Perancangan Sistem Pengenal Digit Angka Meter Air Menggunakan Jaringan Syaraf Tiruan Kohonen

PERANCANGAN SISTEM PENGENAL DIGIT ANGKA
METER AIR MENGGUNAKAN JARINGAN SYARAF
TIRUAN KOHONEN
Diajukan untuk memenuhi salah satu persyaratan dalam
menyelesaikan pendidikan sarjana (S-1) pada Departemen Teknik Elektro
Sub Konsentrasi Sistem Pengaturan dan Komputer

Oleh

TEGUH TRIANTORO
090402013

DEPARTEMEN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

Universitas Sumatera Utara

ABSTRAK

Tugas akhir ini dibuat untuk merancang dan menguji coba sistem yang dapat
mengenali digit angka pada meter air PDAM Tirtanadi di kota Medan dari citra hasil
pemotretan kamera digital telepon selular dengan menggunakan jaringan syaraf tiruan
model Kohonen sebagai metode pengenalannya.
Terdapat beberapa proses yang digunakan dalam pembuatan sistem yaitu
proses akuisisi citra, preprocessing, proses segmentasi, pelatihan menggunakan
jaringan syaraf tiruan model Kohonen dan proses identifikasi digit angka. Pada tahap
akusisi citra menjelaskan objek yang akan dikenali dari meter air. Pada tahap
preprocessing bertujuan untuk meningkatkan kualitas citra pada meter air. Proses
segmentasi bertujuan untuk mengekstraksi karakter dari background. Pada tahap
pelatihan jaringan bertujuan untuk pembentukan suatu database angka yang akan
dibutuhkan pada tahap pengenalan. Tahap identifikasi bertujuan untuk mengenali
angka pada meter air. Analisa dilakukan bertujuan untuk mengetahui kesalahan pada
tahap preprocessing dan identifikasi.
Berdasarkan hasil simulasi, sistem pengenal digit angka yang dibuat telah
berhasil mengenali pola digit angka dengan tingkat akurasi 95.56% dan pengenalan
indikator meter air secara keseluruhan dengan tingkat akurasi 86.67%.

Kata Kunci : Pengenalan Angka, Meter Air, Preprocessing, Jaringan Syaraf Tiruan,

Kohonen.
i

Universitas Sumatera Utara

ii

KATA PENGANTAR

Bismillahirrahmanirrahim
Dengan segala kerendahan hati, penulis mengucapkan puji syukur kepada
Allah SWT yang telah memberikan anugerah dan rahmat-Nya yang berlimpah kepada
penulis sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul:
“Perancangan Sistem Pengenal Digit Angka Meter Air Menggunakan Jaringan
Syaraf Tiruan Kohonen”
Tugas akhir ini dibuat sebagai syarat untuk menyelesaikan pendidikan Sarjana
(S-1) di Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara.
Penulis berharap ke depannya Tugas Akhir ini dapat menjadi inspirasi bagi
mahasiswa dalam mengembangkan penelitian.
Tugas Akhir ini penulis persembahkan kepada yang teristimewa, mereka yang

selama ini telah mendidik dan menjadi contoh terbaik dalam hidup ini, Ananda belum
bisa membahagiakan kalian, semoga Allah memberikan kesempatan untuk itu.
Mereka adalah, Ayahanda tercinta Almarhum Drs. Siswo Suroso, M.SP. yang telah
berpulang kepada-Nya disaat awal penulis memasuki dunia perkuliahan. Beliau
seorang Ayah sekaligus seorang dosen yang sangat penulis kagumi dan sayangi yang
telah banyak memberikan ilmu serta banyak mengambil pelajaran hidup yang sangat
berguna bagi penulis untuk menjalani kehidupan di dunia ini, hingga pada saat awal
penulis menentukan pilihan untuk kuliah dan terakhir berbincang setelah
pengumuman masuk kuliah, tanpa do’a, cinta dan semangatnya penulis tidak akan
berdiri sampai di sini. Ibunda tercinta Rukmini yang dengan cinta, kasih sayang dan

Universitas Sumatera Utara

iii

perhatiannya sudah menjaga, membimbing dan mendidik hingga penulis menjadi
seperti sekarang ini. Walau kini Ibunda sudah menjadi single parent, namun do’a dan
semangatnya

yang

tak pernah

terhenti diberikan

kepada penulis hingga

terselesaikannya Tugas Akhir ini. Selalu menjadi orang tua yang terbaik dan tangguh
buat kami, Bunda. Untuk saudara-saudara penulis Mas Teguh Hariwibowo, S.Farm.,
dan Mas Teguh Haryo Yudanto, S.Kom., penulis ucapkan terima kasih karena telah
selalu mendo’akan, membantu dan men-support penulis dalam setiap kesempatan dan
selalu berharap kelak penulis nantinya mampu menjadi manusia yang berguna.
Dalam proses penyelesaian Tugas Akhir ini, penulis tidak hanya
mengandalkan kemapuan diri sendiri. Begitu banyak pihak yang memberi kontribusi,
baik berupa materi, pikiran, maupun dorongan semangat dan motivasi. Oleh karena
itu melalui kata pengantar ini penulis menyampaikan terima kasih kepada:
1. Bapak Ir. Surya Tarmizi Kasim, M.Si., dan Bapak Rahmad Fauzi, S.T., M.T.,
selaku Ketua dan juga Sekretaris Departemen Teknik Elektro yang
memberikan motivasi dan dukungan serta begitu baik memperlakukan
penulis selama proses pengerjaan Tugas Akhir.

2. Bapak Fahruddin Rizal Batubara, S.T., M.T.I., selaku Dosen Pembimbing
Tugas Akhir penulis yang bersedia dan senantiasa bersabar membimbing,
membantu, memberikan ide dan masukan yang membangun sehingga penulis
termotivasi untuk terus belajar khususnya dalam menyelesaikan Tugas Akhir
ini.

Universitas Sumatera Utara

iv

3. Bapak Ir. A. Rachman Hasibuan, selaku Dosen Wali penulis yang
membimbing dan mengarahkan penulis sampai menyelesaikan pendidikan
dikampus USU.
4. Bapak Fahmi, S.T., M.Sc., selaku Dosen yang banyak memberikan bantuan,
ide, dan masukan positif yang membangun bagi penulis dalam penelitian
Tugas Akhir ini, sehingga penulis termotivasi untuk membuat suatu
penelitian yang cukup menantang dan terus belajar untuk meraih cita-cita.
5. Seluruh Dosen di Departemen Teknik Elektro USU yang selalu memberikan
contoh, ilmu serta teladan yang baik oleh penulis berupa semangat untuk
terus belajar meraih cita-cita dan seluruh Staf Pegawai di Departemen Teknik

Elektro USU.
6. Seluruh sahabat penulis, Arfan, Rizal, Tondy, Rizky, Hawira, Yuli, Adit,
Agung, Dimas, Faya, Adly, Rizi, Afit, Ahmad, Doni, Fahrul, Eko, Nuzul, dan
teman-teman Teknik Elektro angkatan 2009 lainnya yang tidak bisa penulis
sebutkan satu persatu untuk dorongan semangat dan kebersamaanya selama
penulis bergelut dikampus.
7. Arif, Reza, Budi, Mahdi, Adityas, Fadlan, Royansyah, Bang Recky, Bang
Indra dan Keluarga Besar Laboratorium Sistem Pengaturan & Komputer
USU juga COMLABS USU untuk kritikan yang sangat berharga, serta buat
segala macam tingkah laku kalian yang mengisi hari-hari penulis selama
kuliah hingga Tugas Akhir, penulis harap kita akan terus seperti saudara.
8. Seluruh senior dan junior di Departemen Teknik Elektro, atas bantuan dan
dukungan yang diberikan kepada penulis.

