Pengembangan dan implementasi Learning Vector Quantization (LVQ) pada aplikasi pengenalan jenis ricikan keris Jawa berbasis smartphone

(1)

PENGEMBANGAN DAN IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN JENIS

RICIKAN KERIS JAWA BERBASIS SMARTPHONE

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh : Firliza Razuna

109091000090

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA


(2)

ii | P a g e PENGEMBANGAN DAN IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN JENIS

RICIKAN KERIS JAWA BERBASIS SMARTPHONE

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh : Firliza Razuna

109091000090

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA


(3)

(4)

(5)

v | P a g e

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR

HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKANSEBAGAI SKRIPSI

ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA

MANAPUN.

Jakarta, April 2014


(6)

vi | P a g e ABSTRAK

Firliza Razuna, Pengembangan dan Implementasi Learning Vector Quantization

(LVQ) pada Aplikasi Pengenalan Ricikan Keris Jawa berbasis Smartphone, dibimbing oleh A. Hanifa Setyaningrum, M.Si dan Victor Amrizal, M.Kom.

Keris merupakan salah satu bukti sejarah yang menggambarkan budaya Indonesia dan memiliki unsur seni yang tinggi. Sedikitnya pengetahuan pemuda Indonesia sekarang ini akan sebuah Keris dapat menjadi salah satu penyebab yang dapat mengakibatkan hilangnya budaya Keris dari Indonesia bahkan akan terjadi hak kepemilikan Keris oleh bangsa lain. Ricikan menjadi suatu bagian dari keris dimana banyak masyarakat banyak yang tidak mengetahui jenisnya. Jenis Ricikan dapat dikenali dan diidentifikasi dengan salah satu metode pengenalan pola yaitu

Learning Vector Quantization (LVQ). Sebelum proses pengenalan pola, gambar dari Ricikan akan diolah dengan menggunakan library OpenCV. Dari masalah diatas, penulis akan mengembangkan sebuah aplikasi berbasis smartphone yang dapat mengenalkan Keris Jawa kepada masyarakat dan mengenali serta mengidentifikasi jenis Ricikan dari Keris Jawa itu sendiri.

Kata Kunci : LVQ, Learning Vector Quantization,Jaringan Syaraf Tiruan, Ricikan, Keris Jawa, OpenCV dan Smartphone

Daftar Pustaka : 22 (Tahun 2002 - Tahun 2013)

Jumlah Halaman : V Bab + xxi Halaman + 147 Halaman + 32 Tabel + 105 Gambar + 22 Daftar Pustaka + 5 Lampiran + L-26 Halaman, 2014.


(7)

vii | P a g e

KATA PENGANTAR

Bismillaahirrahmaanirrahiim,

Segala puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala karunia, rahmat dan kekuatan, juga segala petunjuk dan kemudahan sehingga penulis dapat menyelesaikan penulisan skripsi ini dengan sebaik-baiknya. Shalawat serta salam tak lupa penulis haturkan kepada junjungan kita Nabi besar Muhammad SAW, para sahabat, keluarga serta muslimin dan muslimat, semoga kita mendapatkan syafa’at-Nya di akhirat kelak. Aamiin.

Skripsi ini berjudul “Pengembangan dan Implementasi Learning Vector Quantization (LVQ) pada Aplikasi Pengenalan Jenis Ricikan Keris Jawa berbasis Smartphone, yang disusun untuk memenuhi salah satu syarat dalam menyelesaikan program S1 pada Program Studi Teknik Informatika di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Penulis menyadari bahwa Skripsi ini tidak dapat terselesaikan tanpa bantuan dari pihak lain. Oleh karena itu, izinkanlah penulis mengucapkan “terima kasih” kepada semua pihak yang telah membantu dalam penulisan Skripsi ini, terutama kepada:

1. Kedua Orang Tua Penulis yang tidak henti-hentinya selalu memberikan semangat dan dukungan baik dalam bentuk do’a, materi serta kasih sayang yang melimpah.

2. Bapak DR. Agus Salim, M.Si, selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.


(8)

viii | P a g e 3. Ibu Nurhayati P.hD, selaku Ketua Program Studi Teknik Informatika

Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

4. Ibu A.Hanifa Setyaningrum, M.Si dan Bapak Victor Amrizal, M.Kom.,

selaku dosen pembimbing yang senantiasa sabar dan selalu memberikan semangat, arahan dan bimbingan yang bermanfaat dalam proses penyusunan skripsi ini.

5. Sahabat Teknik Informatika 2009 terutama TIB 2009. Terima kasih untuk kebersamaan dan kerjasama yang terjalin selama menimba ilmu di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

6. Lukmanul Hakim, S.Kom. Terima kasih untuk waktu yang habis untuk penulis, ilmu yang udah banyak disalurin ke penulis dan perhatian yang mungkin sedikit tapi berarti banyak untuk penulis. 7. Semua pihak yang terlibat secara langsung maupun tidak langsung

membantu penulis dalam menyelesaikan Skripsi ini.

Akhir kata penulis mengharapkan mudah-musahan Skripsi ini dapat dipahami dan bermanfaat bagi mahasiswa/i Fakultas Sains dan Teknologi di Universitas Islam Negeri Syarif Hidayatullah Jakarta dan semua pihak serta dapat menambah wacana pembaca.

Wallahulmuafiq Illa Aqwamith Thariq Qassalamu’alaikum Wr. Wb.

Jakarta, 22 April 2014


(9)

ix | P a g e PERSEMBAHAN

Syukur Alhamdulillahirabbil’Alamiin, segala puja dan puji bagi Allah SWT atas segala nikmat serta limpahan rahmat dan hidayah-Nya, sehingga Skripsi ini dapat terselesaikan. Sholawat dan salam semoga tetap terlimpahkan kepada Nabi Muhammad SAW, beserta keluarga dan para sahabatnya.

Dengan terselesaikannya Skripsi ini, penulis persembahkan untuk kedua orang tua penulis, Mama dan Ayah, Hj. Nur Andayani dan Drs. H. Tarmizi yang selalu ikhlas mendo’akan, mengorbankan tenaga, pikiran, memberi dukungan dan nasihat pada penulis demi kesuksesan penulis.

Penulis persembahkan pula untuk adik-adik tersayang, Raihan Sururi dan Muhamad Rafif semoga kelak menjadi orang yang berguna di dunia dan akhirat, dan teruslah merasa haus dalam menuntut ilmu.

Tidak lupa pula penulis persembahkan untuk semua sahabat TIB 2009 yang telah menemani, memberikan saran dan semangat kepada penulis dalam menyelesaikan kuliah S1 di Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta. Terima kasih untuk semua kenangan terindah yang kalian berikan. Terima kasih untuk waktu yang selalu kalian luangkan untuk berkumpul, bercerita dan berbagi suka maupun duka. Terima kasih atas segalanya dan semoga silaturrahmi kita selalu terjaga. You always be my best and my lovely friends ever, thank you so much…


(10)

x | P a g e DAFTAR ISI

Halaman

HALAMAN JUDUL ... ... ii

LEMBAR PERSETUJUAN PEMBIMBING ... iii

LEMBAR PENGESAHAN SKRIPSI ... iv

LEMBAR PERNYATAAN ... v

ABSTRAK ... vi

KATA PENGANTAR ... vii

LEMBAR PERSEMBAHAN ... ix

DAFTAR ISI ... x

DAFTAR TABEL ... xiv

DAFTAR GAMBAR ... xvi

DAFTAR LAMPIRAN ... xxi

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 3

1.3. Batasan Masalah ... 4

1.4. Tujuan Penelitian ... 5

1.5. Manfaat Penelitian ... 5

1.6. Metodologi Penelitian ... 6


(11)

xi | P a g e

BAB II LANDASAN TEORI ... 9

2.1 Keris ... ... 9

2.1.1. Ricikan ... 9

2.1.2. Luk ... ... 13

2.1.3. Tangguh ... 14

2.1.4. Dhapur ... 16

2.1.5. Pamor ... 26

2.2. Artificial Intelegence ... 27

2.3. Computer Vision ... 29

2.4. Image Processing ... 29

2.4.1. Membaca Citra ... 30

2.4.2. Operasi Geometrik ... 30

2.4.3. Segmentasi Citra ... 31

2.4.4. Konversi Citra Berskala Keabuan ... 32

2.4.5. Ekstraksi Fitur ... 33

2.4.6. Deteksi Tepi Canny ... 35

2.4.7. Mengetahui Ukuran Citra ... 40

2.4.8. Konversi Citra Biner ... 41

2.5. Pengenalan Pola ... 41

2.5.1 Struktur dari Sistem Pengenalan Pola ... 42

2.5.2 ANN (Artificial Neural Network) ... 43

2.5.3 LVQ (Learning Vector Quantization) ... 44


(12)

xii | P a g e

2.7. Smartphone………… ... 47

2.1.1. The Dalvik Virtual Machine (DVM) ... 48

2.1.2. Android SDK (Software Development Kit) ... 48

2.1.3. ADT (Android Development Tools) ... 49

2.8. Penelitian Kualitatif ... 50

2.9. Model Pengembangan Sistem RAD (Rapid Application Development) ... ... 51

2.10.Tools Pengembangan Sistem ... 52

2.11.Penelitian Sejenis ... 57

BAB III METODOLOGI PENELITIAN ... 59

3.1. Metode Pengumpulan Data ... 59

3.1.1. Data Primer .. ... 59

3.1.2. Data Sekunder.. ... 62

3.2. Metode Pengembangan Sistem ... 62

3.2.1. Fase Perencanaan Syarat-Syarat ... 63

3.2.2. Fase Perancangan ... 64

3.2.3. Fase Kontruksi ... 65

3.2.4. Fase Pelaksanaan ... 66

3.3. Kerangka Pemikiran ... 67

BAB IV PEMBAHASAN DAN HASIL ... 68

4.1. Metode Pengumpulan Data ... 68

4.1.1.Data Primer... 68


(13)

