2.4. Fungsi Jarak Jaccard
Fungsi jarak Jaccard menghitung besarnya perubahan dari dua variabel. Fungsi jarak ini membagi dua variabel 1 dengan variabel lainnya yang saling berhubungan.
Fungsi jarak Jaccard dirumuskan sebagai berikut [7]:
D
Jac
= ∑
�
− �
� �=
-- ∑
�
+ ∑
�
+ ∑
� �
� �=
� �=
� �=
.
Dimana : D
Jac
= Jarak Jaccard P,Q = Dua vektor yang akan dicari jaraknya
n = Ukuran vektor
Tekstur akan diklasifikasikan sebagai tekstur i apabila D
Jac
merupakan jarak terkecil dibandingkan dengan jarak yang lainnya.
2.5. Template Matching [8]
Templete matching merupakan salah satu pendekatan yang paling sederhana dan
paling awal untuk pengenalan pola. Matching adalah operasi generik pada pengenalan pola yang digunakan untuk menentukan kemiripan antara entitas titik, kurva, atau bentuk dari
jenis yang sama. Biasanya sampel template pada template matching berbentuk 2D, yang nantinya akan dicocokan dengan sampel yang telah disimpan dengan cara memperhatikan
rotasi dan skalanya. Pengukuran kesamaan antara sampel masukkan dengan sampel disimpan dapat dicari korelasinya dengan optimal berdasarkan percobaan yang dilakukan.
2.6. Zig Zag Scanning
ZigZag scanning berfungsi untuk merepresentasikan Matriks 2-D dari koefisien
DCT terkuantisasi dalam bentuk vektor satu dimensi. Setelah kuantisasi, sebagian besar koefisien frekuensi tinggi pojok kanan bawah adalah nol. Dalam memanfaatkan jumlah
nol maka digunakan scan zigzag dari matriks. Zigzag scanning memungkinkan semua koefisien DC dan AC dengan nilai yang terendah akan diproses terlebih dahulu. Gambar
2.6 menunjukan urutan zigzag scanning. Keterangan :
1. Lapis 1 = 1 koefisien DCT 9. Lapis 9 = 45 koefisien DCT
2. Lapis 2 = 3 koefisien DCT 10. Lapis 10 = 55 koefisien DCT
3. Lapis 3 = 6 koefisien DCT 11. Lapis 11 = 66 koefisien DCT
4. Lapis 4 = 10 koefisien DCT 12. Lapis 12 = 78 koefisien DCT
5. Lapis 5 = 15 koefisien DCT 13. Lapis 13 = 91 koefisien DCT
6. Lapis 6 = 21 koefisien DCT 14. Lapis 14 = 105 koefisien DCT
7. Lapis 7 = 28 koefisien DCT 15. Lapis 15 = 120 koefisien DCT
8. Lapis 8 = 36 koefisien DCT 16. Lapis 16 = 136 koefisien DCT
Lapis DCT
Gambar 2.6. Urutan zigzag scanning
2.7. Webcam
Webcam atau web camera adalah sebuah perangkat yang dapat menangkap video
serta gambar, kemudian langsung menyimpannya dalam hard drive komputer. Sebuah kamera video digital kecil yang dihubungkan ke komputer melalui biasanya port USB
ataupun port COM. Pada penelitian ini, webcam yang digunakan yaitu webcam Logitec C170 seperti pada gambar 2.7 yang memiliki sensor type VGA dan image sensor
resolution 5 megapixel.
Gambar 2.7. Webcam Logitech C170
2.8. Matlab
Matlab merupakan bahasa pemrograman yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data,
pengembangan algoritma, simulasi dan pemodelan, dan grafik-grafik perhitungan [9]. Pada penelitian ini, matlab yang digunakan yaitu seri R2010a.
13
BAB III
PERANCANGAN
3.1. Gambaran Sistem
Blok sistem untuk pengenalan gambar alat musik tradisional Indonesia dapat dilihat pada gambar 3.1.
Gambar 3.1. Gambaran Sistem Sistem pengenalan gambar alat musik tradisional Indonesia terdiri dari software
pada komputer yang berfungsi sebagai user interface dalam proses pengenalan. Software yang dibuat dalam bentuk user interface dengan program matlab yang berperan sebagai
pusat pengaturan semua pengenalan gambar alat musik tradisional Indonesia seperti mengambil citra dan mengenali gambar yang sudah di capture. Pengambilan gambar
dilakukan dengan menggunakan webcam dan dengan membutuhkan tambahan dua buah
lampu agar gambar yang dihasilkan dapat fokus tanpa adanya shadow serta interferensi dan setelah semua proses dilakukan maka output yang berupa teks akan muncul pada layar
laptop atau komputer.
3.1.1. Fixture
Fixture digunakan sebagai tempat dudukan webcam serta potongan gambar alat
musik tradisional. Fixture terbuat dari kayu. Posisi potongan gambar dan webcam tegak lurus sehingga di dapatkan hasil yang simetris.