Universitas Sumatera Utara

v

9. Bang Teguh, Rhobby, Saddam, Nur, sahabat dan junior yang tidak bisa
penulis sebutkan satu per satu, seluruh robot yang pernah dibuat dan

Keluarga Besar UKM ROBOTIK SIKONEK USU, untuk kebersamaan,
sharing ilmu, pengalaman merakit robot, ikut kompetisi dan banyak
pengalaman yang sangat berharga yang tidak bisa penulis ceritakan. Tetap
semangat walau berat, sukses untuk kita semua!
10. Dani, Yudith, Bang Fran, sahabat dan Bapak/Ibu para pengurus juga donatur
Keluarga Besar Yayasan Karya Salemba Empat untuk bantuan beasiswa,
semangat dan kebersamaan yang tercipta tanpa rencana ini. Semoga kita
dapat bertemu dan berkumpul kembali di satu titik, yaitu KesuKSEsan. Keep
Sharing, Networking, and Developing, Guys!
11. Terakhir, untuk semua orang yang pernah mengisi setiap detik waktu yang
telah dilalui bersama penulis dengan masing-masing ceritanya yang tidak
dapat penulis sebutkan satu per satu. Tanpa kalian pengalaman penulis
tidaklah lengkap, terima kasih.
Tentunya Tugas Akhir ini masih sangat jauh dari sempurna oleh karena itu penulis
senantiasa mengharapkan kritik serta saran demi perbaikan ke depan.
Semoga Tugas Akhir ini bermanfaat bagi seluruh pihak. Terima kasih.

Medan, Juni 2014
Penulis,

Teguh Triantoro

Universitas Sumatera Utara

vi

DAFTAR ISI

ABSTRAK ................................................................................................................... i
KATA PENGANTAR ................................................................................................ ii
DAFTAR ISI ............................................................................................................... vi
DAFTAR GAMBAR .................................................................................................. ix
DAFTAR TABEL ....................................................................................................... xi

BAB I. PENDAHULUAN
1.1

Latar Belakang Masalah .................................................................................. 1

1.2

Perumusan Masalah ......................................................................................... 3

1.3

Tujuan Penelitian ............................................................................................. 3

1.4

Batasan Masalah .............................................................................................. 3

1.5

Metodologi Penelitian ...................................................................................... 4

1.6

Sistematika Penulisan ...................................................................................... 5

BAB II. DASAR TEORI

2.1

Meter Air .......................................................................................................... 7

2.1.1

Unit Indikator/ Alat Penunjuk ............................................................ 8

2.1.2

Tipe Alat Penunjuk .............................................................................. 8

2.2

Pengolahan Citra .............................................................................................. 9

2.2.1

Akuisisi Citra dan Sampling ............................................................... 10

2.2.2

Pengolahan Awal Citra (Image Processing) ...................................... 10

Universitas Sumatera Utara

vii

2.2.2.1

Perbaikan Kualitas Citra dan Grayscaling ............................ 11

2.2.2.2

Peredaman Derau .................................................................... 12

2.2.2.3

Ekualisasi Histogram .............................................................. 14

2.2.2.4

Segmentasi Citra ..................................................................... 14

2.3

Sistem Pengenalan Pola ................................................................................... 14

2.4

Jaringan Syaraf Tiruan .................................................................................... 16

2.5

Jaringan Syaraf Tiruan Kohonen .................................................................... 20

2.5.1

Arsitektur Jaringan Syaraf Tiruan Kohonen ...................................... 20

BAB III. PERANCANGAN SISTEM
3.1

Umum ............................................................................................................... 24

3.2

Perancangan Sistem ......................................................................................... 25

3.3

Akuisisi Citra dan Sampling ............................................................................ 26

3.4

Proses Awal (Preprocessing) .......................................................................... 27

3.5

Proses Segmentasi ............................................................................................ 32

3.6

Proses Pelatihan Karakter Angka Digit Meter Air Dengan Jaringan Syaraf
Tiruan Kohonen ............................................................................................... 37

3.6.1

Preprocessing Tahap Pelatihan .......................................................... 38

3.6.2

Proses Pelatihan Angka ....................................................................... 40

3.7

Proses Identifikasi Digit Angka ...................................................................... 43

BAB IV. HASIL PENGUJIAN DAN ANALISA
4.1

Hasil Uji Coba .................................................................................................. 47

Universitas Sumatera Utara

viii

4.1.1 Hasil Uji Coba dengan 10 Sampel Training ....................................... 47
4.1.2 Hasil Uji Coba dengan 30 Sampel Training ....................................... 48
4.2

Pengolahan Hasil Uji Coba ............................................................................. 49

4.3

Analisa Sistem .................................................................................................. 50

4.3.1

Pengaruh Jumlah Sampel Training ..................................................... 50

4.3.2

Analisa Kesalahan Pada Tahap Preprocessing
dan Segmentasi .................................................................................... 50

4.3.2

Analisa Kesalahan Pada Tahap Identifikasi ...................................... 52

BAB V. KESIMPULAN DAN SARAN
5.1

Kesimpulan ....................................................................................................... 55

5.2

Saran ................................................................................................................. 56

DAFTAR PUSTAKA ................................................................................................. 57
LAMPIRAN ................................................................................................................ 58