xiii | P a g e

4.2. Metode Pengembangan Sistem ... 73

4.2.1.Fase Perencanaan Syarat-Syarat ... 74

4.2.1.1Analisis Masalah ... 74

4.2.1.2Solusi Permasalahan ... 74

4.2.1.3Identifikasi Kebutuhan Sistem ... 75

4.2.2.Fase Perancangan ... 75

4.2.2.1 .Perancangan Alur Proses ... 75

4.2.2.2 .Perancangan Pemodelan Object ... 83

4.2.2.3 .Perancangan Database... 104

4.2.2.4 .Perancangan User Interface ... 105

4.2.3.Fase Kontruksi ... 111

4.2.3.1. Kontruksi Image Processing ... 111

4.2.3.2. Kontruksi Learning Vector Quantization (LVQ) ... 115

4.2.3.3. Kontruksi User Interface ... 117

4.2.4.Fase Pelaksanaan ... 124

4.2.4.1. . Pengujian Mandiri ... 125

4.2.4.2. . Pengujian Lapangan ... 143

BAB V PENUTUP ... 144

5.1. Kesimpulan ... 144

5.2. Saran ... 145

DAFTAR PUSTAKA ... 146 LAMPIRAN


(14)

xiv | P a g e DAFTAR TABEL

Halaman

Tabel 2.1 Daftar Ricikan Keris ... 10

Tabel 2.2 Daftar Luk Keris ... ... 14

Tabel 2.3 Daftar Tangguh Keris ………. ... 15

Tabel 2.4 Daftar Dhapur Keris ………. ... 16

Tabel 2.5 Daftar Pamor Keris ... 26

Tabel 2.6 Perbandingan NN dengan ANN ……….. ... 44

Tabel 2.7 Penelitian Sejenis ... 58

Tabel 3.1 Pertanyaan Wawancara ... 60

Tabel 4.1 Pekerjaan Responden ... 69

Tabel 4.2 Daftar Pertanyaan Quisioner ... 70

Tabel 4.3 Hasil Quisioner Pengguna Smartphone ... 71

Tabel 4.4 Hasil Quisioner Pengetahuan Keris ... 72

Tabel 4.5 Hasil Quisioner Aplikasi Keris ... 72

Tabel 4.6 Identifikasi Aktor ... 83

Tabel 4.7 Identifikasi Use Case ... 84

Tabel 4.8 Narasi Use Case Login... 87

Tabel 4.9 Narasi Use Case Pelatihan Ricikan ... 88

Tabel 4.10 Narasi Use Case Informasi Keris Jawa ... 89

Tabel 4.11 Narasi Use Case Cek Ricikan ... 90


(15)

xv | P a g e

Tabel 4.13 Tabel Bobot ... 104

Tabel 4.14 Skenario Pengujian ... 125

Tabel 4.15 Pengujian Login ... 126

Tabel 4.16 Pengujian Pelatihan Ricikan ... 126

Tabel 4.17 Pengujian Informasi Keris Jawa ... 127

Tabel 4.18 Pengujian Cek Ricikan ... 128

Tabel 4.19 Pengujian Logout ... 129

Tabel 4.20 Tabel Gambar Bobot Awal ... 129

Tabel 4.21 Tabel Gambar Sample... 130

Tabel 4.22 Perhitungan Jarak Antar Gambar ... 130

Tabel 4.23 Hasil Persentasi Input ... 131


(16)

xvi | P a g e DAFTAR GAMBAR

Halaman

Gambar 2.1 Ricikan Keris ... 13

Gambar 2.2 Pamor Mrambut ... ... 26

Gambar 2.3 Pamor Gajih………. ... 27

Gambar 2.4 Pamor Sanak ... ………. ... 27

Gambar 2.5 Pamor Pejetan... 27

Gambar 2.6 Segmentasi sebagai langkah awal sistem klasifikasi ... 31

Gambar 2.7 Matriks piksel berukuran 5x5 ... 37

Gambar 2.8 Area untuk mengonversi arah tepi ke dalam kategori salah satu dari arah 0o, 45o, 90o, dan 135o ... 37

Gambar 2.9 Penghilangan non-maksimum ... 39

Gambar 2.10 Pengujian untuk mengubah nilai 128 menjadi 255 ... 40

Gambar 2.11 Sistem koordinat citra berukuran M x N (M baris dan N kolom) . 40 Gambar 2.12 Struktur Sistem Pengenalan Pola……….. ... 42

Gambar 2.13 Ilustrasi Model ANN……….. ... 44

Gambar 2.14 Jaringan LVQ……….. ... 46

Gambar 2.15 Ilustrasi Model Rapid Application Development……….. ... 51

Gambar 2.16 Contoh Diagram Model Use Case……….. ... 54

Gambar 2.17 Contoh Model Class Diagram……….. ... 55

Gambar 2.18 Contoh Model Activity Diagram ... 56


(17)

xvii | P a g e

Gambar 3.1. Kerangka Pemikiran ... 67

Gambar 4.1 Alur Proses Aplikasi Pengenalan Jenis Ricikan Keris Jawa berbasis Smartphone ... 77

Gambar 4.2 Alur Proses Aplikasi Pengenalan Jenis Ricikan Keris Jawa berbasis Smartphone Lanjutan ... 78

Gambar 4.3 Alur Proses Pengolahan Citra ... 79

Gambar 4.4 Alur Proses Algoritma Pelatihan LVQ ... 81

Gambar 4.5 Alur Proses Algoritma Pelatihan LVQ Lanjutan ... 82

Gambar 4.6. Use Case Diagram Admin ... 85

Gambar 4.7 Use Case Diagram User ... 86

Gambar 4.8 Activity Diagram Login ... 92

Gambar 4.9 Activity Diagram Pelatihan Ricikan ... 93

Gambar 4.10 Activity Diagram Informasi Keris Jawa ... 94

Gambar 4.11 Activity Diagram Cek Ricikan ... 95

Gambar 4.12 Activity Diagram Logout ... 96

Gambar 4.13 Sequence Diagram Login ... 97

Gambar 4.14 Sequence Diagram Pelatihan Ricikan ... 98

Gambar 4.15 Sequence Diagram Informasi Keris Jawa ... 99

Gambar 4.16 Sequence Diagram Cek Ricikan... 100

Gambar 4.17 Sequence Diagram Logout ... 101

Gambar 4.18 Class Diagram Aplikasi ... 102

Gambar 4.19 Tampilan Awal Menu Login ... 105

Gambar 4.20 Tampilan Awal Menu Admin ... 105


(18)

xviii | P a g e

Gambar 4.22 Tampilan Awal Submenu Pelatihan Ricikan ... 105

Gambar 4.23 Tampilan Awal Hasil Perhitungan Proses LVQ ... 106

Gambar 4.24 Pop Out Awal Simpan Bobot Baru ... 106

Gambar 4.25 Tampilan Awal Video Intro ... 106

Gambar 4.26 Tampilan Awal Submenu Informasi Keris Jawa ... 106

Gambar 4.27 Pop Out Awal Komponen Keris Jawa ... 107

Gambar 4.28 Tampilan Awal Informasi Luk ... 107

Gambar 4.29 Tampilan Awal Informasi Animasi Luk ... 107

Gambar 4.30 Tampilan Awal Informasi Ricikan ... 107

Gambar 4.31 Tampilan Awal Informasi Gambar Ricikan ... 108

Gambar 4.32 Tampilan Awal Informasi Dhapur ... 108

Gambar 4.33 Tampilan Awal Informasi Daftar Dhapur ... 108

Gambar 4.34 Tampilan Awal Informasi Pamor ... 108

Gambar 4.35 Tampilan Awal Informasi Jenis Pamor ... 109

Gambar 4.36 Tampilan Awal Informasi Tangguh ... 109

Gambar 4.37 Tampilan Awal Informasi Jenis Tangguh ... 109

Gambar 4.38 Tampilan Awal Submenu Cek Ricikan ... 109

Gambar 4.39 Pop Out Awal Bobot Diperbaharui ... 110

Gambar 4.40 Tampilan Awal Capture Ricikan Yang Ingin Dikenali ... 110

Gambar 4.41 Tampilan Awal Save Picture ... 110

Gambar 4.42 Pop Out Awal Pilih Aplikasi Galeri ... 110

Gambar 4.43 Tampilan Awal Galeri ... 111

Gambar 4.44 Tampilan Awal Hasil Presentasi ... 111


(19)