Dalam perancangan ini, untuk mendapatkan hasil yang fokus maka jarak antara webcam dengan posisi objek gambar yaitu ± 33 cm.
3.1.2. Webcam
Webcam yang digunakan adalah webcam merk Logitech seri c170h. Contoh
webcam yang digunakan dapat dilihat pada Gambar 2.3. Spesifikasi webcam bisa dilihat
pada tabel 3.1. Tabel 3.1. Spesifikasi Webcam Logitech c170h
Photo Quality 5 Megapixel
Video Quality VGA
Fokus Type Always Fokused
3.1.3. Potongan Gambar
Potongan gambar yang digunakan yaitu berupa potongan dari poster lihat Lampiran 1 dan dalam satu potongan gambar hanya menampilkan satu macam gambar
alat musik tradisional. Potongan gambar yang digunakan yaitu dengan ukuran template yang beraneka ragam dan ukuran gambar asli alat musik tradisional yang berasal dari
poster.
3.1.4. Lampu
Lampu berfungsi untuk memberikan brightness lebih pada gambar alat musik tradisional sehingga gambar yang ditangkap oleh kamera dapat terlihat lebih jelas atau
fokus dan untuk menghindari shadow.
3.1.5. Laptop atau komputer
Pada sistem pengenalan ini, laptop atau komputer berfungsi sebagai pengolah software
yang termasuk di antaranya matlab ataupun pada preprocessing, serta penyimpanan database. Pengenalan yang ingin ditampilkan dapat dilihat melalui keluaran
pada laptop ataupun komputer.
3.2. Proses Pengenalan Potongan Citra Alat Musik Tradisional
Proses pengenalan potongan citra alat musik tradisional adalah proses di mana potongan citra yang di capture akan dikenali bentuknya. Proses ini terdiri pengambilan
citra, preprocessing, pengenalan dan keluaran yanag berupa teks. Proses kerja sistem dapat dilihat pada gambar 3.2.
Gambar 3.2. Diagram Blok Proses Pengenalan
3.2.1. Pengambilan Citra
Citra yang berbentuk potongan gambar diambil dengan menggunakan webcam yang sudah terhubung dengan komputer. Webcam terlebih dahulu sudah dikenali oleh
laptopkomputer. Webcam yang berada tegak lurus dengan potongan citra dan harus mencari jarak terbaik atau fokus. Untuk mendapatkan gambar yang fokus diperlukan juga
adanya tambahan lampu agar intensitas cahaya tidak mengganggu untuk pengambilan gambar. Resolusi 640 x 480 yang digunakan pada webcam ini akan membantu untuk
mendapatkan tampilan gambar yang lebih baik. Perintah untuk mengambil gambar dengan menggunakan webcam adalah sebagai berikut :
vidobj = videoinput
winvideo ,1,
YUY2_640x480 ;
previewvidobj; pause
frame = getsnapshotvidobj; stopvidobj
deletevidobj gambar=yuy2torgbframe;
imshowgambar
3.2.2. Preprocessing
Preprocessing merupakan tahap untuk mempersiapkan citra sebelum ke tahap
ekstraksi ciri sehingga dapat diproses ke tahap selanjutnya. Preprocessing sendiri terdiri dari grayscale, cropping, dan resizing.
1. Grayscale
Grayscale merupakan proses dimana citra asli akan diubah warnanya menjadi
keabuan. Perintah yang digunakan untuk mengubah citra RGB menjadi grayscale adalah rgb2gray. Hal ini akan mempermudah proses pengolahan citra selanjutnya yaitu
ekstraksi ciri. Contoh citra hasil grayscale dapat dilihat pada gambar 3.3.
a b
Gambar 3.3. Contoh hasil citra RGB menjadi citra greyscale a Citra RGB ; b Citra grayscale
dengan program : I=imreadGong Jawa.jpg;
J=doublergb2grayI; K=J255;
imshow K
2. Cropping
Cropping adalah suatu proses untuk memotong citra pada bagian tertentu atau yang
tidak diperlukan sehingga didapatkan hasil yang diinginkan untuk mempermudah data yang akan diolah. Pada percobaan ini, cropping menggunakan bounding box dan
bounding box ini akan melakukan automatic cropping. Diagram alir bounding box
dapat dilihat pada gambar 3.4.
Gambar 3.4. Diagram alir bounding box Proses bounding box adalah proses dimana citra masukkan akan di cropping sesuai
dengan bounding box-nya. Cropping dilakukan dengan cara memotong matrik citra masukkan yang nilainya kurang dari nilai parameter yang sudah ditentukan. Proses
cropping dilakukan dengan cara memotong tiap sisi secara bergantian, pertama kali
yaitu sisi sebelah kiri di cropping setelah di-cropping citra diputar sejauh 90° dan kemudian citra sisi sebelah kiri di-cropping kembali. Proses ini dilakukan terus
menerus hingga semua sisi citra di cropping semua. 3.
