Citra Image Processing Penerapan Recurrent Nural Network Dalam Identifikasi Tulisan Tangan Huruf Jepang Jenis Katakana

BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Recurrent Neural Network untuk mengidentifikasi jenis tulisan Jepang huruf Katakana.

2.1 Citra

Citra secara harfiah, adalah gambar pada bidang dua dimensi dan disusun oleh banyak piksel yang merupakan bagian terkecil dari citra. Pada umumnya, citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antara piksel adalah sama pada seluruh bagian citra Ldya, et al. 2010. Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat : 1. optik berupa foto, 2. analog berupa sinyal video seperti gambar pada monitor televisi, 3. digital yang dapat langsung disimpan pada suatu pita magnetik. Citra digital adalah representasi visual dari suatu objek setelah mengalami bebagai transformasi data dari berbagai bentuk rangkaian numeric Putra, 2012. Citra digital dapat dikategorikan dalam beberapa jenis, yaitu : Universitas Sumatera Utara 1. Citra Biner Citra biner adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Piksel-piksel objek bernilai 1 dan piksel-piksel latar belakang bernilai 0. Piksel bernilai 0 ada pada warna putih dan piksel bernilai 1 ada pada warna hitam pada saat menampilkan citra. 2. Citra Keabuan Citra keabuan adalah citra yang disetiap piksel nya mengandung satu layer dimana nilai instensitasnya berada pada nilai 0 hitam – 255 putih. Untuk menghitung citra keabuan digunakan rumus : I x,y = α . R + β . G + y . B dengan Ix,y adalah level keabuan pada suatu koordinat yang diperoleh dengan mengatur warna R merah, G hijau, B biru yang ditunjukkan oleh nilai parameter α, β dan γ. Secara umum nilai α, β dan γ adalah 0.33. Nilai yang lain juga dapat diberikan untuk ketiga parameter tersbut asalkan total keseluruhannya adalah 1 Putra, 2009. 3. Citra warna Citra warna adalah citra digital yang memiliki informasi warna pada setiap pikselnya. Sistem pewarnaan citra warna ada beberapa macam seperti RGB, CMYK, HSV, dll.