xix | P a g e

Gambar 4.46 Fungsi createScaledBitmap() ... 112

Gambar 4.47 Fungsi bitmapToMat() ... 113

Gambar 4.48 Fungsi CvtColor() ... 113

Gambar 4.49 Fungsi Canny() ... 113

Gambar 4.50 Fungsi matToBitmap() ... 114

Gambar 4.51 Fungsi getWidth() dan getHeight() ... 114

Gambar 4.52 Fungsi Konversi Citra Biner ... 115

Gambar 4.53 Fungsi lvq() ... 115

Gambar 4.54 Fungsi pejetan() ... 116

Gambar 4.55 Tampilan Awal Menu Home ... 117

Gambar 4.56 Tampilan Menu Login... 117

Gambar 4.57 Tampilan Awal Menu Admin ... 117

Gambar 4.58 Tampilan Awal Menu User ... 117

Gambar 4.59 Tampilan Awal Sub Menu Pelatihan Ricikan (Nilai) ... 118

Gambar 4.60 Tampilan Sub Menu Pelatihan Ricikan (Bobot Awal) ... 118

Gambar 4.61 Tampilan Awal Sub Menu Pelatihan Ricikan (Sample) ... 118

Gambar 4.62 Tampilan Awal Hasil Perhitungan Proses LVQ ... 118

Gambar 4.63 Tampilan Pop Out Simpan Bobot Baru ... 119

Gambar 4.64 Tampilan Awal Video Intro ... 119

Gambar 4.65 Tampilan Awal Submenu Informasi Keris Jawa ... 119

Gambar 4.66 Pop Out Awal Komponen Keris Jawa ... 119

Gambar 4.67 Tampilan Awal Informasi Luk ... 120

Gambar 4.68 Tampilan Awal Informasi Animasi Luk ... 120


(20)

xx | P a g e

Gambar 4.70 Tampilan Awal Informasi Gambar Ricikan ... 120

Gambar 4.71 Tampilan Awal Informasi Dhapur ... 121

Gambar 4.72 Tampilan Awal Informasi Daftar Dhapur ... 121

Gambar 4.73 Tampilan Awal Informasi Pamor ... 121

Gambar 4.74 Tampilan Awal Informasi Jenis Pamor ... 121

Gambar 4.75 Tampilan Awal Informasi Tangguh ... 122

Gambar 4.76 Tampilan Awal Informasi Jenis Tangguh ... 122

Gambar 4.77 Tampilan Awal Submenu Cek Ricikan ... 122

Gambar 4.78 Pop Out Awal Bobot Diperbaharui ... 122

Gambar 4.79 Tampilan Awal Capture Ricikan Yang Ingin Dikenali ... 123

Gambar 4.80 Tampilan Awal Save Picture ... 123

Gambar 4.81 Pop Out Awal Pilih Aplikasi Galeri ... 123

Gambar 4.82 Tampilan Pilih Gambar Input ... 123

Gambar 4.83 Tampilan Awal Hasil Presentasi ... 124

Gambar 4.84 Tampilan Pop Out Logout ... 124


(21)

xxi | P a g e DAFTAR LAMPIRAN

Lampiran A. Surat Keterangan Bimbingan Skripsi Lampiran B. Hasil Wawancara

Lampiran C. Ringkasan Hasil Quisioner Requirement

Lampiran D. Ringkasan Hasil Quisioner Pengujian Lampiran E. Form Perbaikan Sidang Skripsi


(22)

1 | P a g e BAB I

PENDAHULUAN

1.1 Latar Belakang

AI (Artificial Intellegence) merupakan salah satu bentuk perkembangan teknologi yang banyak digunakan saat ini. Salah satu cabang dari AI adalah Jaringan Syaraf Tiruan yang merupakan sistem pemrosesan informasi yang didesain dengan karakteristik yang mirip dengan cara kerja otak manusia (Kusumadewi : 2003). Learning Vector Quantization (LVQ) merupakan salah satu contoh dari Jaringan Syaraf Tiruan yang biasa digunakan untuk mengenali sebuah pola seperti pola tanda tangan ataupun huruf aksara Jawa.

Bangsa yang besar adalah bangsa yang menghargai sejarahnya” salah

satu tagline dari suatu program acara di salah satu stasiun televisi nasional yang mengajak bangsa Indonesia untuk menghargai sejarah Indonesia yang sangat beragam. Dan Keris merupakan salah satu bukti sejarah yang menggambarkan budaya Indonesia dan memiliki unsur seni yang tinggi.

Menurut M.Andi Azis, seorang pakar Keris yang ada di Museum Pusaka TMII, salah satu cara melestarikan kebudayaan Keris adalah dengan mengenal Keris-Keris dan tidak melihatnya sebagai suatu benda mistis. Sedangkan pada saat ini, informasi mengenai Keris sangat jarang ditemui. Beliau juga mengatakan bahwa sekarang ini banyak pemuda yang tidak mengenal Keris dan banyak juga pemuda yang beranggapan bahwa keris itu benda mistis bukan sebagai budaya Indonesia yang memiliki nilai kesenian yang tinggi.


(23)

2 | P a g e Menurut Sumar Purnomo, seorang ahli Keris, beliau sering mengalami kesulitan dalam penentuan Dhapur sebuah Keris yang berdasarkan dari banyaknya jenis Ricikan pada sebuah Keris. Terlalu banyak jenis Dhapur yang ada serta berbagai ragam bentuk dari Ricikan Keris menjadi salah satu alasan sulitnya menentukan jenis Ricikan serta Dhapur Keris itu sendiri.

Dan menurut hasil quisioner yang telah penulis sebar, terlihat bahwa sedikitnya pengetahuan masyarakat Indonesia sekarang ini akan sebuah Keris. Hanya 4% responden yang mengetahui pengetahuan akan sebuah Keris. Hal tersebut dapat menjadi salah satu penyebab yang dapat mengakibatkan hilangnya budaya Keris dari Indonesia bahkan akan terjadi hak kepemilikan Keris oleh bangsa lain.

Smartphone menjadi salah satu bentuk bukti bahwa begitu pesatnya perkembangan teknologi dalam era globalisasi seperti saat ini. Dari quisioner yang penulis telah sebar sebelumnya, terlihat bahwa 79% responden memiliki

smartphone dan 61% dari responden lebih sering menggunakan smartphone jika dibandingkan dengan laptop atau desktop PC. Dari hasil tersebut, maka penulis akan membuat sebuah aplikasi berbasis smartphone.

Pada penelitian sebelumnya yang dilakukan oleh Kasmui (Mahasiswa UIN Syarif Hidayatullah) pada tahun 2011 dengan judul “Sistem Pakar Identifikasi Bentuk Keris Jawa dengan Metode CF (Certainty Factor)” telah dikembangkan suatu aplikasi berbasis web yang dapat mengidentifikasikan bentuk Keris Jawa. Dimana pada aplikasi ini, user akan menginput data yang digunakan untuk mengidentifikasi bentuk Keris Jawa.


(24)

3 | P a g e Peneliti akan mengembangkan penelitian diatas dengan menggunakan cara yang lebih mudah dan memanfaatkan teknologi smartphone yang saat ini sedang berkembang. Aplikasi ini dapat digunakan untuk mengenalkan Keris Jawa kepada bangsa Indonesia bahkan bangsa asing yang mencinta budaya bangsa Indonesia.

Pengguna yang tidak mengerti akan jenis ricikan keris, dapat mengetahuinya dengan mengenali pola yang ada. Metode LVQ digunakan untuk mengenali dan mengidentifikasi jenis ricikan keris. Input berupa gambar ricikan keris yang akan diproses untuk dapat mengenali pola pada gambar. Kamera pada

smartphone juga dapat digunakan untuk memudahkan pengambilan gambar ricikan pada sebuah keris.

Oleh karena masalah diatas, dalam penyusunan Tugas Akhir ini penulis akan mengambil judul “Pengembangan dan Implementasi Learning Vector Quantization (LVQ) pada Aplikasi Pengenalan Jenis Ricikan Keris Jawa berbasis Smartphone”.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah tersebut dapat dirumuskan bahwa permasalahan yang ada adalah sebagai berikut:

1. Bagaimana user dapat mengetahui informasi mengenai Keris Jawa? 2. Bagaimana user mengidentifikasi dan mengenali jenis ricikan Keris


(25)

4 | P a g e 3. Bagaimana admin dapat memperbaharui nilai bobot yang akan menjadi

acuan untuk mengenali pola ricikan sebuah keris dengan menggunakan metode LVQ (Learning Vector Quantization)?

1.3 Batasan Masalah

Batasan masalah dalam pembuatan aplikasi ini adalah sebagai berikut : 1. Penulis hanya mengenali 4 pola ricikan dari kurang lebih 20 jenis

ricikan yang ada pada bilah keris.

2. Metode pengenalan pola yang digunakan yaitu LVQ (Learning Vector Quantization).

3. Pengolahan citra hanya digunakan untuk pendeteksian tepi dengan menggunakan library pada OpenCV.

4. Antarmuka pada aplikasi ini dirancang menggunakan smartphone. 5. Tidak terdapat perbaikan kualitas citra terlebih dahulu sebelum

dilakukan sebuah pelatihan dan pengecekan ricikan Keris Jawa.

6. User yang akan menggunakan aplikasi ini, diharuskan menginstal plugin OpenCV Manager terlebih dahulu.

7. Admin akan melakukan login terlebih dahulu sebelum dapat mengakses menu Admin, sedangkan user hanya akan mengklik tombol menu user

untuk dapat mengakses menu user tersebut.

8. Admin yang akan menggunakan menu “Pelatihan Ricikan” dan User yang akan menggunakan menu “Cek Ricikan” harus terhubung dengan internet terlebih dahulu.


