Bahan Data Desain User Interface

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.