17
BAB III METODE PENELITIAN
Dalam bab ini akan dibahas mengenai data, perancangan sistem dan cara kerja metode hough transform yang akan digunakan dan proses yang akan dibangun
untuk mendeteksi kemiringan pada dokumen teks.
3.1 Bahan Data
Data yang digunakan dalam penelitian ini merupakan data dokumen teks. Data yang digunakan bersumber dari buku Mengenal Pantun dan Puisi Lama karya
Eko Sugiarto dari halaman 11 sampai halaman 20. Selanjutnya dilakukan pemindaian terhadap buku tersebut menggunakan printer canon seri MG2570. Data
dalam pemindaian ini akan dimiringkan dengan derajat kemiringan tertentu. Data tersebut nantinya masing-masing akan dimiringkan dengan berbagai variasi sudut
menggunakan aplikasi Adobe Photoshop CC 2015. Sehingga total jumlah data yang digunakan dalam penelitian ini adalah data 40. Gambar 3.1 dan gambar 3.2
merupakan contoh data yang digunakan dalam penelitian ini.
Gambar 3. 1 Citra dokumen teks yang dimiringkan 7
°
Gambar 3. 2 Citra dokumen teks yang dimiringkan 28
°
3.2 Peralatan Penelitian
Supaya sistem ini dapat berjalan dengan baik maka dibutuhkan perangkat keras dan perangkat lunak
3.2.1 Kebutuhan Perangkat Keras
Sistem ini membutuhkan perangkat keras dengan spesifikasi minimal sebagai berikut:
1. Laptop
Processor : IntelR CoreTM i3-4030U CPU 190GHz
RAM : 4.00 GB
Harddisk : 500 GB
VGA : 2GB
2. Scanner
Alat untuk pemindai dalam penelitian ini adalah printer Canon MG2570 dengan resolution 600 dpi.
3.2.2 Kebutuhan Perangkat Lunak
Sistem ini membutuhkan perangkat lunak untuk pembuatan dan menjalankannya, perangkat lunak terssebut adalah sebagai berikut:
Windows 8.1 Pro Matlab R2010a
Adobe Photoshop CC 2015
3.3 Cara Penelitian
Terdapat berbagai cara untuk melakukan penelitian deteksi kemiringan ini, diantaranya adalah:
3.3.1. Studi Pustaka
Hal ini dilakukan untuk memperoleh informasi yang berkaitan dengan penelitian ini yakni citra, citra digital, tahap preprocessing, metode hough
transform dan rotasi.
3.3.2. Pengumpulan Data
Data dokumen teks beraksara latin berjumlah 40 didapatkan dari hasil pemindaian buku Mengenal Pantun dan Puisi Lama karya Eko Sugiarto dan
masing-masing akan dimiringkan dengan berbagai variasi sudut menggunakan aplikasi Adobe Photoshop CC 2015.
3.3.3. Perancangan dan Pembuatan Alat Uji
3.3.5.1. Gambaran Umum Sistem
Skenario sistem dimulai dari user memasukkan data citra berupa citra dokumen teks berformat .png dari hasil pemindaian pada buku cetak dan
keluaran dari sistem adalah direktori gambar, derajat kemiringan, waktu proses dan gambar yang sudah dirotasi dengan menggunakan derajat yang ditemukan.
Gambar 3. 3 Diagram Konteks
3.3.5.2. Alur Sistem
Alur sistem ini dimulai dari pengguna memasukkan citra dokumen teks beraksara Laitn dengan format .png. Setelah itu dilanjutkan dengan
melakukan grayscaling lalu gambar diubah menjadi biner melalui proses binerisasi. Setelah dilakukan binerisasi maka selanjutnnya adalah deteksi tepi
dengan menggunakan deteksi tepi canny, kemudian sistem akan melakukan proses deteksi kemiringan menggunakan hough transform dan menampilkan
plot hough atau matriks hough. Keluaran dari sistem ini akan tampil direktori
dari gambar, nilai derajat kemiringan, lamanya waktu yang di butuhkan untuk memproses dan citra yang sudah dirotasi menggunakan derajat yang
ditemukan, proses tersebut dapat dilihat pada gambar 3.4.