(26)

5 | P a g e 1.4 Tujuan Penelitian

Tujuan yang ingin dicapai pada penelitian ini terbagi menjadi tujuan umum dan tujuan khusus. Tujuan umum penelitian ini yaitu untuk mengembangkan sebuah aplikasi berbasis smartphone yang dapat mengenali ricikan Keris Jawa. Sedangkan tujuan khusus dari penelitian ini adalah sebagai berikut :

1. Mendapatkan informasi mengenai Keris Jawa. 2. Mengenali jenis ricikan Keris Jawa.

3. Admin dapat melatih data gambar ricikan Keris Jawa.

1.5 Manfaat Penelitian

Manfaat yang didapatkan dalam penelitian ini adalah : A. Bagi mahasiswa :

1. Menerapkan ilmu-ilmu yang diperoleh selama kuliah.

2. Mengerti akan konsep Image Processing dan Jaringan Syaraf Tiruan dengan metode Learning Vector Quantization sebagai salah satu bidang dari ilmu kecerdasan buatan (Artificial Intelegence). 3. Memberikan pemahaman menyeluruh mengenai pembuatan

aplikasi berbasis Smartphone. B. Bagi Universitas :

1. Mengetahui kemampuan mahasiswa dalam penguasaan materi perkuliahan yang diperoleh selama mengikuti perkuliahan.


(27)

6 | P a g e 2. Mengetahui kemampuan mahasiswa dalam menerapkan ilmunya

dan sebagai bahan evaluasi.

3. Memberikan gambaran tentang kesiapan mahasiswa dalam menghadapi dunia kerja yang sebenarnya.

1.6 Metodologi Penelitian

Dalam melaksanakan penelitian ini, penulis menggunakan metode yang terbagi menjadi dua bagian, yaitu :

1.6.1 Metode Pengumpulan Data

Pada metode pengumpulan data, penulis akan mengklasifikasikan data yang diperoleh berdasarkan dari jenis data yang diperlukan. Penelitian yang penulis akan kerjakan merupakan sebuah penelitian kualitatif, maka dari itu diperlukan data dalam bentuk bukan angka. Data tersebut terbagi menjadi 2 bagian yaitu :

1.6.1.1 Data Primer a. Wawancara (Interview)

Wawancara dilakukan kepada pihak yang terkait untuk mengetahui permasalahan yang dihadapi. Dalam hal ini, penulis akan melakukan proses tanya jawab kepada pakar ahli keris untuk mendapatkan pengetahuan mengenai pentingnya pengenalan keris kepada bangsa dan jenis-jenis keris yang telah ada sebelumnya. Serta untuk mengenali bentuk ricikan-ricikan yang banyak terdapat pada bilah keris.


(28)

7 | P a g e b. Quisioner

Penulis akan menyebarkan quisioner untuk mengetahui manfaat dari aplikasi ini dan seberapa besarnya keinginan bangsa Indonesia dalam mengenal jenis keris.

1.6.1.2 Data Sekunder

a. Studi Literatur (Library Research)

Pengumpulan data juga dilakukan dengan melakukan studi pustaka maupun kajian terhadap penelitian-penelitian sebelumnya dengan menggunakan buku, jurnal, dan paper yang berhubungan dengan permasalahan yang akan dibahas dalam penulisan laporan tugas akhir ini. Selain itu peneliti juga menggunakan sarana internet untuk mendapatkan informasi mengenai topik tugas akhir seperti artikel yang berhubungan dengan topik.

1.6.2 Metode Pengembangan Sistem

Metode pengembangan sistem yang penulis gunakan adalah Model RAD (Rapid Application Development), dan pemodelan objek dengan menggunakan tools UML. Tahapan dalam Model RAD adalah sebagai berikut (Kendall & Kendall: 2002):

1. Fase Perencanaan Syarat-Syarat 2. Fase Perancangan

3. Fase Kontruksi 4. Fase Pelaksanaan


(29)

8 | P a g e 1.7 Sistematika Penulisan

Dalam penelitian ini pembahasan terbagi dalam lima bab yang secara singkat akan diuraikan sebagai berikut:

BAB 1 PENDAHULUAN

Dalam bab ini membahas mengenai latar belakang penulisan skripsi, batasan masalah, tujuan dan manfaat, metode penelitian dan sistematika penulisan yang merupakan gambaran menyeluruh dari penulisan skripsi ini.

BAB 2 LANDASAN TEORI

Dalam bab ini membahas mengenai berbagai teori yang mendasari analisis permasalahan dan berhubungan dengan topik yang dibahas.

BAB 3 METODE PENELITIAN

Bab ini membahas mengenai metode penelitian yang digunakan dalam mengembangkan aplikasi.

BAB 4 PERANCANGAN DAN IMPLEMENTASI

Pada Bab ini membahas mengenai hasil dari analisa, perancangan, impelementasi sesuai dengan metode yang dilakukan pada sistem yang dibuat.

BAB 5 PENUTUP

Bab ini menguraikan tentang kesimpulan dari hasil penelitian yang didapat dan juga saran yang dapat digunakan untuk pengembangan sistem ini ke arah yang lebih baik lagi di masa yang akan datang.


(30)

9 | P a g e BAB II

LANDASAN TEORI

2.1 Keris

Keris adalah ilmu dan dipandang sebagai sebuah manifestasi Jiwa Jawi. Jawa berasal dari kata Javana yang bearti kearif-bijaksanaan. Kata keris berasal dari -mangker karana aris- artinya mundur dengan bijaksana maksudnya mundur dari dunia ini dengan bijaksana. Oleh karena itu menggeluti dunia keris seharusnya bergulat dengan membaca alam, membaca diri, dan membaca kehendak Sang Pencipta. Keris terdiri dari bermacam-macam komposisi yang terdapat didalamnya seperti :

2.1.1 Ricikan

Ricikan adalah bagian-bagian atau komponen bilah keris atau tombak. Masing-masing ricikan keris ada namanya. Dalam dunia perkerisan soal ricikan ini penting, karena sangat erat kaitannya dengan soal dapur dan tangguh keris. Sebilah keris ber-dapur Jalak Sangu Tumpeng tanda-tandanya adalah berbilah lurus, memakai gandik polos, pejetan, sogokan rangkap, tikel alis, dan tingil. Gandik polos, pejetan, sogokan rangkap, tikel alis, dan tingil, adalah komponen keris yang disebut ricikan. Daftar ricikan keris dapat dilihat pada tabel 2.1.


(31)

10 | P a g e Tabel 2.1 Daftar Ricikan Keris

No Ricikan Definisi

1. Pesi Yang dinamakan pesi adalah berwujud besi panjang bundar yang terletak di pangkal wilahan.

2. Sirah Cecak

Sirah cecak adalah perwujudan yang ditetapkan menjadi ketentuan arah kiblat depan, umumnya bentuknya

3. Waduk

Waduk atau Gendok, gendokan atau wetengan adalah nama bagian yang paling tengah di sebuah ganja. Bentuknya cembung menggembung bagai perut kenyang. Dibagian tengah terdapat leng-lengan yaitu tempat masuknya bagian pesi.

4. Buntut Perwujudan yang ditetapkan menjadi ketentuan arah kiblat belakang, umumnya berbentuk runcing

5. Ganja

Perwujudan bentuk yang terpisah dengan wilahan. Namun ada juga ganja yang dibuat langsung menyatu.

6. Lambe Gajah Letaknya menempel di gandik, yang dibentuk sepeti bibir gajah yang bawah.

7. Greneng Tempatnya dibawah ujung Ganja, dan migkin bisa dibikin rangkap sehingga terletak diujung wilahan. 8. Wadidang Letaknya dibelakang, mulai ujung awak-awak

belakang hingga sampai sejajar dengan sor-soran. 9. Bungkul Terdepat di tengah-tengah dan menempel di ganja,

bentuknya membendul seperti tumpeng.

10. Pejetan Letaknya dibelakang Gandik, merupakan tekanan yang membentuk melodok ke dalam.

11. Gandik

Terletak dibawah kepala ganja, besinya menonjol atau mengembung, beniknya seperti gandik.


(32)

11 | P a g e 12. Kembang

Kacang

Tempatnya dibawah gandik dan dibawah lambe gajah pun jalen. Bentuknya seperti lung-lungan. 13. Jalen Bentuknya runcing dan memenpel pada gandik di

pangkal bawah.

14. Tikel Alis Berada dibawah pejetan, mengalir ke bawah dan kalau dilihat seperti gambar alis yang besar depan. 15. Sogokan Ngarep Seperti tanggul yang membelah antara pejetan dan

tikelalis, terletak didepan.

16. Sogokan Mburi Seperti tanggul yang membelah antara pejetan dan tikelalis, terletak dibelakang.

17. Sor-soran Sor-soran atau bongkot merupakan bagian paling bawah dari bilah keris, diatas bagian ganja.

18. Gulamilir Seolah merupakan kruwingan yang dimulai dari sor-soran dan berhenti ditengah bilah.

19. Kruwingan Tempatnya di muka dan di belakang Ada-ada, dan berada didalam garis gusen.

20. Gusen Ngarep Tempatnya mulai dari sor-soran sampai pucuk. 21. Gusen Buri Tempatnya mulai dari sor-soran sampai pucuk,

terletak di sisi belakang.

22. Ada-ada Tempatnya tepat di tengah-tengah awak-awak, yaitu mulai dari arah sor-soran sampai pucuk. 23. Kudup Ujung yang runcing

24. Sraweyan

Disebut juga sarawehan , sarawehan nama bagian keris yang bentuknya merupakan permukaan melandai cekung, dibelakang bagian sogokan belakang sampai ke dekat greneng.

25. Ripandan

Salah satu bagian atau ricikan keris, letaknya di sor-soran sebelah belakang, dan sering kali merupakan bagian dari greneng.