Universitas Sumatera Utara

ix

DAFTAR GAMBAR

Gambar 2.1 Meter Air .................................................................................................. 7
Gambar 2.2 Meter Air Analog ..................................................................................... 9
Gambar 2.3 Pengolahan Citra Memungkinkan Perubahan Kontras Pada Citra ....... 12
Gambar 2.4 Contoh Penerapan Filter Median ............................................................ 13
Gambar 2.5 Struktur Sistem Pengenalan Pola ............................................................ 15
Gambar 2.6 Bentuk Dasar Jaringan Syaraf Tiruan .................................................... 17
Gambar 2.7 Arsitektur Jaringan Kohonen .................................................................. 21
Gambar 2.8 Vektor w Berupa Vektor 1 Dimensi ....................................................... 22
Gambar 2.9 Vektor w Berupa Vektor 2 Dimensi ....................................................... 22
Gambar 3.1 Blok Diagram Aplikasi Pengenalan Angka Pada Digit Meter Air ....... 25
Gambar 3.2 Akuisisi Citra Meter Air .......................................................................... 26
Gambar 3.3 Indikator Digit Angka Pada Meter Air ................................................... 27
Gambar 3.4 Diagram Alir Preprocessing ................................................................... 28
Gambar 3.5 Hasil Grayscaling Citra ........................................................................... 29
Gambar 3.6 Hasil Contrasting ..................................................................................... 30
Gambar 3.7 Hasil Ekualisasi Histogram ..................................................................... 30
Gambar 3.8 Filter Median ........................................................................................... 31
Gambar 3.9 Citra Hasil Proses Binarization .............................................................. 31
Gambar 3.10 Diagram Alir Proses Segmentasi .......................................................... 33
Gambar 3.11 Hasil Proses Pembagian dan Filtering ................................................. 35
Gambar 3.12 Hasil Ekstraksi dan Resize Karakter dengan Ukuran 40x20 ............... 37

Universitas Sumatera Utara

x

Gambar 3.13 Diagram Alir Proses Pelatihan .............................................................. 38
Gambar 3.14 Citra Angka 6 ......................................................................................... 39
Gambar 3.15 Hasil Grayscaling .................................................................................. 39
Gambar 3.16 Hasil Proses Binarization dan Resizing ................................................ 40
Gambar 3.17 Proses Pelatihan Angka ......................................................................... 41
Gambar 3.18 Diagram Alir Proses Identifikasi .......................................................... 44
Gambar 4.1 Perbandingan Sebelum dan Sesudah Preprocessing ............................. 51
Gambar 4.1 Contoh Indikator yang Tidak Diidentifikasi Dengan Benar ................. 53
Gambar 4.2 Hasil Preprocessing yang Tidak Berhasil Meningkatkan
Kualitas Citra ............................................................................................ 53

Universitas Sumatera Utara

xi

DAFTAR TABEL

Tabel IV.1 Hasil Pengenalan Menggunakan 10 Sampel Training ............................ 47
Tabel IV.1 Hasil Pengenalan Menggunakan 30 Sampel Training ............................ 48
Tabel IV.3 Presentasi Keakurasian Pengenalan ......................................................... 49
Tabel V.1 Database Kelas Angka dengan 10 Sampel Training ............................... 58
Tabel V.1 Database Kelas Angka dengan 30 Sampel Training ................................ 58

Universitas Sumatera Utara

ABSTRAK

Tugas akhir ini dibuat untuk merancang dan menguji coba sistem yang dapat
mengenali digit angka pada meter air PDAM Tirtanadi di kota Medan dari citra hasil
pemotretan kamera digital telepon selular dengan menggunakan jaringan syaraf tiruan
model Kohonen sebagai metode pengenalannya.
Terdapat beberapa proses yang digunakan dalam pembuatan sistem yaitu
proses akuisisi citra, preprocessing, proses segmentasi, pelatihan menggunakan
jaringan syaraf tiruan model Kohonen dan proses identifikasi digit angka. Pada tahap
akusisi citra menjelaskan objek yang akan dikenali dari meter air. Pada tahap
preprocessing bertujuan untuk meningkatkan kualitas citra pada meter air. Proses
segmentasi bertujuan untuk mengekstraksi karakter dari background. Pada tahap
pelatihan jaringan bertujuan untuk pembentukan suatu database angka yang akan
dibutuhkan pada tahap pengenalan. Tahap identifikasi bertujuan untuk mengenali
angka pada meter air. Analisa dilakukan bertujuan untuk mengetahui kesalahan pada
tahap preprocessing dan identifikasi.
Berdasarkan hasil simulasi, sistem pengenal digit angka yang dibuat telah
berhasil mengenali pola digit angka dengan tingkat akurasi 95.56% dan pengenalan
indikator meter air secara keseluruhan dengan tingkat akurasi 86.67%.

Kata Kunci : Pengenalan Angka, Meter Air, Preprocessing, Jaringan Syaraf Tiruan,
Kohonen.
i

Universitas Sumatera Utara

BAB I
PENDAHULUAN

1.1

Latar Belakang Masalah
Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh

pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan
air bersih dari pemerintah atau badan-badan usaha, salah satunya PDAM (Perusahaan
Daerah Air Minum) Tirtanadi. Adapun standar dari spesifikasi meter air yang
digunakan harus sesuai SNI (Standar Nasional Indonesia) yang ditetapkan oleh BSN
(Badan Standarisasi Nasional). Sebagai pengukur penggunaan air, alat ini dilengkapi
beberapa karakteristik metrologis salah satunya alat penunjuk yang berfungsi untuk
mengukur volume air yang digunakan dengan satuan meter kubik. Bentuk fisik dari
alat penunjuk salah satunya adalah digit angka. Digit angka dari penunjuk ini
nantinya akan dicatat oleh petugas pencatat meter air setiap bulannya yang datang ke
rumah pelanggan secara manual dengan menggunakan alat tulis dan kartu pencatatan.
Angka yang dicatat oleh petugas tersebut dimasukkan ke dalam program komputer
secara manual diseluruh cabang terkait diproses menjadi tagihan yang harus dibayar
oleh pelanggan. Dengan sistem seperti ini banyak terjadi kelemahan diantaranya data
hasil pencatatan tidak bersifat valid karena bukti petugas mendatangi rumah
pelanggan tidak ada sehingga petugas bisa saja melakukan manipulasi data, begitu
pula angka meter yang diisikan oleh petugas baca meter tidak terverifikasi serta
proses pengolahan data memerlukan banyak waktu karena data hanya berupa catatan
dari petugas.
12

Universitas Sumatera Utara

13

Di era modern ini, berkembangnya ilmu pengetahuan, teknologi yang cukup
pesat diharapkan akan lebih membantu mempermudah dan mempercepat pekerjaan
manusia. Salah satunya adalah kebutuhan akan aplikasi yang mampu mengenali pola.
Aplikasi ini memiliki peranan penting untuk mampu membaca digit angka pada
meter air. Untuk membuat aplikasi tersebut hendaknya memanfaatkan metode yang
optimal pada proses komputasi dan pengenalan polanya, salah satunya menggunakan
Jaringan Saraf Tiruan (Neural Network). Jaringan Syaraf Tiruan berusaha
memodelkan cara kerja jaringan syaraf manusia sebagai model matematis
berdasarkan pemahaman manusia dibidang biologi tentang saraf otak manusia dengan
menggunakan mekanisme pemrosesan paralel, yaitu neuron sebagai elemen-elemen
pemroses yang saling berhubungan. Keunggulan metode ini adalah kemampuan
belajar yang memecahkan hubungan antara data masukan dan data keluaran yang
rumit. Suatu sistem Jaringan Syaraf Tiruan pada dasarnya akan mempelajari pola
perubahan nilai berdasarkan pola yang terbentuk pada inputnya, oleh karena itu salah
satu penggunaan Jaringan Syaraf Tiruan sebagai Pengenalan Pola (Pattern
Recognition).
Berdasarkan penelitian mengenai pengenalan pola menggunakan Jaringan
Syaraf Tiruan yang terus meningkat, penulis merasa bahwa metode Jaringan Syaraf
Tiruan dapat digunakan untuk membantu mengembangkan sebuah sistem perangkat
lunak untuk pengenalan digit angka meter air. Metode tadi diharapkan dapat
mengurangi permasalahan yang terjadi pada sistem pencatatan meter air, terutama
mampu mengenali keseluruhan digit meter air.