Gambar 3. 4 Diagram alur sistem
1. Masukkan Citra
Pengguna pertama kali akan menekan tombol untuk memilih citra kemudian memasukkan citra dokumen teks yang sudah dipilih ke dalam
sistem. Proses berikutnya sistem akan membaca file citra dokumen teks yang dimasukkan oleh pengguna.
2. Grayscaling
Setelah file citra dokumen teks sudah dimasukkan ke dalam sistem, file citra dokumen teks tersebut diubah menjadi citra grayscale. Citra
grayscale merupakan citra digital yang memiliki satu nilai kanal pada
setiap pikselnya, dengan kata lain nilai dari red = green = blue. Citra grayscale
memiliki intensitas warna dari hitam, keabuan hingga putih. Merubah citra dari rgb menggunakan fungsi dari matlab yaitu rgb2gray.
3. Binerisasi
Tahap selanjutnya adalah melakukan binerisasi citra hasil grayscaling.
Proses binerisasi adalah proses perubahan format skala keabuan citra grayscaling menjadi citra biner. Citra biner hanya
memiliki dua buah nilai untuk mewakili warna, yakni 1 untuk warna putih dan 0 untuk warna hitam. Dalam penelitian ini penulis akan menggunaan
metode otsu dengan memanfaatan fungsi dari matlab yaitu im2bw untuk melakukan proses binerisasi. Citra biner merupakan citra yang banyak
dimanfaatkan untuk keperluan pattern recognition seperti pengenalan angka, huruf maupun tanda tangan.
Gambar 3. 5 Gambaran Proses binerisasi
4. Deteksi Tepi
Setelah dilakukan proses binerisasi, maka sistem akan mendeteksi tepian dari citra masukkan. Terdapat berbagai cara untuk mendeteksi
tepian sebuah citra yang telah dikemmbangkan berdasarkan turunan pertama, diantaranya operator Robert, sobel, prewitt, dan operator canny.
Konsep dasar dari perhitungan deteksi tepi menggunakan turunan pertama adalah memanfaatkan perbedaan nilai piksel dengan piksel tetangganya.
Pada hough transform deteksi tepi dilakukan untuk menemukan titik tepi dari obyek, kemudian dalam hough transform proses pengerjaannya hanya
dilakukan pada titik tepi dari obyek tersebut Putra,2010. Dalam penelitian ini penulis akan menggunakan operator canny dan
menggunakan fungsi yang terdapat pada matlab. Berbeda dengan operator deteksi tepi lainnya, deteksi tepi canny menggunakan Gaussian derivatif
kernel untuk memperhalus tampilan sebuah citra. Deteksi tepi canny dapat mendeteksi tepian yang sebenarnya dengan tingkat kesalahan minimum
atau dengan kata lain, dapat menghasilkan citra tepian yang optimal. Dalam penelitian ini penulis akan menggunakan fungsi dari matlab.
5. Deteksi Kemiringan menggunakan Hough Transform
Setelah dilakukan deteksi tepi pada citra masukkan, sistem akan melakukan deteksi kemiringan. Proses deteksi kemiringan menggunakan
metode hough transform merupakan proses utama yang dilakukan sistem. Di dalam proses ini akan ditemukan berapa besar derajat kemiringan pada
citra dokumen teks tersebut. Hasil derajat yang dideteksi kemudian digunakan untuk merotasi citra masukkan tersebut. Gambar 3.6
merupakan diagram alur untuk hough transform. Perhitungan waktu dilakukan didalam proses deteksi kemiringan ini.
Gambar 3. 6 Diagram Alur hough transform
5.1.Cari nilai piksel yang tidak bernilai nol
Pada citra masukkan yang sudah melalui proses grayscaling hingga deteksi tepi akan dilakukan pencarian nilai piksel yang tidak
bernilai nol dengan menggunakan fungsi find pada matlab.
5.2.Hitung jumlah baris dan kolom
Jumlah baris dan kolom pada citra masukkan yang sudah dikenai proses deteksi tepi akan menggunakan fungsi size pada matlab.
5.3.Definisikan Parameter Hough
Terdapat beberapa parameter hough yang harus didefinisikan diantaranya: nilai d, theta min, theta maks, rho min, rho maks dan rho.
Nilai dari d akan menjadi ukuran untuk rho min dan rho maks. Nilai d didapatkan dengan menghitung
= √ +
dengan m dan n adalah ukuran citra yang sudah mengalami deteksi tepi.