(33)

12 | P a g e 26. Thingil

Terletak persis dibagian ekor ganja, dibagian atas. Thingil ini berupa tonjolan kecil tidak runcingujungnya.

27. Jenggot

Jenggot atau janggut adalah salah satu ricikan atau bagian keris yang bentuknya tonjolan runcing yang terletak di dahi kembang kacang. tonjolannya mirip dengan bentuk rondan dan ripandan.

28. Ganja Sebitrotan

Bentuk seperti rotan yang dibelah dua.

29. Ganja Cecak Ganja yang betuknya seperti cecak.

30. Ganja Tekek Ganja yang bentuknya seperti tekek atau tokek. 31. Ganja

Hucengmati

Bentuknya seperti uceng (anak ikan) yang sudah mati. yaitu badan bulat kecil dan kepala runcing. 32. Ganja Cangkem

Kodok

Bentuknya mrip mulut kodok. Kepalanya besar tetapi mulut kecil.

33. Ganja Dungkul Badannya menebal ke atas di tengah-tengah menancapnya pesi.

34. Ganja Wilud Ganja yang bentuk kepala dan ekornya melengkung ke bawah.

35. Ganja Kelap Lintah

Bentuknya mulai dari kepala mengombak, seperti lintah mengambang di air.

36. Ganja Sepang

Ganja yang tidak mempunyai kepala, jadi dari depan terus meruncing kebelakang. Biasanya diterapkan ke ganja iras.


(34)

13 | P a g e Gambar 2.1. Ricikan Keris

2.1.2 Luk

Istilah ini digunakan untuk bilah keris yang tidak lurus, tetapi berkelok atau berlekuk. Luk pada keris selalu gasal, tidak pernah genap. Hitungannya mulai dari luk tiga, sampai luk tigabelas. Itu keris yang normal. Jika luknya lebih dari 13, dianggap sebagai keris yang tidak normal dan disebut keris kalawijan atau palawijan.

Jumlah luk pada keris selalu gasal, tidak pernah genap. Selain itu, irama luk keris dibagi menjadi tiga golongan. Pertama, luk yang


(35)

14 | P a g e kemba atau samar. Kedua, luk yang sedeng atau sedang. Dan ketiga, luk yang rengkol yakni yang irama luknya tegas. Daftar luk keris dapat dilihat pada tabel 2.2.

Tabel 2.2 Daftar Luk Keris

No Luk Definisi

1. Lurus Bentuk Luk lurus atau tidak berkelok 2. Luk 3 (Tiga) Luk 3 (Tiga) Bentuk keris berkelok tiga 3. Luk 5 (Lima) Bentuk keris berkelok lima

4. Luk 7 (Tujuh) Bentuk keris berkelok tujuh 5. Luk 9 (Sembilan) Bentuk keris berkelok sembilan 6. Luk 11 (Sebelas) Bentuk keris berkelok sebelas 7. Luk 13 (Tiga Belas) Bentuk keris berkelok tiga belas 8. Luk 15 (Lima Belas) Bentuk keris berkelok lima belas 9. Luk 17 (Tujuh Belas) Bentuk keris berkelok tujuh belas 10. Luk 19 (Sembilan Belas) Bentuk keris berkelok sembilan belas 11. Luk 21 (Dua puluh satu) Bentuk keris berkelok dua puluh satu 12. Luk 25 (Dua puluh lima) Bentuk keris berkelok dua puluh lima 13. Luk 27 (Dua puluh tujuh) Bentuk keris berkelok dua puluh tujuh 14. Luk 29 (Dua puluh

sembilan)

Bentuk keris berkelok dua puluh sembilan

2.1.3 Tangguh

Tangguh arti harfiahnya adalah perkiraan atau taksiran. Dalam dunia perkerisan maksudnya adalah perkiraan zaman pembuatan bilah keris, perkiraan tempat pembuatan, atau gaya pembuatannya. Karena hanya merupakan perkiraan, me-nangguh keris bisa saja salah atau keliru. Kalau sebilah keris disebut tangguh Blambangan,


(36)

15 | P a g e padahal sebenarnya tangguh Majapahit, orang akan memaklumi kekeliruan tersebut, karena bentuk keris dari kedua tangguh itu memang mirip. Tetapi jika sebuah keris buatan baru di-tangguh keris Jenggala, maka jelas ia bukan seorang ahli tangguh yang baik. Daftar tangguh keris dapat dilihat pada tabel 2.3.

Tabel 2.3 Daftar Tangguh Keris

No Tangguh Definisi

1. Pajajaran

Panjang kira kira dua kilan atau kurang sedikit. Pengetrapan ganja atau bentuknya ambatok mengkurep. Sirah cecaknya panjang, gandiknya miring panjang, sogokan tidak terlalu panjang,keluar pamor seakan-akan tidak teratur, tetapi padat sebagian besar memakai dasar gambar pamor gajih.

2. Majapahit

Ganja sebit rotan, sirah cecaknya pendek tetapi halus luwes, gandiknya pendek sedikit miring, sogokan pendek luwes, kebanyakan pengetrapan pamor selalu terang mabyor dan dibuat ngrambut atau bisa dikatakan berserat -serat panjang.

3. Blambangan

Besinya selalu kelihatan basah tetapi sedikit bersinar putih. Karena campuran besi sedikit,kebanyakan besi penawangnya. Dasar pembuatan gambar pamor masih banyak mengambil dasar gambar pamor gajih, tapi banyak juga yang diseling dengan cara mrambut.

4. Sedayu

Ganja sebit lontar sedikit panjang, walau panjang kira kira dua kilan, tetapi kelihatan rampinh, dan lurusnya sengaja dibuat mendoyong. Awak-awakan dari belakang kelihatan ramping, tetapi separuh hingga ujung sedikit melebar. Pamor sangat kurang tetapi dibuat mrambut,


(37)

16 | P a g e pengetrapannya kurang memadat.

5. Tuban

Sirah cecak besar pendek, yang dibuat lengkok, kelihatan lengkoknya merenggang dan ujugnya runcing. Besi kelihatan kering terlalu banyak besi bajanya. Pengetrapan pamor mubyar padat. Jika diraba terasa halus.

2.1.4 Dhapur

Dhapur adalah istilah yang digunakan untuk menyebut nama bentuk atau type bilah keris. Dengan menyebut nama dhapur keris, orang yang telah paham akan langsung tahu, bentuk keris yang seperti apa yang dimaksud. Misalnya, seseorang mengatakan: "Keris itu ber-dhapur Tilam Upih", maka yang mendengar langsung tahu, bahwa keris yang dimaksud adalah keris lurus, bukan keris yang memakai luk. Lain lagi kalau disebut dhapur-nya Sabuk Inten, maka itu pasti keris yang ber-luk sebelas. Daftar dhapur keris dapat dilihat pada tabel 2.4.

Tabel 2.4 Daftar Dhapur Keris

No Dapur Ricikan Luk

1. Panjianom tikel alis, sogokan, sraweyan dan greneng

Lurus

2. Jakatuwa sogokan, tikelalis Lurus

3. Bethok gandik panjang, tikelalis pendek

Lurus

4. Karnatinanding gandik rangkap, kembankacang rangkap, pejetan rangkap, sogokan,


(38)

17 | P a g e ripan dan greneng

5. Semar Bethak gandik bertatah lung-lungan, dibawah gandik berlobang

Lurus

6. Regol gandik rangkap dua, thingil dimuka dan belakang, Pejetan

Lurus

7. Kebo Teki lambe gajah rangkap tiga, kembang kacang, greneng

Lurus

8. Jalak Nguwuh pejetan, thingil, gusen ditambah ada-ada

Lurus

9. Sempaner kembang kacang, tikelalis, ripandan

Lurus

10. Jamangmurup sogokan Lurus

11. Tumenggung kembang lambe gajah, kembang kacang, sraweyan, greneng

Lurus

12. Pasopati lambe gajah, kembang kacang pugut, sogokan, ripandan, gusen

Lurus

13. Tilamupih pejetan, tikelalis Lurus 14. Condongcampur lambe gajah, kembang

kacang, sogokan Ppanjang sampai pucuk, greneng, gusen

Lurus

15. JalakDinding pejetan, thingil, gusen Lurus 16. Jalak Ngore pejetan sraweyan, greneng Lurus 17. Jalak Sangu

Tumpeng

sogokan, sraweyan, thingil Lurus

18. Mendarang lambe gajah, kembang kacang, sogokan, sraweyan, greneng

Lurus


(39)

18 | P a g e kacang

20. Semar Tinadu kembang kacang rangkap dua, Sogokan

Lurus

21. Ron Teki lambe gajah, gandik panjang, kembang kacang, sogokan depan

Lurus

22. Sujen Empel lambe gajah, kembang kacang, Jenggot rangkap dua, ripandan rangkap dua

Lurus

23. Kelap Lintah Keris ini sangat sederhana, sebab selain tanpa ricikan, bahkan tanpa ganja

Lurus

24. Dungkul ganja, gandik panjang, sogokan hanya depan

Lurus

25. Yuyurumpung Bandan lebar panjang dan sedikit membungkuk (tanpa ricikan)

Lurus

26. Brojol Pejetan Lurus

27. Laler Mengeng Gandik panjang dan berlobang, kembang kacang pugut

Lurus

28. Puthut gandik memanjang, ada tatahan yang bergambar pendeta

Lurus

29. Jalaksumelang Gandring

sogokan hanya depan, thingil, sraweyan

Lurus

30. Mangkurat Sogokan, Heripandan depan, Gusen


(40)

