3.1.1 Analisa Kebutuhan Sistem
Analisa kebutuhan sistem merupakan proses identifikasi dan evaluasi permasalahan-permasalahan yang ada, sehingga sistem yang dibangun sesuai
dengan kriteria yang diharapkan. Metode Backpropagation akan diimplementasikan untuk melakukan pengenalan terhadap pola tanda tangan. Oleh
karena itu, aplikasi harus memenuhi kebutuhan sebagai berikut: 1
Aplikasi harus menyediakan fitur penggambaran tanda tangan oleh user. Cara melakukan penggambaran adalah dengan click-and-drag dengan mouse.
2 Aplikasi dapat menerima input berupa gambar scan tanda tangan dalam format
bmp, jpg atau gif dan melakukan proses pengambangan thresholding untuk mengubah gambar menjadi gambar biner.
3 Aplikasi harus mampu menambah pengetahuan pola tanda tangan dan identitas
pemiliknya di dalam database melalui proses pelatihan dengan menggunakan metode Backpropagation.
4 Aplikasi harus mampu melakukan proses pengenalan terhadap pola tanda
tangan dengan menggunakan metode Backpropagation. 5
Output dari aplikasi adalah nama identitas pemilik tanda tangan.
3.1.2 Perhitungan Proses Pengambangan
Sebagai contoh, input gambar tanda tangan adalah sebagai berikut:
Gambar 3.1 Contoh Input Gambar Tanda Tangan
Piksel-1 Piksel-2 dan seterusnya…..
Pada proses pengambangan, gambar harus dilakukan proses grayscale terlebih dahulu. Proses grayscale dilakukan untuk mengubah gambar RGB 24 bit
menjadi gambar grayscale 8 bit. Proses grayscale akan mengikuti rumus berikut: GRAY = R + G + B 3
Setiap piksel di dalam gambar akan memiliki nilai R, G dan B yang sama yaitu GRAY. Proses ini akan menghasilkan gambar keabu-abuan. Sebagai contoh,
misalkan input gambar tanda tangan mempunyai nilai piksel seperti gambar 3.2.
185 137
55 121
162 100
127 224
239 223
141 190
73 61
126 134
60 231
222 17
114 13
174 3
84 121
220
129 77
116 170
137
35 226
197 156
232 238
10 24
51
169 130
26 87
222 212
179 53
46
182 159
229 211
148 206
197 149
188 166
225 9
127 233
122
8 19
228 249
133 105
45 150
247 123
Gambar 3.2 Nilai Piksel pada Input Gambar
Pada gambar 3.2 di atas, piksel-1 mempunyai nilai R = 185, G = 137, B = 55, maka perhitungan grayscale adalah:
Gray = 185 + 137 + 55 3 Gray = 125.6 dibulatkan ke 126
Hasil pemrosesan grayscale dari gambar 3.2 akan mendapatkan hasil seperti pada gambar 3.3 berikut.
126 128
197 185
87 142
118 63
142 107
114 193
160 81
81 204
94 200
184 168
120 121
165 94
173
Gambar 3.3 Hasil Grayscale
Red Green
Blue
HASIL GRAYSCALE THRESHOLD = 140
Setelah dilakukan proses grayscale, kemudian dilakukan proses pengambangan untuk membedakan tulisan dan latar. Jika threshold ditentukan
140, maka piksel-1 diberi warna hitam karena memiliki nilai grayscale lebih kecil dari 140. Dan semakin tinggi nilai threshold yang diberikan maka akan semakin
banyak titik piksel yang berwarna hitam, untuk itu pada setiap gambar akan berbeda pula nilai threshold yang diberikan. Hasil proses pengambangan adalah
sebagai berikut:
126 128
197 185
87 142
118 63
142 107
114 193
160 81
81 204
94 200
184 168
120 121
165 94
173
Gambar 3.4 Hasil Perhitungan Proses Pengambangan
Gambar hasil proses pengambangan terhadap gambar 3.1 dapat dilihat pada gambar 3.5 berikut:
Gambar 3.5 Hasil Proses Pengambangan 3.1.3 Proses Pelatihan Pola Tanda Tangan
Proses pelatihan akan mengekstraksi ciri dari pola tanda tangan, menyimpannya ke database dan menghitung bobot pelatihan. Bobot pelatihan ini
TEPI HITAM
TEPI HITAM
LATAR PUTIH
LATAR PUTIH
TEPI HITAM
LATAR PUTIH
TEPI HITAM
TEPI HITAM
LATAR PUTIH
TEPI HITAM
TEPI HITAM
LATAR PUTIH
LATAR PUTIH
TEPI HITAM
TEPI HITAM
LATAR PUTIH
TEPI HITAM
LATAR PUTIH
LATAR PUTIH
LATAR PUTIH
TEPI HITAM
TEPI HITAM
LATAR PUTIH
TEPI HITAM
LATAR PUTIH
akan digunakan dalam fase pengenalan. Backpropagation dapat mempelajari beberapa sampel pola sekaligus untuk 1 identitas. Semakin banyak sampel yang
dilatih, maka semakin akurat pula proses pengenalan dari pola tanda tangan tersebut. Proses pelatihan dapat digambarkan dalam bentuk flowchart sebagai
berikut.
Gambar 3.6 Flowchart Proses Pelatihan Tanda Tangan Training
Sesuai pada flowchart gambar 3.6, sebelum gambar tanda tangan dilatih dengan menggunakan JST Jaringan Syaraf Tiruan, gambar tanda tangan akan
terlebih dahulu dilakukan proses pengambangan dan diekstraksi ciri binerisasi. Proses ekstraksi ciri dapat dilihat pada gambar 3.7 berikut.
Gambar 3.7 Proses Ekstraksi Ciri
Selanjutnya, hasil ekstraksi ciri dari gambar tanda tangan dimasukkan ke metode pelatihan Backpropagation.
Untuk detail-nya, algoritma proses ekstraksi ciri dapat dituliskan sebagai berikut:
1 Pada gambar hitam-putih hasil proses thresholding, periksa dari kiri ke
kanan. Apabila suatu kolom mempunyai piksel hitam, maka set X1 = nomor atau posisi kolom.
2 Periksa dari kanan ke kiri. Apabila suatu kolom mempunyai piksel hitam,
maka set X2 = nomor atau posisi kolom. 3
Periksa dari atas ke bawah. Apabila suatu baris mempunyai piksel hitam, maka set Y1 = nomor atau posisi baris.
4 Periksa dari bawah ke atas. Apabila suatu baris mempunyai piksel hitam,
maka set Y2 = nomor atau posisi baris. 5
Crop gambar dari posisi X1, Y1 sampai posisi X2, Y2. Hasil crop adalah coretan tanda tangan.
6 Hasil crop kemudian dibagi menjadi 20 x 20 kotak.
7 Periksa setiap area kotak, apabila 25 atau lebih dari piksel yang terdapat
pada area kotak adalah piksel hitam, maka set warna kotak ke hitam. Bila tidak, maka set warna kotak ke putih.
8 Lakukan proses nomor-7 pada semua kotak yang berjumlah 400 buah
20 x 20, sehingga semua kotak mempunyai warna hitam putih. 9
Lakukan digitalisasi bit biner untuk setiap kotak. Kotak yang berwarna hitam diwakili oleh nilai 1, sedangkan kotak yang berwana putih diwakili oleh
nilai 0. 10
Hasil ekstraksi ciri adalah berupa barisan bit biner 0 atau 1 sebanyak 400 digit.
3.1.4 Proses Pengenalan Pola Tanda Tangan
Kategori