Sedangkan nilai untuk theta adalah −9 ° � 9 °. Nilai untuk
rho min adalah – dan untuk rho maks adalah , serta untuk nilai rho
adalah −
ℎ .
5.4.Buat array accumulator
Buat sebuah array yang dinamakan array accumulator, array ini memiliki parameter rho
dan theta � . Setelah terbentuk array
accumulator maka inisialisasi tiap elemen pada cell array
accumulator menjadi bernilai nol.
Gambar 3. 7 Array accumulator yang bernilai nol
5.5. Melakukan Perhitungan
Untuk citra yang sudah dikenai deteksi tepi, selama citra memiliki nilai tidak sama dengan nol dan untuk theta dari theta min sampai theta
maks maka akan dihitung nilai rho menggunakan rumus berikut � = � � � + �� �
3.1 Setelah ditemukan nilai rho
� , maka masukkan nilai rho � dan theta yang sudah ditemukan ke dalam array akumulator. Kemudian
hitung nilai inkremen dari array akumulator.
5.6.Ubah radian ke derajat
Setelah array accumulator terbentuk maka dapat ditemukan besarnya derajat kemiringan. Namun nilai theta dirubah terlebih
dahulu dari satuan radian menjadi satuan derajat dengan menggunakan fungsi rad2deg pada matlab.
5.7.Mengambil nilai maksimum
Pada array accumulator yang sudah terbentuk, untuk dapat menemukan besarnya derajat maka dapat diambil nilai maksimum
dari theta yang terdapat pada array akumulator yang menandakan sebagai banyaknya titik yang membentuk garis. Nilai maksumum ini
dapat diambil menggunakan funsi max pada matlab.
6. Direktori Gambar
Gambar yang dipilih untuk diproses ke dalam sistem akan ditempilkan direktorinya. Direktori ini akan menampilkan nama file citra
dan lokasi penyimpanan citra yang telah dipilih.
7. Nilai Derajat Kemiringan
Setelah dikenai proses hough transform, maka akan ditemukan besarnya nilai derajat kemiringan. Nilai derajat tresebut didapatkan dari
nilai array akumulator dengan menggunakan function max pada matlab.
8. Keterangan Waktu
Menghitung waktu proses hough transform, dengan menggunakan fungsi dari matlab yaitu tic dan toc. Tic digunakan untuk menandakan
mulainya hitungan waktu, dan toc menandakan berakhirnya hitungan waktu.
9. Gambar Rotasi
Berikutnya setelah ditemukan besarnya nilai derajat kemiringan, maka citra masukkan akan dirotasi denggan menggunakan fungsi dari
matlab yakni imrotate dan memanfaatkan besar derajat yang sudah ditemukan dengan menggunakan metode hough transform.
3.3.4. Perancangan Pengujian
Pengujian diperlukan untuk mengetahui apakah metode hough transform yang digunakan baik untuk mendeteksi kemiringan pada citra dokumen teks
beraksara Latin. Pengujian diperlukan untuk mengetahui apakah metode hough transform
yang digunakan baik untuk mendeteksi kemiringan pada citra dokumen teks beraksara Latin.
Citra yang dimiringkan dengan menggunakan Adobe Photoshop CC 2015 akan memiliki variasi derajat kemiringan yang berbeda-beda, hasil derajat
kemiringan akan melakukan pembulatan. Jika citra dimirngkan dengan angka dibelakang koma ≤ 4 maka akan dilakukan pembulatan kebawah namun jika citra
dimirngkan dengan angka dibelakang koma ≥ 5 maka akan dilakukan pembulatan
keatas. Dalam penelitian ini penulis akan membandingkan hasil yang didapatkan
dari sistem dengan derajat kemiringan yang sesungguhnya dengan menghitung persentase error dan persentase keberhasilan.