Universitas Sumatera Utara

14

1.2

Perumusan Masalah

Adapun rumusan masalah dari Tugas Akhir ini adalah sebagai berikut:
1. Bagaimana proses akuisi citra yang optimal untuk sistem pengenalan digit
angka meter air.
2. Bagaimana proses filtering terhadap noise dan segmentasi digit angka dari
background.
3. Bagaimana proses ekstraksi masing-masing digit angka yang terdapat pada
meter air.
4. Bagaimana proses pengenalan angka yang telah di ekstraksi.

1.3

Tujuan Penelitian
Merancang

aplikasi

dengan

memanfaatkan

pengolahan

citra

untuk

mengekstraksi masing-masing digit angka dan metode jaringan kohonen untuk
mengenali angka yang ada di dalam digit angka meter air.

1.4

Batasan Masalah

Untuk memudahkan pembahasan dalam tulisan ini maka dibuat batasan masalah
sebagai berikut:
1. Hanya membahas pembuatan aplikasi pengenalan angka pada indikator digit
angka meter air menggunakan jaringan kohonen.
2. Tidak membahas proses pendeteksian indikator digit angka meter air.
3. Objek yang dikenali berupa digit angka meter air.

Universitas Sumatera Utara

15

4. Pemrosesan citra dilakukan secara offline dimana citra yang akan diproses
telah di akuisisi terlebih dahulu menggunakan kamera digital telepon selular.
5. Sampel digit angka meter air yang diambil memiliki 6 digit angka.
6. Tidak menangani perhitungan rekening air.
7. Tidak mengambil citra yang tidak perlu, hanya mengambil citra pada
indikator digit angka meter air nya saja.

1.5

Metodologi Penelitian

Metodologi penelitian yang digunakan dalam tugas akhir ini adalah:
1. Menetapkan Defenisi Kebutuhan
Dilakukan pendefenisian kebutuhan yang sesuai untuk memecahkan masalah
yang sudah dirumuskan. Sistem mampu memecahkan masalah 2-3 pada tahap
preprocessing, dan untuk masalah 4 menggunakan tahap identifikasi
menggunakan jaringan kohonen.
2. Perancangan Proses yang Mendukung Sistem
Dilakukan perancangan terhadap beberapa proses awal (preprocessing) yang
mendukung sistem dapat mengenali citra dengan optimal, diantaranya proses
akuisi citra, proses filtering dan segmentasi, proses ekstraksi karakter dan
proses pengenalan.
3. Perancangan dan Pembuatan Perangkat Lunak
Dilakukan perancangan perangkat lunak dengan membuat algoritma
pencitraan untuk tahap preprocessing, proses training, proses identifikasi dan

Universitas Sumatera Utara

16

membuat flowchart nya. Perangkat lunak yang digunakan untuk pembuatan
sistem adalah MATLAB.
4. Pengujian dan Analisa
Pada tahap ini dilakukan pengujian aplikasi terhadap algoritma pencitraannya
lalu pengujian aplikasinya terhadap beberapa sampel meter air yang
jumlahnya telah disepakati dan menganalisa hasil pengujian, hingga hasil
yang sesuai atau tidak menyimpang terlalu jauh dari defenisi kebutuhan.
5. Penyusunan Naskah Tugas Akhir
Pada tahap ini dilakukan penulisan naskah, dimana didalamnya menjelaskan
teori yang dipergunakan serta penyusunan laporan penelitian yang telah
dilakukan.

1.6

Sistematika Penulisan
Materi pembahasan dalam tugas akhir ini diurutkan dalam beberapa bab yang

diuraikan sebagai berikut:
BAB I

: PENDAHULUAN
Bab ini merupakan gambaran menyeluruh tentang apa yang diuraikan dalam
Tugas Akhir ini, yaitu pembahasan tentang latar belakang, tujuan penulisan,
batasan masalah, metode penelitian, dan sistematika penulisan.

BAB II

: DASAR TEORI

Bab ini membahas mengenai indikator digit meter air yang akan dikenali
beberapa teori pengolahan citra, pengenalan pola, jaringan syaraf tiruan

Universitas Sumatera Utara

17

kohonen dan tools yang digunakan dalam pembuatan aplikasi pengenalan
digit angka pada meter air.
BAB III

: PERANCANGAN SISTEM

Bab ini membahas tentang proses akusisi citra, proses perancangan dan
pembuatan aplikasi pengenal angka pada digit meter air menggunakan
jaringan syaraf tiruan kohonen sesuai metodologi penelitian.
BAB IV

: HASIL PENGUJIAN DAN ANALISA

Bab ini membahas tentang pengujian dan analisa aplikasi yang dibuat dari
hasil simulasi terhadap sampel. Baik pengujian pada algoritma pencitraan,
pengenalan digit angka pada masing-masing digit dan pengenalan indikator
secara keseluruhan.
BAB V

: KESIMPULAN DAN SARAN

Bab ini membahas tentang kesimpulan dan saran dari aplikasi yang dibuat.

Universitas Sumatera Utara

BAB II
DASAR TEORI

2.1

Meter Air

Gambar 2.1 Meter Air

Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit
perhitungan dan unit indikator pengukur unruk menyatakan volume air yang lewat.
Bagian utama yang ada ditengahnya merupakan ruang untuk menempatkan alat
hitung yang mempunyai saluran masuk dan saluran keluar pada sisi yang berlawanan.
Unit indikator/ alat penunjuk pengukur terletak pada bagian utama, bagian ini
merupakan bagian dari meter air yang menunjukan hasil pengukuran [4], dapat secara
kontinu atau sesuai permintaan tergantung jenis meter airnya. Beberapa meter air
yang sudah digunakan dapat dilihat pada gambar 2.1. Pada Tugas Akhir ini, bagian
unit indikator/ alat penunjuk pengukur inilah yang nantinya akan dikenali nilainya

18

Universitas Sumatera Utara

19

menggunakan pengenalan pola. Adapun persyaratan umum dari meter air menurut
Badan Standarisasi Nasional (BSN) adalah sebagai berikut:

2.1.1 Unit Indikator/ Alat Penunjuk
Satuan pengukuran alat penunjuk volume air dinyatakan dalam satuan meter
kubik. Satuan m3 harus terdapat pada dial atau berdampingan dengan angka yang
ditampilkan. Alat penunjuk dilengkapi warna sebagai pengenal kelipatannya, warna
hitam digunakan untuk menunjukan meter kubik dan kelipatannya. Warna merah
digunakan untuk menunjukan sub-kelipatan dari meter kubik, warna-warna ini harus
digunakan pada jarum penunjuk, indeks, angka, roda, cakram, jarum, atau angka
jarum [4].