19 | P a g e 31. Mayat Miring Sogokan depan, Gusen Lurus

32. Kalam Munyeng Sraweyan, Heripandan, Sogokan Hanya depan

Lurus

33. Pinarak Gandik panjang, Sogokan, Ganja pendek

Lurus

34. Marak Sogokan depan, Greneng Lurus 35. Jalak Tilamsari Kruwingan, Thingil, Gusen Lurus

36. Tilamsari Kruwingan, Gusen Lurus

37. Jakaloka Sogokan depan, Greneng Lurus

38. Wora-Wari Gusen rangkap Lurus

39. Sinom Lambe Gajah, Kembang

kacang, Tikelalis, Sogokan, Sraweyan, ripandan

Lurus

40. Kala Misani Lambe Gajah, Kembang Kacang, Tikelalis, Sogokan, Greneng, Kruwingan, Gusen

Lurus

41. Jangkung Pacar Lambe Gajah, Kembang Kacang, Jenggot, Sogokan Panjang

Luk 3 (Tiga)

42. Mahesasuka Lambe Gajah Lamba, Kembang Kacang, Sogokan Panjang, Jenggot

Luk 3 (Tiga)

43. Mahesa Nempuh Greneng Luk 3 (Tiga)

44. Wuwung Badan belakang membenjol (Tanpa Ricikan)

Luk 3 (Tiga)

45. Mayat Kembang Kacang, Sogokan Sraweyan, ripandan, Greneng

Luk 3 (Tiga)

46. Jangkung Kembang Kacang, Gulamilir, Sogokan, ripandan

Luk 3 (Tiga)


(41)

20 | P a g e 48. Bangodolog Lambe Gajah rangkap dua,

Kembang Kacang

Luk 3 (Tiga)

49. Larmotha Gandik Ngajajah, Larpaksi, Pethit Naga, Ripandan sungsun

Luk 3 (Tiga)

50. Campurbawur Kembang Kacang, Jenggot, Sogokan

Luk 3 (Tiga)

51. Sagara Winotan Kembang Kacang, Jenggot, Sogokan dua yang satu sampai ujung

Luk 3 (Tiga)

52. Sinarasah Kembang Kacang, Ripandan, Adapun yang menonjol yaitu ditengah Ada-ada dan dipinggir Gusen sehingga sampai ujung dilapisi Mas

Luk 5 (Lima)

53. Pudaksategal Kembang Kacang, Ripandan, Sogokan, Sraweyan, Sor-soran

Luk 5 (Lima)

54. Pulanggeni Sraweyan, Greneng Luk 5 (Lima) 55. Pandawa Kembang Kacang, Sraweyan,

Sogokan, Ripandan

Luk 5 (Lima)

56. Anoman Kembang Kacang, Lembe

Gajah Lamba, Ripandan, Sogokan sampai ujung

Luk 5 (Lima)

57. Kebodengen Ganja Kelaplintah, Gandik panjang, Lambe Gajah Lamba, Kembang Kacang

Luk 5 (Lima)


(42)

21 | P a g e Sraweyan, Heripandan

59. Pandawa Lare Lambe Gajah Lamba, Kembang Kacang, Ripandan

Luk 5 (Lima)

60. Urap-Urap Kembang Kacang, Sogokan, Gusen, Lis-lisan

Luk 5 (Lima)

61. Nagasasira Hanya gandik Luk 5 (Lima)

62. Kebobendeng Sogokan Luk 5 (Lima)

63. Pandawa Cinarita Lambe Gajah rangkap dua, Kembang kacang, Pejetan, Tikelalis, Sogokan, Sraweyan, Ripandan, Thingil, Greneng, Gusen, Kruwingan

Luk 5 (Lima)

64. KidangMas Kembang kacang Luk 7 (Tujuh)

65. Balebang Lambe Gajah, Kembang Kacang, Sogokan, Sraweyan

Luk 7 (Tujuh)

66. Crubuk Lambe Gajah, Kembang

Kacang, Sraweyan, Greneng

Luk 7 (Tujuh)

67. Jaranguyung Pejetan, Thingil Luk 7 (Tujuh) 68. Nagakeras Kembang Kacang, Greneng,

Sor-soran

Luk 7 (Tujuh)

69. Sempama Punjul Gandik Malang, Kembang Kacang, Sraweyan, Ripandan

Luk 7 (Tujuh)

70. Sempama Bungkem

Kembang Kacang Luk 7 (Tujuh)

71. Carita Kasapta - Luk 7 (Tujuh)

72. Angen-angen - Luk 7 (Tujuh)

73. Sabuk Tampar Lambe Gajah, Kembang Kacang, Sogokan hanya satu didepan, Sraweyan, Ripandan

Luk 9 (Sembilan)


(43)

22 | P a g e Kacang, Tikelalis, Sogokan,

Sraweyan, Greneng, Gusen, Kruwingan

75. Butaijo Kembang Kacang, Sogokan, Sraweyan, Ripandan

Luk 9 (Sembilan)

76. Sempana Klenthang

Ripandan, Tikelalis, Kembang Kacang

Luk 9 (Sembilan)

77. Kidang Mas-Masan

Ripandan, Greneng Luk 9 (Sembilan)

78. Sempana lambe gajah, Kembang

kacang, greneng

Luk 9 (Sembilan)

79. Jarudeh lambe gajah, kembang

kacang, jenggot, sogokan

Luk 9 (Sembilan)

80. Panimbal lambe gajah, kembang kacang, sogokan, sraweyan, greneng

Luk 9 (Sembilan)

81. Carangsoka lambe gajah, kembang kacang, sraweyan, ripandan

Luk 9 (Sembilan)

82. Kidangsoka lambe gajah, kembang kacang, sraweyan, ripandan

Luk 9 (Sembilan)

83. Paniwen kembang kacang, sogokan, sraweyan

Luk 9 (Sembilan)

84. Jaruman sogokan, sraweyan Luk 9 (Sembilan) 85. Panjisekar kembang kacang, sogokan,

sraweyan, ripandan

Luk 9 (Sembilan)

86. Pandengan Kembang Kacang, Pejetan , Greneng

Luk 9 (Sembilan)

87. Tundung Mungsuh

Greneng, Kruwingan, Lambe Gajah, Ripandan

Luk 9 (Sembilan)


(44)

23 | P a g e 89. CaritaBungkem keris kebang kacang Luk 11 (Sebelas) 90. Waluring kebang kacang, sogokan Luk 11 (Sebelas) 91. JakaWuru pejetan, ripandan Luk 11 (Sebelas) 92. Sabuktali Sogokan hanya satu didepan,

Sraweyan

Luk 11 (Sebelas)

93. Caritagandu Kembang Kacang, Jenggot, Sraweyan, Ripanda

Luk 11 (Sebelas)

94. Carita Prasaja Lambe gajah Luk 11 (Sebelas)

95. Carita Kaprabon Lambe Gajah rangkap dua, kembang kacang, Tikelalis,

Sogokan, Greneng,

Sraweyan, Gusen, Kruwingan

Luk 11 (Sebelas)

96. Carita Daleman Lambe Gajah Lamba, Kembang Kacang, Jenggot, Tikelalis, Sogokan, Sraweyan, Greneng, Gusen, Kruwingan

Luk 11 (Sebelas)

97. Carita Genengan Lambe Gajah Lamba, Kembang Kacang, Jenggot, Tikelalis, Sogokan, Sraweyan, Greneng, Gusen, Kruwingan

Luk 11 (Sebelas)

98. Sabuk Inten Lambe Gajah, Kembang Kacang, Sogokan, Sraweyan, Rapindan

Luk 11 (Sebelas)

99. Naga Kiki Lambe Gajah Lamba, Pejetan Luk 11 (Sebelas)

100. Naga Ngikik Lambe Gajah Luk 11 (Sebelas)

101. Kantar Lambe Gajah, Kembang

Kacang, Sogokan ngarep,

Luk 13 (Tiga Belas)


(45)

24 | P a g e Sraweyan

102. Parung Sari Lambe Gajah rangkap dua, Kembang Kacang, Jenggot, Pejetan, Tikelalis, Sogokan, Sraweyan, Ripandan, Greneng, Gusen, Kruwingan

Luk 13 (Tiga Belas)

103. Johan Mangan Kala

Gulamilir, Sogokan, Greneng Luk 13 (Tiga Belas) 104. Caluring Sraweyan, Ripandan Luk 13 (Tiga

Belas)

105. Lunggandu Lambe Gajah Lamba, Kembang Kacang, Jenggot, Sraweyan Ripandan

Luk 13 (Tiga Belas)

106. Sepokal Sraweyan Luk 13 (Tiga

Belas) 107. Karawelang Lambe Gajah, Kembang

Kacang Pugut, Sogokan, Ripandan

Luk 13 (Tiga Belas)

108. Bhimakurda Kembang Kacang, Jenggot, Sogokan, Sraweyan, Ripandan

Luk 13 (Tiga Belas)

109. Naga Seluman Ganja, Gandik Luk 13 (Tiga Belas) 110. Sangkelat Lambe Gajah, Kembang

Kacang, Jenggot, Pejetan, Tikelalis, Sogokan, Sraweyan, Ripandan, Greneng

Luk 13 (Tiga Belas)

111. NagaSasra Gandik, Greneng Luk 13 (Tiga

Belas) 112. Sedet Lambe Gajah, Kembang Luk 15 (Lima


(46)

25 | P a g e Kacang, Sogokan, Ripandan Belas)