3.3.5. Pengujian
Pada tahap pengujian, data terlebih dahulu harus dikenai deteksi kemiringan menggunakan hough transform. Keluaran Dalam penelitian ini penulis akan
membandingkan hasil yang didapatkan dari sistem dengan derajat kemiringan yang sesungguhnya. Persentase error akan menjadi nol ketika hasil deteksi kemiringan
memiliki nilai yang sama dengan kemiringan yang sesungguhnya. Sehingga untuk persentase akurasi keberhasilan diperoleh dari 100 dikurangi dengan rata-rata
persentase error dari keseluruhan citra masukkan. Perhitungan rata-rata persentase keberhasilan deteksi kemiringan adalah sebagai berikut:
� �
ℎ � =
− 3.4
Dimana =
�� �
3.5 Dimana
� =
����� �
3.6
Keterangan: �
� ℎ �
= Rata-Rata persentase keberhasilan = Rata-rata persentase error
� = Persentase error � = Jumlah data citra yang dikenakan sudut tertentu
� = Tingkat error dari masing-masing hasil
= Sudut kemiringan yang diberikan secara sengaja pada citra masukkan
Selain keluaran berupa derajat yang dideteksi, sistem ini menampilkan waktu yang diperlukan untuk memproses deteksi kemiringan. Kemudian dari waktu
yang didapatkan tersebut dapat dihitung rata-rata terhadap seluruh data citra masukkan yang dibutuhkan untuk memproses citra sampai dengan hasil derajat
kemiringan ditemukan. Berikut ini adalah cara menghitung rata-rata waktu yang dibutuhkan:
̅ =
Σ �� �
3.5 Keterangan:
̅ = Rata-rata waktu proses deteksi kemiringan
Σ = total keseluruhan waktu proses deteksi kemiringan dari semua citra yang
diuji � = total keseluruhan citra yang diuji coba kedalam sistem
3.3.6. Analisa
Setelah dilakukan proses pengujian, maka akan dilakukan analisa berdasarkan hasil derajat kemiringan yang didapatkan dengan derajat kemiringan
yang sesungguhnya dan persentasi keberhasilan yang didapatkan serta menganalisa waktu proses. Selain itu analisis ini akan membahas tentang kelemahan dan
kelebihan deteksi kemiringan menggunakan hough transform.
3.4 Desain User Interface
Dalam sistem ini akan menampilkan citra asli, citra grayscaling, citra biner, citra deteksi tepi, hough matriks dan rotasi gambar serta menampilkan direktori
gambar, besar derajat kemiringan yang ditemukan dan waktu yang dibutuhkan untuk memproses citra tersebut. Pada gambar 3.8 merupakan gambar desain user
interface dari sistem yang akan dibuat. Terdapat dua tombol yang akan digunakan
untuk memilih citra yang akan dideteksi dan tombol untuk menghapus axes dan static text
.
Gambar 3. 8 Desain User Interface
31
BAB IV IMPLEMENTASI SISTEM
Rancangan sistem yang sudah dibuat dalam BAB III akan diimplementasikan menjadi sistem yang digunakan untuk mendeteksi derajat kemiringan pada
dokumen teks beraksara latin dengan menggunakan hough transform. Proses implementasinya adalah sebagai berikut:
4.1. Implementasi User Interface
Menu utama adalah tampilan user interface yang berisi seluruh proses deteksi kemiringan citra dokumen teks beraksara Latin. Menu utama terdapat 2 tombol,
yaitu tombol ‘Plih Gambar Dokumen’ dan tombol ‘Reset’. Tombol Plih Gambar
Dokumen digunakan untuk load gambar membuka dan memilih citra dokumen yang akan diproses menggunakan sistem menggunakan hough transform. File citra
dkumen yang dapat di-load adalah file citra yang berbentuk .png. Ketika pengguna sudah selesai memilih citra dokumen teks, maka citra tersebut akan tampilkan di
axes gambar asli, lalu kemudian citra dokumen tersebut akan diubah menjadi ctra biner, graysccaling, hingga deteksi tepi. Pada bagian bawah terdapat axes yang
digunakan untuk menampilkan citra dokumen teks yang sudah diputar dengan besarnya nilai derajat yang didapatkan pada deteksi kemiringan menggunakan
hough transform. Setelah dilakukan proses deteksi kemiringan, maka output
besarnya derajat yang dideteksi oleh sistem dan waktu yang dibutuhkan untuk memproses ditampilkan dalam di static text.
Tombol Reset berfungsi untuk menghapus semua gambar yang ada di area axes yakni: axes gambarasli, gambargrayscale, gambarbw, gambartepi, plothough dan
gambarrotate serta juga menghapus isi dari static text untuk direktori, derajat kemiringan dan waktu.