2.1.2

Tipe Alat Penunjuk
Tipe alat penunjuk pada meter air ada dua macam yaitu alat analog, alat

digital dan kombinasi alat analog dan digital. Namun pada Tugas Akhir ini hanya
dibahas bagian alat analog saja dikarenakan meter air di kota Medan hanya
menggunakan alat analog.
Volume ditunjukkan dengan gerakan kontinu dari satu atau lebih jarum
penunjuk yang bergerak relatif terhadap skala berjenjang atau skala melingkar
melalui suatu indeks. Nilai dinyatakan dalam meter kubik, untuk setiap skala divisi
harus dalam benuk 10n dimana n adalah angka positif atau negatif nol, dengan
demikian ditetapkan sistem dekade berurutan. Setiap skala harus berjenjang, nilai

Universitas Sumatera Utara

20

dinyatakan dalam meter kubik atau disertai dengan suatu faktor pengali (x 0,001; x
0,01; x 0,1; x 1; x 10; x 100; x 1000) dan seterusnya.
Gerakan linier jarum penunjuk atau skala-skala harus dari kiri ke kanan dan
searah jarum jam. Gerakan indikator-indikator roda di angka (drums) harus bergerak
keatas [4].
Secara ksesluruhan, meter air analog dapat dilihat pada gambar 2.2 (a) dan
gambar 2.2 (b).

Gambar 2.2 Meter Air Analog

2.2

Pengolahan Citra
Pengolahan citra adalah istilah umum untuk berbagai teknik yang dilakukan

untuk memanipulasi dan memodifikasi citra dengan bebagai teknik. Pengolahan citra
merupakan bagian penting yang mendasari berbagai aplikasi nyata, seperti
pengenalan pola, penginderaan jarak jauh melalui pesawat udara atau satelit dan
machine vision [1]. Pada pengenalan pola, pengolahan citra antara lain berperan
dalam memisahkan objek dari latar belakang dan mengklasifikasikannya secara
otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasian pola.

Universitas Sumatera Utara

21

Di dalam aplikasinya, citra seringkali mengalami degredasi, seperti misalnya
mengandung cacat atau derau, warna yang terlalu kontras, kabur, kurang tajam dan
sebagainya. Agar citra tersebut dapat secara tepat diinterpretasikan, maka citra
tersebut perlu dimanipulasi menjadi citra yang kualitasnya menjadi lebih baik.
Operasi-operasi pengolahan citra yang dapat diterapkan pada citra apabila:
1. Perbaikan atau modifikasi citra perlu dilakukan untuk meningkatkan
kualitas penampakan atau untuk menonjolkan beberapa aspek informasi
yang terkandung di dalam citra.
2. Elemen di dalam citra perli dikelompokkan, dicocokkan dan diukur.

2.2.1 Akuisisi Citra dan Sampling
Citra digital merupakan suatu citra kontinyu yang diubah kedalam bentuk
disktrit, baik koordinat maupun intensitas cahayanya. Dengan kata lain, citra digital
dibuat dengan cara mencuplik suatu citra kontinyu dengan jarak seragam. Suatu titik
terkecil pada citra sering disebut pixel. Citra ini mengandung persamaan-persamaan
matematis dari bentuk-bentuk dasar yang membentuk citra tersebut. Setelah citra
diakuisisi selanjutnya proses sampling, dimana suatu citra f(x,y) disampling dan
menjadi N x M array maka setiap elemen dari array merupakan kuantitas diskrit dari
citra yang disampling [2].

2.2.2 Pengolahan Awal Citra (Image Preprocessing)
Pengolahan awal perlu dilakukan untuk menyesuaikan hal-hal yang
dibutuhkan dalam proses-proses selanjutnya. tahapan ini menyangkut tentang operasi

Universitas Sumatera Utara

22

yang dilakukan pada citra digital. Operasi pengolahan citra banyak jenisnya. Namun
penulis memperkirakan untuk menggunakan beberapa operasi citra berikut dalam
aplikasi yang dibuat:
1. Perbaikan kualitas citra (Image enchancement) dan Grayscaling
2. Peredaman derau: lolos-rendah (Noise filter: low-pass)
3. Ekualisasi histogram (Histogram equalitation)
4. Segmentasi citra (Image segmentation)

2.2.2.1 Perbaikan Kualitas Citra dan Grayscaling
Proses perbaikan kualitas citra bertujuan untuk memperbaiki kualitas citra
dengan cara memanipulasi parameter-parameter citra. Dengan cara seperti ini ciri-ciri
khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh-contoh operasi
perbaikan kualitas:
1. Perbaikan kontras.
2. Perbaikan tepian objek.
3. Penajaman.

Universitas Sumatera Utara

23

(a)

(b)

Gambar 2.3 Pengolahan citra memungkinkan pengubahan kontras pada citra

Gambar 2.3(a) kurang jelas, tetapi melalui pengolahan citra dengan mengubah
nilai kontras pada citra yang gambarnya hendak dibuat lebih jelas seperti pada
gambar 2.3 (b) [1].
Selanjutnya, dilakukan proses grayscaling dimana citra berwarna diubah
menjadi citra beraras keabuan dengan bilangan bulat dengan intensitas pada setiap
pikselnya sekitar 0 hingga 255, karena untuk memproses citra dibutuhkan sebuah
parameter yang dapat dijadikan representasi karakteristik dari citra tersebut. Salah
satu pendekatan yang dapat dijadikan parameter karakteristik dari sebuah citra adalah
aras keabuannya.

2.2.2.2 Peredaman Derau
Derau yang diterima dalam citra umumnya memiliki spektrum frekuensi yang
lebih tinggi dari pada komponen citra. Oleh karena itu, filter lolos-rendah dapat
digunakan untuk menghilangkan derau.

Universitas Sumatera Utara

24

Filter lolos-rendah (low-pass filter) adalah filter dengan sifat dapat
meloloskan bagian berfrekuensi rendah dan menghilangkan yang berfrekuensi tinggi
[1]. Efek filter ini membuat perubahan aras keabuan menjadi lebih lembut. Filter ini
berguna untuk menghaluskan derau atau untuk kepentingan interpolasi tepi dalam
citra. Penulis menggunakan filter median, dimana setiap piksel dari citra diganti
dengan median dari tetangga piksel tersebut, contoh penggunaanya dapat dilihat pada
Gambar 2.4.