2.2 Image Processing

Image Processing atau pengolahan citra adalah suatu pemrosesan citra, khususnya menggunakan komputer dengan tujuan menghasilkan citra dengan kualitas lebih baik. Tiga bidang studi yang berkaitan dengan Pengolahan Data Citra, yaitu: Universitas Sumatera Utara a. Grafika Komputer computer graphics. Grafika komputer bertujuan untuk menghasilkan citra dengan primitif-primitif geometri seperti garis, lingkaran, dan sebagainya. Primitif-primitif geometri tersebut memerlukan data deskriptif untuk melukis elemen-elemen gambar. b. Pengenalan Pola pattern recognitionimage interpretation. Pengenalan pola adalah proses pengelompokan data numerik dan simbolik secara otomatis oleh mesin. Tujuan dari pengelompokan ini adalah untuk mengenali suatu objek didalam citra. Manusia bisa mengenali objek-objek disekitarnya karena otak manusia belajar mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia inilah yang akan ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek didalam citra. c. Pengolahan Citra image processing. Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia mesin computer. Teknik - teknik pengolahan citra mentransformasikan citra menjadi citra dengan kualitas yang lebih baik. Pengenalan pola mengelompokkan data numerik dan simbolik termasuk citra secara otomatis oleh mesin komputer. Pengelompokan ini untuk mengenali suatu objek di dalam citra. Komputer menerima masukan berupa citra objek yang diidentifikasi, memproses citra, dan memberi keluaran berupa deskripsi objek di dalam citra Ldya, et al. 2010. Beberapa teknik yang termasuk dalam Image Processing yaitu grascale, resizing, normalisasi, thinning. Universitas Sumatera Utara a. Grayscale Grayscale adalah teknik yang digunakan untuk mengubah citra berwarna menjadi bentuk grayscale atau tingkat keabuan dari hitam - putih. Pembentukan citra keabuan menggunakan metode luminance yakni nilai RGB dikalikan dengan nilai yang telah ditentukan yang kecocokan nya sesuai dengan sensitivitas mata terhadap warna. Hijau adalah warna paling dominan, diikuti merah dan terakhir biru Lennie et al. 1993. Hasil akhir proses ini adalah nilai keabuan 8 bit dengan rentang hitam 0 dan putih 255. Pada pengubahan sebuah gambar menjadi grayscale dapat dilakukan dengan cara mengambil semua pixel pada gambar kemudian warna tiap pixel akan diambil informasi mengenai 3 warna dasar yaitu merah, biru dan hijau melalui fungsi warnatoRGB, ketiga warna dasar ini akan dijumlahkan kemudian dibagi tiga sehingga didapat nilai ratarata. Nilai rata-rata inilah yang akan dipakai untuk memberikan warna pada pixel gambar sehingga warna menjadi grayscale, tiga warna dasar dari sebuah pixel akan diset menjadi nilai rata-rata melalui fungsi RGBtowarna. Contoh citra yang sudah mengalami grayscalling dapat dilihat pada gambar 2.1 Gambar 2.1 Proses Grayscalling Santi, 2011 b. Resizing Resizing merupakan proses mengubah dan menyamakan citra masukan, dengan mengubah resolusi horizontal dan vertikal citra masukan tersebut. Kinerja sistem akan melambat apabila terdapat keanekaragaman ukuran citra masukan. Resizing dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam resizing adalah Universitas Sumatera Utara citra yang telah resize harus tetap mempunyai kualitas citra yang bagus. Contoh citra yang sudah mengalami resizing dapat dilihat pada gambar 2.2. Citra sebelah kiri a adalah citra kapal yang berukuran 258 KB. Citra sebelah kanan b merupakan hasil resizing sehingga ukuran citra menjadi 49 KB . Gambar 2.2 Proses Resizing Wijaya et al , 2010 c. Normalisasi Normalisasi adalah proses mengubah nilai daripada intensitas piksel menjadi satu keseragaman dalam satu intensitas yang lebih mendekati kenormalan daripada kemampuan melihat suatu gambar. Normalisasi terkadang disebut juga pelebaran kontras dan pelebaran histogram Gonzalez Woods, 2007. Normalisasi dalam image processing adalah proses yang ditujukan untuk membuat citra lebih mudah dimunculkan fitur-fiturnya. Dengan cara mengubah rentang nilai intensitas piksel dan juga meningkatkan akurasi pengenalan. Contoh citra yang sudah mengalami normalisasi dapat dilihat pada gambar 2.3 Gambar 2.3 Proses Normalisasi Prastyo, 2010 Universitas Sumatera Utara d. Thinning Thinning merupakan proses yang bertujuan untuk mengurangi ukuran dari suatu citra imagesize dengan tetap mempertahankan informasi dan karakteristik penting dari citra tersebut. Hal ini diimplementasikan dengan mengubah citra awal dengan pola binary menjadi representasi kerangka skeletal representation image tersebut. Objek seperti huruf atau silhouettes dapat lebih mudah dikenali dengan melihat kepada kerangkanya saja Phillips, 2000. Thinning hanya digunakan pada citra biner dan menghasilkan citra biner lain sebagai outputnya . Thinning merupakan bentuk pre-processing yang digunakan dalam banyak teknik analisa citra. Output dari proses ini disebut sebagai skeleton , oleh karena itu thinning bisa juga disebut sebagai skeletonisasi . Thinning bertujuan untuk mengurangi bagian yang tidak perlu redudant sehingga hanya dihasilkan informasi yang essensial saja. Pola hasil penipisan harus tetap menyerupai bentuk pola asal . Sebagai contoh pada gambar 2.3 adalah huruf R dan hasil polanya menjadi rangka R Gambar 2.4 Proses Thinning Fitri, 2013 Algoritma penipisan yang umum adalah memeriksa pixel-pixel di dalam jendela yang berukuran 3 X 3 pixel dan mengelupas satu pixel pada pinggiran batas objek pada setiap lelaran, sampai objek berkurang menjadi garis tipis. Notasi pixel di dalam jendela 3 X 3 diperlihatkan pada gambar 2.5 c. Algoritma bekerja secara iteratif, pada setiap lelaran dilakukan premrosesan pada jendela yang berukuran 3 X 3 pixel. Universitas Sumatera Utara Algoritmanya adalah sebagai berikut: 1. Mula-mula diperiksa jumlah pixel objek yang bernilai 1, N, di dalam jendela 3 X 3 pixel. 2. Jika N kurang atau sama dengan 2, tidak ada aksi yang dilakukan karena di dalam jendela terdapat ujung lengan objek. 3. Jika N lebih besar dari 7, tidak ada aksi yang dilakukan karena dapat menyebabkan pengikisan erosion objek. Gambar 2. 5 a Penghapusan pixel pinggir menyebabkan ketidakterhubungan, b penghapusan pixel pinggir memperpendek lengan objek, c notasi pixel yang digunakan untuk memeriksa keterhubungan. 4. Jika N lebih besar dari 2, periksa apakah penghilangan pixel tengah menyebabkan objek tidak terhubung. Ini dilakukan dengan membentuk barisan p1p2p3…p8p1. Jika jumlah peralihan 0 ® 1 di dalam barisan tersebut sama dengan 1, berarti hanya terdapat satu komponen terhubung di dalam jendela 3 X 3. Pada kasus ini, dibolehkan menghapus pixel tengah yang bernilai 1 karena penghapusan tersebut tidak mempengaruhi keterhubungan.

2.3 Ekstraksi Fitur