Resizing
Proses resizing dilakukan agar citra yang akan diekstrak dari webcam dengan resolusi 640x480 piksel mempunyai ukuran piksel yang sama dengan aturan ekstraksi
ciri Discrete Cosine Transform Two Dimension DCT 2-D, yaitu dengan ukuran variasi piksel 256 x 256, 128 x 128, 64 x 64, 32 x 32, 16x16, dan 8x8 piksel. Pada
penelitian ini, adanya variasi piksel dimaksudkan untuk mencari ukuran yang terbaik dari citra tersebut. Hasil citra resizing dapat dilihat pada gambar 3.5.
Gambar 3.5. Proses citra asli yang di resize dengan ukuran variasi piksel a
Citra hasil cropping ; b Citra yang telah di resize dengan ukuran 32 x 32
dengan program : I3=imresizeI2,[32 32];
imshowI3; axison
3.2.3. Ekstraksi Ciri
Dalam perancangan, ekstraksi ciri yang digunakan yaitu berbasiskan Discrete Cosine Transform 2-D DCT 2-D
yang berfungsi untuk membagi citra ke dalam blok- blok kecil dengan ukuran tetap yang kemudian dikonversikan dari domain spasial ke
domain DCT dengan cara melakukan evaluasi dari variasi jumlah koefisien DCT dari nilai
yang terendah dulu yaitu dari 3, 10, 21, 36, 55, 78, 105, 136. Nilai-nilai koefisien DCT didapatkan dari zigzag scanning dengan matriks 16x16 seperti pada gambar 2.6. Proses
Ekstraksi ciri dapat dilihat pada gambar 3.6.
Gambar 3.6. Diagram Alir Ekstraksi Ciri
3.2.4. Jarak
Proses pengukuran jarak bertujuan untuk membandingkan citra yang telah di capture
dengan menggunakan webcam dengan database. Hasil jarak minimum yang diperoleh akan di gunakan ke dalam proses selanjutnya. Unutk perancangan ini, jarak yang
digunakan adalah jarak Jaccard seperti pada persamaan 2.5. Proses kerja jarak tersebut dapat dilihat pada gambar 3.7.
Gambar 3.7. Diagram Alir Jarak
3.2.5. Database Potongan Citra
Database digunakan sebagai acuan dalam penentuan pengenalan citra. Untuk
membuat database dapat dilakukan dalam beberapa proses yaitu adanya input citra, preprocessing dan Discrete Cosine Transform 2-D dapat dilihat pada gambar 3.8.
Gambar 3.8. Sistem Pembuatan Database Citra gambar yang akan dijadikan database yaitu 28 jenis gambar alat musik
tradisional yang telah dicapture menggunakan webcam dan gambar yang telah dicapture akan dipotong dengan menggunakan aplikasi Photoshop. Pemotongan dilakukan pada
bagian luar dari sisi hitam dan yang akan dijadikan sebagai database adalah gambar yang
berada pada bagian dalam dari sisi hitam serta menerapkan variasi resizing 256x256, 128x128, 64x64, 32x32, 16x16, 8x8 piksel dan jumlah koefisien DCT 3, 10, 21, 36, 55,
78, 105, 136 . Citra akan diproses melalui preprocessing yang terdiri dari grayscale, cropping
, dan resizing. Selanjutnya, citra hasil preprocessing akan dimasukkan ke dalam Disrete Cosine Transform 2-D
untuk menghasilkan suatu data matriks. Perlu diketahui bahwa database sudah harus diketahui oleh sistem yang dikarenakan nantinya database
akan digunakan sebagai media pembanding.
3.2.6. Penentuan Keluaran
Proses penentuan keluaran adalah subproses terakhir dari proses pengenalan gambar alat musik tradisional. Pada proses ini hasil pengenalan gambar alat musik
tradisional ditentukan dengan berdasakan jarak minimum yang diperoleh setelah proses penghitungan jarak. Proses penentuan keluaran direpresentasikan pada gambar 3.9.
Gambar 3.9. Diagram Alir Penentuan Keluaran
3.3. Gambar Uji
Gambar uji diambil setelah user menekan tombol “Capture”. Hasil capture atau
sampel diambil dari kepingan gambar yang sudah diatur secara fix dan cahaya yang sudah
diatur intensitasnya agar tidak terdapat shadow yang dapat mengganggu gambar yang ingin di capture. Proses yang berlangsung meliputi citra alat musik tradisional, preprocessing
yang terdiri dari grayscale, cropping dan resizing dan Discrete Cosine Transform Two Dimension
DCT 2-D. Hasil proses tersebut kemudian disimpan dan diproses kembali untuk mendapatkan hasil pengenalan gambar alat musik tradisional.
3.4. Perancangan GUI