(a) Citra mobil dengan
bintik-bintik putih

(c) Citra boneka dengan
derau

(b) Hasil pemrosesan terhadap
gambar (a)

(d) Hasil pemrosesan terhadap
gambar (c)

Gambar 2.4 Contoh penerapan filter median

Universitas Sumatera Utara

25

2.2.2.3 Ekualisasi Histogram
Ekualisasi histogram merupakan suatu cara yang bertujuan untuk memperoleh
histogram dengan intensitas terdistribusi secara seragam pada citra. Namun, dalam
praktik hasilnya tidak benar-benar seragam [1]. Pendekatan yang dilakukan adalah
untuk mendapatkan aras keabuan yang lebih luas pada daerah yang memiliki banyak
piksel dan mempersempit aras keabuan pada daerah berpiksel sedikit. Efeknya dapat
digunakan untuk meningkatkan kontras secara menyeluruh.

2.2.2.4 Segmentasi Citra
Jenis operasi ini bertujuan untuk mendapatkan objek-objek yang diinginkan
(region of interest) dalam citra. Jenis operasi ini berkaitan erat dengan pengenalan
pola.

2.3

Sistem Pengenalan Pola
Sistem Pengenalan pola adalah proses identifikasi suatu objek dalam citra

dengan tujuan untuk mengklasifikasikan dan mendeskripsikan pola atau objek
kompleks melalui pengetahuan sifat-sifat atau ciri-ciri objek tersebut, sehingga
kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut
dapat ditentukan. Dengan kata lain, pengenalan pola membedakan suatu objek
dengan objek lain.
Secara umum struktur dari sistem pengenalan pola ditunjukan pada Gambar
2.5. Sistem terdiri atas sensor (misalnya kamera), suatu algoritma atau mekanisme
pencari fitur dan algoritma untuk klasifikasi atau pengenalan (bergantung pada

Universitas Sumatera Utara

26

pendekatan yang dilakukan) [2]. Sebagai tambahan, biasanya beberapa data yang
sudah diklasifikasikan diasumsikan telah tersedia untuk melatih sistem.

Gambar 2.5 Struktur Sistem Pengenalan Pola

Sensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah
menjadi sinyal digital (sinyal yang terdiri atas sekumpulan bilangan) melalui proses
digitalisasi.
Preprocessing berfungsi mempersiapkan citra atau sinyal agar dapat menghasilkan
ciri yang lebih baik pada tahap berikutnya. Pada tahap ini sinyal informasi
ditonjolkan dan sinyal pengganggu (derau) diminimalisir.
Pencarian dan seleksi fitur berfungsi menemukan karakteristik pembeda yang
mewakili sifat utama sinyal dan sekaligus mengurangi dimensi sinyal menjadi
sekumpulan bilangan yang lebih sedikit tetapi representatif.
Algoritma klasifikasi berfungsi unutk mengelompokan fitur ke dalam kelas yang
sesuai.
Algoritma deskripsi berfungsi memberikan deskripsi pada sinyal.

Universitas Sumatera Utara

27

2.4

Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (JST) diketahui sebagai suatu sistem pemroses

informasi yang memiliki karakteristik mirip dengan jaringan syaraf manusia
(biologi). Jaringan syaraf tiruan terbentuk sebagai generalisasi model matematika
jaringan syaraf manusia didasarkan pada asumsi berikut [3]:
1. Pemrosesan informasi terjadi pada banyak elemen sederhana yang disebut
neuron.
2. Sinyal mengalir diantara neuron/sel syaraf melalui penghubung.
3. Setiap penghubung memiliki bobot yang independen. Bobot ini akan
digunakan untuk menggandakan sinyal yang dikirim melaluinya.
4. Setiap neuron/sel syaraf akan menerapkan fungsi aktivasi terhadap sinyal hasil
penjumlahan bobot yang masuk untuk menentukan sinyal keluarannya.
Model syaraf pada jaringan syaraf tiruan akan mempengaruhi kemampuan
dalam proses hingga hasilnya. Kemampuan yang dimiliki jaringan syaraf tiruan dapat
digunakan untuk belajar dan menghasilkan aturan atau parameter dari beberapa
contoh input yang dimasukkan dan membuat prediksi tentang kemungkinan output
yang akan muncul atau menyimpan karakteristik dari input yang diperolehnya.
Jaringan syaraf tiruan memiliki suatu bentuk arsitektur terdistribusi paralel
dengan sejumlah besar node dan hubungan antara node tersebut. Tiap titik hubungan
dari suatu node ke node lain memiliki nilai yang nantinya dihubungkan dengan bobot
dimana hasilnya merupakan suatu nilai yang juga akan dihubungkan dengan nilai
aktivasi node tersebut.
Jaringan syaraf tiruan ditentukan oleh 3 hal:

Universitas Sumatera Utara

28

1. Pola hubungan antara neuron (disebut arsitektur jaringan).
2. Metode

untuk

menentukan

bobot

penghubung

(disebut

metode

training/learning/algoritma).
3. Fungsi aktivasi.
Neuron merupakan hasil pemodelan dari sel syaraf manusia (biologi) yang
sebenarnya. Gambar 2.6 merupakan bentuk dasar dari struktur unit jaringan syaraf
tiruan.

Gambar 2.6 Bentuk Dasar Jaringan Syaraf Tiruan

Pada Gambar 2.6 sisi sebelah kiri merupakan masukan menuju ke unit
pengolahan dimana masing-masing masukan datang dari unit berbeda X(n). Setiap
sambungan dari masukan ke unit pengolah memiliki kekuatan hubungan bervariasi
yang sering disebut dengan ‘bobot’ yang disimbolkan dengan w(n). Unit pengolahan
akan membentuk penjumlahan dari tiap masukan-masukan dengan bobot yang
dimilikinya dan menggunakan fungsi ambang yang disebut sebagai fungsi aktivasi
untuk menghitung hasil keluarannya. Hasil perhitungan akan dikirim melalui
sambungan unit pengolah menuju keluaran seperti tampak pada sisi sebelah kanan
gambar.