113. Raga Pasung Tikelalis, Greneng Luk 15 (Lima Belas) 114. Carita Buntala Kembang kacang, Jenggot,

Sraweyan, Ripandan

Luk 15 (Lima Belas) 115. Carang Buntala Lambe Gajah, Kembnag

Kacang, Sraweyan, Ripandan

Luk 15 (Lima Belas) 116. RagaWilah Lambe Gajah, Kembang

Kacang, Greneng

Luk 15 (Lima Belas)

117 Mahesa Nabrang - Luk 15 (Lima

Belas) 118. Ngamperbuta Lambe Gajah, Kembang

Kacang

Luk 17 (Tujuh Belas)

119. Cancingan Kembang Kacang, Sor-soran Luk 17 (Tujuh Belas)

120. Trimurda Tikelalis Luk 19 (Sembilan

Belas) 121. Kala Tinantang Lambe Gajah, Kembang

Kacang, Sogokan, Greneng

Luk 21 (Dua puluh satu)

122. Indrajid Lambe Gajah Rangkap dua, Kembang Kacang, Sraweyan

Luk 21 (Dua puluh satu)

123. Trisirah Lambe Gajah, Tikelalis, Sogokan

Luk 21 (Dua puluh satu)

124. Bhima Kurda Lambe Gajah, Kembang Kacang, Sogokan, Ripandan

Luk 25 (Dua puluh lima)

125 AnggaWirun Lambe Gajah, Kembang Kacang, Sogokan, Ripandan

Luk 27 (Dua puluh tujuh)

126. KalaBendu Kembang Kacang, Lambe Gajah, Sogokan, Ripandan

Luk 29 (Dua puluh sembilan)


(47)

26 | P a g e 2.1.5 Pamor

Pamor adalah perwujudan putih keperak-perakan yang memancarkan sinar yang mengkilap, berada di tengah-tengah atau di seluruh bagian keris, bahkan ada yang sampai pesinya. Daftar pamor keris dapat dilihat pada tabel 2.5.

Tabel 2.5 Daftar Pamor Keris

No Pamor Definisi

1. Pamor Mrambut

Pamor yang menempelnya di badan keris terlihat miring ke arah luar. Keluarnya pamor berserat seperti rambut

2. Pamor Gajih

Menempelnya di badan keris kelihatan membendul dan putus-putus seperti melelehnya lemah yang menetes. Jika diraba terasa ketebalannya.

3. Pamor Sanak

Cahaya tidak begitu terang. Bila di raba tidak terasa membendul keluar, seolah olah keris tidak di tambahi penempelan apa-apa.

4. Pamor Pejetan

Pamor yang menempelnya di badan keris berupa seperti cap ibu jari yang di sejajarkan dengan dekat dan jika di raba gambaran tersebut seperti membelok ke dalam.


(48)

27 | P a g e Gambar 2.3 Pamor Gajih

Gambar 2.4 Pamor Sanak

Gambar 2.5 Pamor Pejetan

2.2 Artificial Intelegence

Artificial Intelegence (Kecerdasan Buatan) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu intensitas buatan (Ricky, 2009). Kecerdasan buatan dikenalkan pada tahun 1956 oleh ilmuwan computer Amerika John McCarthy (Challoner, 2002). Sistem seperti ini umumnya dianggap seperti kecerdasan pada computer.

Kecerdasan diciptakan dan dimasukkan ke dalam suatu computer agar dapat melakukan pekerjaan seperti yang dilakukan manusia. Kecerdasan buatan bukan hanya ingin mengerti sistem kecerdasan, tetapi juga mengkontruksinya. Kecerdasan buatan merupakan suatu cabang dalam


(49)

28 | P a g e bidang sains yang mengkaji tentang bagaimana melengkapi sebuah computer dengan kemampuan atau kepintaran seperti manusia.

Secara garis besar, kecerdasan buatan terbagi ke dalam 2 paham pemikiran (Ricky, 2009) yaitu kecerdasan buatan konvensional dan kecerdasan komputasional. Kecerdasan buatan konvensional melibatkan metode-metode yang sekarang diklasifikasikan sebagai pembelajaran mesin, yang ditandai dengan formalism dan analisis statistic. Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif, misalnya penalaran parameter dalam sistem koneksionis. Pembelajaran yang berdasarkan pada data empiris dan diasosiasikan dengan kecerdasan buatan non-simbolis, kecerdasan buatan yang tidak teratur.

Metode-metode dalam kecerdasan buatan konvensional meliputi: 1. Sistem Pakar

2. Pertimbangan berdasarkan kasus 3. Jaringan Bayesian

4. Kecerdasan buatan berdasarkan tingkah laku

Metode-metode dalam kecerdasan buatan komputasional meliputi : 1. Jaringan Syaraf Tiruan : sistem dengan kemampuan pengenalan pola

yang sangat kuat 2. Sistem Fuzzy


(50)

29 | P a g e 2.3 Computer Vision

Computer Vision merupakan salah satu disiplin ilmu dari kecerdasan buatan yang berfokus pada informasi-informasi yang dimiliki oleh data gambar (Ricky, 2009). Data gambar memiliki banyak bentuk, seperti video (gambar yang berjalan), gambar dari kamera, atau data multi-dimensional, scanner media. Computer Vision merupakan kombinasi dari pencitraan, pengolahan citra, pengenalan pola serta proses pengambilan keputusan. Tujuan utama dari Computer Vision adalah untuk mengkomputerisasi penglihatan manusia atau dengan kata lain membuat citra digital dari citra sebenarnya (sesuai dengan penglihatan manusia) (Putra, 2010).

2.4 Image Processing

Image Processing atau pengolahan citra adalah bidang tersendiri yang sudah cukup berkembang sejak orang mengerti bahwa computer tidak hanya dapat menangani data teks, tetapi juga citra (Ahmad, 2005). Teknik-teknik pengolahan citra biasanya digunakan untuk melakukan transformasi dari suatu citra kepada citra yang lain, sementara tugas perbaikan informasi terletak pada manusia melalui penyusunan algoritmanya.

Pengolahan citra merupakan bagian penting yang mendasari berbagai aplikasi nyata, seperti pengenalan pola, penginderaan jarak-jauh melalui satelit atau pesawat udara, dan machine vision (Kadir & Susanto, 2013). Pada pengenalan pola, pengolahan citra antara lain berperan untuk memisahkan objek dari latar belakang secara otomatis. Selanjutnya, objek


(51)

30 | P a g e akan diproses oleh pengklasifikasi pola. Sebagai contoh, sebuah objek buah bisa dikenali sebagai jeruk, apel, atau pepaya. Pada penginderaan jarak jauh, tekstur atau warna pada citra dapat dipakai untuk mengidentifikasi objek-objek yang terdapat di dalam citra. Pada machine vision (sistem yang dapat “melihat” dan “memahami” yang dilihatnya), pengolahan citra berperan dalam mengenali bentuk-bentuk khusus yang dilihat oleh mesin. Penggunaan kamera pemantau ruangan merupakan contoh bagian aplikasi pemrosesan citra. Perubahan gerakan yang ditangkap melalui citra dapat menjadi dasar untuk melakukan pelaporan situasi yang terekam. Beberapa teknik pengolahan citra adalah sebagai berikut (Kadir, 2013) :

2.4.1. Membaca Citra

Untuk kepentingan memudahkan dalam memahami hasil proses pengolahan citra, Anda perlu mengenal perintah yang berguna untuk membaca citra yang tersimpan dalam bentuk file. Proses ini diperlukan untuk dapat membaca citra agar dapat dilakukan proses selanjutnya. 2.4.2. Operasi Geometrik

Operasi geometrik adalah operasi pada citra yang dilakukan secara geometris seperti translasi, rotasi, dan penyekalaan. Pada operasi seperti ini terdapat pemetaan geometrik, yang menyatakan hubungan pemetaan antara piksel pada citra masukan dan piksel pada citra keluaran. Salah satu proses pada operasi geometric adalah “Memperkecil Citra”. Secara prinsip, pengecilan citra berarti mengurangi jumlah piksel pada citra yang akan diproses.


(52)

31 | P a g e 2.4.3. Segmentasi Citra

Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut. Pada citra yang mengandung hanya satu objek, objek dibedakan dari latar belakangnya. Segmentasi juga biasa dilakukan sebagai langkah awal untuk melaksanakan klasifikasi objek.

Teknik segmentasi citra didasarkan pada dua properti dasar nilai aras keabuan: ketidaksinambungan dan kesamaan antarpiksel. Pada bentuk yang pertama, pemisahan citra didasarkan pada perubahan mendadak pada aras keabuan. Contoh yang menggunakan pendekatan seperti itu adalah detektor garis dan detektor tepi pada citra.

