
t j
j
m x
x x
x V
1
…………… ....3.4
unculan pola model pada citra karakter yang a halnya dengan mencari frekuensi pola model acuan.
31
M h
d p
isalkan Aksara Bali yang dibandingkan disebut Q maka vektor kolom asilnya adalah x
q
. Varians V, rata-rata acuan x dan vektor kolom x
q
, igunakan menghitung nilai beda Yoshimura I. dkk, 1994, hal.61 dengan
ersamaan sebagai berikut:
∑ ∑
+ =
=
− +
− =
p q
k q
k k
Q q
k k
k k
Q
Z Z
Z Z
Q Pi
1 2
1 2
,
λ λ
... 3.5
Q t
k k
Q
x l
Z =
………………………………………. 3.6
x l
Z
t k
k
=
……………………………………… ...3.7
ketentuan : P
D
dengan ¾ D
¾ λ
¾ l
k
: vektor eigen yang berbentuk vektor kolom terurut sesuai .
¾ x
Q
¾ x ¾ t
¾ p ¾ q
vi.
gunakan sebanyak 3 sampai
asing- asing karakter, dengan perincian : 3 Aksara Bali untuk acuan serta 3
i
,Q : nilai ketidaksamaan antara acuan P
i
dengan pembanding Q. : vektor kolom yang berisi nilai eigen dengan urutan menurun
descending order yaitu λ
1
, λ
2
, λ
3
, …, λ
p
dengan nilai eigen yang berhubungan : vektor kolom yang berisi frekuensi munculnya pola model pada
citra karakter pembanding. : vektor kolom rata-rata acuan.
: transpose.
: dimensi vektor kolom : suatu integer dengan syarat 1
≤ q ≤ p. Konstanta q merupakan nomor pemotongan dari nilai eigen.
Perancangan Basis Data Acuan
Perancangan basisdata acuan adalah merupakan proses pembentukan file basisdata yang akan dijadikan acuan pada saat proses pengenalan.
Metode yang dipakai dalam pembuatan data acuan mengacu pada
metode Leave-One-Out, yang menyarankan pembentukan basisdata dari
sampel Aksara Bali yang dimasukkan, meng 10 buah Aksara Bali untuk sebuah karakter. Dalam pengerjaan sistem
pengenalan ini digunakan 6 buah sampel Aksara Bali untuk m m
32
Aksara Bali sisanya sebagai pembanding untuk menentukan nilai
ran tersebut dilanjutkan dengan membandingkan Aksara Bali yang akan dipergunakan untuk
n hasil pembandingan tiga Aksara Bali ini didapatkan nilai ketidaksamaannya masing-masing. Median dari
ika nilai ketidaksamaan terkecil yang didapatkan masih diatas nilai ambang batas, maka
disimpulkan karakter Aksara Bali masukan tersebut tidak dikenali. Nilai ambang batas didapatkan dengan pengujian-pengujian sebelumnya.
Apabila dP
j
, Q
i
didefinisikan sebagai nilai ketidaksamaan antara
Aksara Bali acuan yang dimiliki oleh sebuah karakter Aksara Bali P
j
dengan Aksara Bali yang diuji Q
i
, Cc
j
adalah nilai kritis yang telah
didapat sebelumnya dari sebuah karakter Aksara Bali P
j
serta Cd adalah
konstanta pengali, maka berlaku hubungan :
Jika dP
j
, Q
i
≤ Cc
j
x Cd maka keputusannya ‘DIKENALI’
Selain itu keputusannya ‘TIDAK TERDAFTAR’.
ambang. Tahap perancangan basisdata acuan terdiri dari dua pokok penting yaitu pendaftaran Aksara Bali acuan dan penentuan nilai ambang
batas yang akan disimpan dalam satu record dengan kata kunci nomor identitas. Setelah dilakukan proses pendafta
menentukan nilai ambang. Berdasarka
nilai ketidaksamaan inilah yang disimpan pada basisdata acuan melengkapi frekuensi sampel sebelumnya, dan dipergunakan sebagai
nilai ambang threshold atau nilai kritis yang dikalikan dengan suatu konstanta Cd. Nilai kritis dilambangkan dengan Cc. Besarnya konstanta
pengali nilai kritis untuk keseluruhan sistem ditentukan melalui proses pengujian, yang dipengaruhi oleh prosentase terjadinya kesalahan.
vii. Pengambilan keputusan decision making
Tahap ini bertugas untuk memberikan keputusan dari proses pembandingan yang telah dilakukan. Nilai-nilai ketidaksamaan yang
didapatkan pada proses sebelumnya diurutkan. Identitas acuan dengan nilai ketidaksamaan terkecil dan memenuhi nilai ambang batas
thereshold diputuskan sebagai jenis karakter Aksara Bali yang sesuai dengan citra Aksara Bali yang diinputkan. J
33
3.6 Perancangan Sistem