Universitas Sumatera Utara

29

Pada masing-masing sambungan antar unit pengolah dan masukan berperan
sebagai penghubung. Nilai-nilai numerik dilewatkan sepanjang sambungan ini dari
masukan ke unit pengolah dan ke unit pengolah lainnya. Ketika unit pengolah
melakukan perhitungan, nilai-nilai ini diberi bobot berdasarkan kekuatan hubungan.
Kekuatan hubungan pada setiap sambungan akan disesuaikan selama tahap pelatihan
sehingga pada akhir pelatihan dihasilkan jaringan dengan bobot yang mantab.
Sebagian besar jaringan syaraf tiruan mengalami penyesuaian bobot pada saat
proses pelatihan. Pelatihan pada jaringan dapat berupa pelatihan terbimbing
(supervised) dan pelatihan tak terbimbing (unsupervised). Pada pelatihan terbimbing
dibutuhkan pasangan masukan dan sasaran untuk tiap pola yang dilatih, sehingga
jaringan akan menyesuaikan pola masukan yang dilatih terhadap sasarannya.
Sedangkan pelatihan tak terbimbing, penyesuaian bobot sebagai tanggapan terhadap
masukan, tak perlu disertai sasaran. Dalam pelatihan tak terbimbing, jaringan
mengklasifikasikan pola-pola yang ada berdasarkan kategori kesamaan pola-pola
masukan [3].
Jaringan syaraf tiruan dirancang dengan menggunakan suatu standar peraturan
dimana seluruh model jaringan memiliki konsep dasar yang sama. Banyak model
yang dapat digunakan sebagai jaringan syaraf tiruan, dimana model sebuah jaringan
akan menentukan keberhasilan sasaran yang dicapai karena tidak semua
permasalahan dapat diselesaikan dengan model arsitektur yang sama.
Seperti yang telah dijelaskan sebelumnya pada beberapa model jaringan
fungsi aktivasi menjadi sangat penting karena menentukan nilai keluaran dari suatu

Universitas Sumatera Utara

30

algoritma. Beberapa fungsi yang digunakan dalam jaringan syaraf tiruan diantaranya
adalah:
1. Fungsi threshold (dengan batas ambang)
1

≥

0

<

...................................................................................... (2.1)

f(x )=

Untuk beberapa kasus, fungsi threshold yang dibuat tidak berharga 0 atau 1,
tapi berharga -1 atau 1 (sering disebut threshold bipolar). Maka persamaan
fungsi menjadi:
1

≥
................................................................................... (2.2)

f(x) =
−1

<

2. Fungsi Sigmoid
f(x) =

................................................................................................. (2.3)

Fungsi sigmoid sering dipakai karena nilai fungsinya yang terletak antara 0
dan 1 dan dapat diturunkan dengan persamaan berikut:
f’(x) = f(x) (1-f(x)) .......................................................................................... (2.4)
3. Fungsi Identitas
f(x) = x ............................................................................................................ (2.5)
Fungsi identitas sering dipakai apabila kita menginginkan keluaran jaringan
berupa sebarang bilangan riil (bukan hanya pada range [0,1] atau [-1,1]
Jaringan syaraf tiruan Kohonen merupakan salah satu model jaringan syaraf
tiruan yang banyak digunakan dan juga penulis gunakan untuk proses pengenalan

Universitas Sumatera Utara

31

pola pada aplikasi yang dirancang. Penjelasan mengenai jaringan syaraf tiruan
Kohonen lebih lengkapnya akan dijelaskan pada subbab 2.5.

2.5

Jaringan Syaraf Tiruan Kohonen
Jaringan yang ditemukan oleh Kohonen merupakan salah satu model jaringan

syaraf tiruan yang banyak digunakan. Pada jaringan ini, suatu lapisan yang terdiri dari
kumpulan neuron-neuron akan menyusun dirinya sendiri berdasarkan input nilai
tertentu menjadi kelompok-kelompok yang dikenal dengan istilah cluster [3]. Selama
proses penyusunan (pelatihan), kelompok atau cluster yang memiliki vektor bobot
yang paling cocok dengan pola input (memiliki jarak paling dekat) akan terpilih
sebagai pemenang.

2.5.1

Arsitektur Jaringan Kohonen
Jika masukan jaringan berupa vektor yang memiliki n komponen (tuple) yang

akan dikelompokkan dalam maksimum m buah kelompok (disebut vektor contoh).
Keluaran jaringan adalah kelompok yang paling dekat dengan masukan yang
diberikan. Ada beberapa ukuran kedekatan yang dapat dipakai. Ukuran yang sering
digunakan adalah jarak euclidean yang paling minimum [3].
Bobot-bobot pada vektor contoh berfungsi sebagai penentu kedekatan vektor
contoh tersebut dengan masukan yang diberikan. Selama proses identifikasi, vektor
contoh yang pada saat itu paling dekat dengan masukan akan muncul sebagai
pemenang. Vektor pemenang (dan vektor-vektor sekitarnya) akan dimodifikasi
bobotnya untuk lebih mendekati kepada masukan.

Universitas Sumatera Utara

32

Arsitektur jaringan syaraf tiruan kohonen dapat dilihat pada Gambar 2.7.

Gambar 2.7 Arsitektur Jaringan Kohonen

Dari Gambar 2.7, dapat dilihat arsitektur ini mirip dengan model jaringan
syaraf tiruan pada umumnya yang menunjukkan arsitektur jaringan dengan n unit
input (x1, x2, …, xn) dan m buah unit output (y1, y2, …, ym). Semua unit input
dihubungkan dengan semua unit output, meskipun dengan bobot yang berbeda-beda.
Besaran wji menyatakan bobot hubungan antara unit ke-i dalam input dengan unit ke-j
dalam output. Bobot-bobot ini saling independen. Selama proses pelatihan, bobotbobot tersebut dimodifikasi untuk meningkatkan keakurasian hasil. Hanya saja
jaringan Kohonen tidak menggunakan perhitungan net (hasil kali masukan dengan
bobot) maupun fungsi aktivasi. Misalkan pada suatu iterasi tertentu, vektor contoh w
menjadi pemenang. Maka pada iterasi berikutnya, vektor w dan vektor-vektor
sekitarnya akan dimodifikasi bobotnya. Gambar 2.8 menunjukkan kasus untuk vektor
w berupa vektor 1 dimensi (dengan jarak R=2), sedangkan Gambar 2.9 a dan b
menunjukkan vektor sekitar w jika w direpresentasikan dalam 2 dimensi dengan R=1
dan R=2. Jika menggunakan bentuk bujur sangkar dengan jarak R=1, ada 8 vektor

Universitas Sumatera Utara

33

disertai vektor w (gambar 2.9 a). Tetapi jika menggunakan bentuk heksagonal ada 6
vektor disekitar vektor w (gambar 2.9 b).

Gambar 2.8 Vektor w Berupa Vektor 1 Dimensi

Gambar 2.9 Vektor w Berupa Vektor 2 Dimensi

Algoritma pengelompokan pola jaringan Kohonen adalah sebagai berikut:
1. Inisialisasi
a. Bobot wji (acak).
b. Laju pemahaman awal dan faktor penurunannya.
c. Bentuk dan jari-jari (=R) topologi sekitarnya.
2. Selama kondisi

penghentian

bernilai salah, lakukan langkah 2 sampai

langkah 7

Universitas Sumatera Utara

34

3. Untuk setiap vektor masukan x, dilakukan langkah 3 sampai langkah 5
4. Hitung

( ) = ∑ (wji-xi)2 untuk semua j ...................................... (2.6)

5. Tentukan indeks J sedemikian sehingga D(J) minimum
6. Untuk setiap unit j disekitar J modifikasi bobot:

Wjibaru = Wjilama + α(xi – Wjilama) ............................................ (2.7)
7. Modifikasi laju pemahaman
8. Uji kondisi penghentian
Kondisi penghentian iterasi adalah selisih antara wji saat itu dengan wji iterasi
sebelumnya. Apabila semua wji akan berubah sedikit saja, berarti iterasi sudah
mencapai konvergensi sehingga dapat dihentikan.

Universitas Sumatera Utara

BAB III
PERANCANGAN SISTEM

3.1

Umum
Sistem ini tidak jauh berbeda dengan sistem pengenal angka pada umumnya.

Dari tahapan preprocessing hingga proses training dan identifikasi digit angka
algoritma dirancang hanya untuk mengenal objek berupa indikator digit angka meter
air dengan 6 digit angka sehingga membutuhkan proses pengolahan citra yang terkait
dengan karakteristik citra indikator digit angka meter air termasuk teknik pada proses
akuisisinya, sistem dibuat menggunakan software MATLAB dan pada bab ini akan
dibahas mengenai proses perancangan bagaimana proses awal hingga sistem dapat
mengenali angka pada indikator digit meter air.
Secara umum jaringan syaraf tiruan digunakan pada tahap pelatihan (training)
pola yang diketahui hingga memberikan keluaran yang berperan pada proses
identifikasi pola. Sistem ini merupakan rancangan awal yang belum memiliki
algoritma pendeteksian letak indikator digit angka pada meter air sehingga masukan
sistem hanya berupa citra indikator meter air saja.
Pada bab ini akan dibahas proses akusisi citra, preprocessing, proses
segmentasi, pembentukan jaringan hingga training jaringan dan proses identifikasi
digit angka menggunakan jaringan syaraf tiruan Kohonen sebagai unit pengolah
informasinya.

35

Universitas Sumatera Utara

36

3.2

Perancangan Sistem
Sasaran dari tugas akhir ini ialah sistem mampu mengenali angka pada

indikator digit meter air dengan menggunakan jaringan syaraf tiruan Kohonen sebagai
sistem pemroses informasinya. Aplikasi yang dibuat terdiri dari 5 tahap yaitu akuisi
citra, tahapan preprocessing, proses segmentasi hingga proses training dan
identifikasi digit angka. Blok diagram aplikasi pengenal angka pada indikator digit
angka meter air dapat dilihat pada Gambar 3.1.

Gambar 3.1 Blok Diagram Aplikasi Pengenalan Angka Pada Digit Meter Air

Pengujian algoritma pencitraan hingga menampilkan hasil identifikasi dibuat
menggunakan software MATLAB. Aplikasi pengenal angka digit meter air dirancang
dengan menggunakan komputer dengan spesifiksi sebagai berikut:
Sistem Operasi

: Windows 7 Ultimate

Processor

: Pentium® Dual Core 3.00 GHz

VGA Card

: ATI RADEON 5500 HD

Software

: MATLAB® R2011b

Universitas Sumatera Utara

37

Memory

3.3

: 2048 GB DDR2

Akusisi Citra dan Sampling
Tahap akusisi citra menjadi hal yang cukup berpengaruh untuk proses

pengolahan citra selanjutnya karena proses pengambilan informasi yang diinginkan
pada citra digit angka meter air yang akan dikenali terjadi pada tahap ini. Sasaran
citra pada sistem ini adalah digit angka pada indikator meter air yang ditandai pada
kotak berwarna kuning seperti tampak pada Gambar 3.2.

Gambar 3.2 Sasaran Citra pada Sistem

Penulis membatasi penelitian sesuai batasan masalah yaitu berfokus pada
pembahasan mengenai segmentasi dan pengenalan angka pada digit angka di
indikator meter airnya saja. Sehingga citra yang diambil sebagai objek yang akan
dikenali sistem hanya bagian indikator digit angka pada meter airnya saja, seperti
pada gambar 3.3.

Universitas Sumatera Utara

38

Gambar 3.3 Citra Indikator Digit Angka sebagai Objek yang Diproses Sistem

Citra indikator digit angka yang diperoleh ini selanjutnya akan diproses oleh
sistem ke tahap sampling yaitu citra dari domain spasial didijitasi menjadi suatu array
(matriks) berukuran N x M dan setiap elemen pada matrik ini merupakan kuantitas
diskrit. Proses sampling citra pada MATLAB menggunakan perintah imread [1].

3.4

Proses Awal (Preprocessing)
Citra yang diinginkan adalah digit angka dengan angka yang terletak tepat

ditengah segmen kotak pada masing-masing angka, tidak ada pantulan/ atau bias
cahaya pada meter air dan debu atau pasir yang menghalangi sehingga angka dapat
jelas terlihat. Namun pada kenyataannya banyak meter air yang dalam keadaan kotor,
berpasir, kaca pelindung indikator dalam keadaan lecet (banyak goresan) dan
peletakan meter air yang tidak mendukung. Sehingga penulis melakukan tahap
preprocessing untuk mengurangi noise/ gangguan yang disebutkan, penulis
menggambarkan proses preprocessing menggunakan diagram alir yang tampak pada
Gambar 3.4.

Universitas Sumatera Utara

39

Gambar 3.4 Diagram Alir Preprocessing

Adapun tahapan yang terkait didalam proses ini yaitu proses yaitu:
1. Proses Grayscaling
2. Proses Contrasting
3. Ekualisasi Histogram
4. Low-pass Filter Median
5. Proses Binarization

Universitas Sumatera Utara

40

1.

Proses Grayscaling
Proses ini dilakukan dengan mengkonversi citra berwarna dengan tiga elemen

RGB (Red Green Blue) menjadi bentuk grayscale dengan level 2 8 atau citra berskala
keabuan 0-255. Proses ini dilakukan pada setiap piksel citra, dengan cara ini setiap
piksel memiliki satu jenis warna dengan intensitas yang berbeda-beda. Tujuannya
adalah untuk menghasilkan citra dengan intensitas yang lebih terukur agar dapat
dilakukan pengolahan selanjutnya. Hasil grayscaling citra dapat dilihat pada Gambar
3.5.

Gambar 3.5 Hasil Grayscaling Citra

2.

Proses Contrasting
Pada Gambar 3.5 citra indikator digit angka masih terlihat terlalu gelap dan

informasi yang akan disegmentasi yaitu angka belum mengalami perbedaan yang
cukup signifikan terhadap objek lain pada citra. Sehingga perlu dilaku