Segmentasi Citra

Ekstraksi Fitur

Pengklasifikasi

Citra masukan

Objek daun

Fitur-fitur pada daun

Jenis tanaman


(53)

32 | P a g e 2.4.4. Konversi Citra Berskala Keabuan

Dalam praktik, seringkali diperlukan utuk mengonversi citra berwarna ke dalam bentuk citra berskala keabuan mengingat banyak pemrosesan citra yang bekerja pada skala keabuan. Namun, terkadang citra berskala keabuan pun perlu dikonversikan ke citra biner, mengingat beberapa operasi dalam pemrosesan citra berjalan pada citra biner. Secara umum citra berwarna dapat dikonversikan ke citra berskala keabuan melalui rumus:

I=a x R+b x G+c x B, a+b+c=1 (2.1)

dengan R menyatakan nilai komponen merah, G menyatakan nilai komponen hijau, dan B menyatakan nilai komponen biru. Misalnya, sebuah piksel mempunyai komponen R, G, B sebagai berikut:

R = 50 G = 70 B = 61

Jika a, b, dan c pada Persamaan 2.1 dibuat sama, akan diperoleh hasil seperti berikut:

I = (50 + 70 + 60) / 3 = 60

Salah satu contoh rumus yang biasa dipakai untuk mengubah ke skala keabuan yaitu:


(54)

33 | P a g e 2.4.5. Ekstraksi Fitur

Sebelum membahas fitur-fitur tersebut, dua pengertian dasar akan dibahas, yaitu bentuk, deskriptor dan fitur. Definisi bentuk menurut D.G. Kendall (Stegmann dan Gomez, 2002) adalah infomasi geometris yang tetap ketika efek lokasi, skala, pemutaran dilakukan terhadap sebuah objek. Deskriptor adalah seperangkat parameter yang mewakili karakteristik tertentu objek, yang dapat digunakan untuk menyatakan fitur objek. Adapun fitur dinyatakan dengan susunan bilangan yang dapat dipakai untuk mengidentifikasi objek.

Fitur-fitur suatu objek mempunyai peran yang penting untuk berbagai aplikasi berikut.

 Pencarian citra: Fitur dipakai untuk mencari objek-objek tertentu yang berada di dalam database.

 Penyederhanaan dan hampiran bentuk: Bentuk objek dapat dinyatakan dengan representasi yang lebih ringkas.

 Pengenalan dan klasifikasi: Sejumlah fitur dipakai untuk menentukan jenis objek. Sebagai contoh, fitur citra daun digunakan untuk menentukan nama tanaman.

Untuk kepentingan aplikasi yang telah disebutkan, fitur hendaknya efisien. Fitur yang efisien perlu memenuhi sifat-sifat penting berikut (Mingqiang, dkk., 2008).


(55)

34 | P a g e

 Teridentifikasi: Fitur berupa nilai yang dapat digunakan untuk membedakan antara suatu objek dengan objek lain. Jika kedua fitur tersebut didampingkan, dapat ditemukan perbedaan yang hakiki. Hal ini sama seperti kalau dilakukan oleh manusia secara visual.

 Tidak dipengaruhi oleh translasi, rotasi, dan penyekalaan: Dua objek yang sama tetapi berbeda dalam lokasi, arah pemutaran, dan ukuran tetap dideteksi sama.

 Tidak bergantung pada affine: Idealnya, efek affine tidak mempengaruhi fitur.

 Tahan terhadap derau: Fitur mempunyai sifat yang andal terhadap derau atau cacat data. Sebagai contoh, daun yang sama tetapi salah satu sedikit robek tetap dikenali sebagai objek yang sama.

 Tidak bergantung pada tumpang-tindih: Apabila objek sedikit tertutupi oleh objek lain, fitur bernilai sama dengan kalau objek itu terpisah.

 Tidak bergantung secara statistis: Dua fitur harus tidak bergantung satu dengan yang lain secara statistik.

Salah satu bentuk ekstraksi fitur adalah ekstraksi tepi objek (deteksi tepi). Deteksi tepi berfungsi untuk memperoleh tepi objek. Deteksi tepi memanfaatkan perubahan nilai intensitas yang drastis pada batas dua area. Definisi tepi di sini adalah “himpunan piksel yang terhubung yang


(56)

35 | P a g e terletak pada batas dua area” (Gonzalez & Woods, 2002). Perlu diketahui, tepi sesungguhnya mengandung informasi yang sangat penting. Informasi yang diperoleh dapat berupa bentuk maupun ukuran objek.

Umumnya, deteksi tepi menggunakan dua macam detektor, yaitu detektor baris (Hy) dan detektor kolom (Hx). Beberapa contoh yang tergolong jenis ini adalaah operator Roberts, Prewitt, Sobel, dan Frei-Chen.

Deteksi tepi dapat dibagi menjadi dua golongan. Golongan pertama disebut deteksi tepi orde pertama, yang bekerja dengan menggunakan turunan atau diferensial orde pertama. Termasuk kelompok ini adalah operator Roberts, Prewitt, dan Sobel. Golongan kedua dinamakan deteksi tepi orde kedua, yang menggunakan turunan orde kedua. Contoh yang termasuk kelompok ini adalah Laplacian of Gaussian (LoG).

2.4.6. Deteksi Tepi Canny

Operator Canny, yang dikemukakan oleh John Canny pada tahun 1986, terkenal sebagai operator deteksi tepi yang optimal. Algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titik-titik tepi (jarak piksel-piksel tepi yang ditemukan deteksi dan tepi yang sesungguhnya sangat pendek), dan hanya memberikan satu tanggapan untuk satu tepi.


(57)

36 | P a g e Terdapat enam langkah yang dilakukan untuk mengimplementasikan deteksi tepi Canny (Green, 2002). Keenam langkah tersebut dijabarkan berikut ini.

Langkah 1:

Pertama-tama dilakukan penapisan terhadap citra dengan tujuan untuk menghilangkan derau.

Langkah 2:

Setelah penghalusan gambar terhadap derau dilakukan, dilakukan proses untuk mendapatkan kekuatan tepi (edge strength). Hal ini dilakukan dengan menggunakan operator Gaussian.

Selanjutnya, gradien citra dapat dihitung melalui rumus:

GGxGy (2.2)

Langkah 3:

Langkah ketiga berupa penghitungan arah tepi. Rumus yang digunakan untuk keperluan ini:

theta = tan-1(Gy, Gx) (2.3)

Langkah 4:

Setelah arah tepi diperoleh, perlu menghubungkan antara arah tepi dengan sebuah arah yang dapat dilacak dari citra. Sebagai contoh, terdapat susunan piksel berukuran 5 x 5 seperti terlihat pada Gambar 2.7. Dengan melihat piksel “a” tampak bahwa a hanya memiliki 4 arah berupa 0o, 45o, 90o, dan 135o.


(58)

37 | P a g e

X X X X X

X X X X X

X X

a

X X

X X X X X

X X X X X

Gambar 2.7 Matriks piksel berukuran 5x5

Selanjutnya, arah tepi yang diperoleh akan dimasukkan ke dalam salah satu kategori dari keempat arah tadi berdasarkan area yang tertera pada Gambar 2.8. Berikut adalah aturan konversi yang berlaku:

        135 90 45 0 arah              

j H j TH ij T i j j HI ij H H i y w f y x w f y ) ( ) ( ) ( ) ( ) ( ) ( (2.4)

45

o

135

o

90

o

Gambar 2.8Area untuk mengonversi arah tepi ke dalam


(59)

38 | P a g e Semua arah tepi yang berkisar antara 0 dan 22,5 serta 157,5 dan 180 derajat (warna biru) diubah menjadi 0 derajat. Semua arah tepi yang berkisar antara 22,5 dan 67,5 derajat (warna kuning) diubah menjadi 45 derajat. Semua arah tepi yang berkisar antara 67,5 dan 112,5 derajat (warna merah) diubah menjadi 90 derajat. Semua arah tepi yang berkisar antara 112,5 dan 157,5 derajat (warna hijau) diubah menjadi 135 derajat.

Langkah 5:

Setelah arah tepi diperoleh, penghilangan non-maksimum dilaksanakan. Penghilangan non-maksimum dilakukan di sepanjang tepi pada arah tepi dan menghilangkan piksel-piksel (piksel diatur menjadi 0) yang tidak dianggap sebagai tepi. Dengan cara seperti itu, diperoleh tepi yang tipis.

Langkah 6:

Langkah keenam berupa proses yang disebut hysteresis. Proses ini menghilangkan garis-garis yang seperti terputus-putus pada tepi objek. Caranya adalah dengan menggunakan dua ambang T1 dan T2. Lalu, semua piksel citra yang bernilai lebih besar daripada T1 dianggap sebagai piksel tepi. Selanjutnya, semua piksel yang terhubung dengan piksel tersebut dan memiliki nilai lebih besar dari T2 juga dianggap sebagai piksel tepi.

Bagian penting yang perlu dijelaskan adalah penghilangan non -maksimum dan peng-ambangan histeresis. Penghilangan non -maksimum dilakukan dengan mula-mula menyalin isi larik Grad

(yang berisi besaran gradien) ke Non_max. Selanjutnya, penghilangan

non-maksimum dilaksanakan dengan memperhatikan dua titik tetangga yang terletak pada arah tepi (yang tersimpan dalam Theta). Misalnya,

arah tepi adalah 0. Apabila titik yang menjadi perhatian mempunyai koordinat (r, c), dua titik tetangga berupa (r, c-1) dan (r, c+1). Apabila gradien titik perhatian lebih besar daripada gradien kedua tetangga, nilainya akan dipertahankan. Sebaliknya, jika nilai titik perhatian lebih


(60)

39 | P a g e kecil daripada nilai salah satu atau kedua gradien tetangga, nilainya akan diabaikan (diubah menjadi nol). Seluruh kemungkinan proses seperti itu dijabarkan dalam Gambar 2.9.

Arah tepi 135o:

if (Grad(i,j) <= Grad(i+1,j+1)) || ... (Grad(i,j) <= Grad(i-1,j-1)) Non_max(i,j) = 0;

end

Arah tepi 45o:

if (Grad(i,j) <= Grad(i-1,j+1)) || ... (Grad(i,j) <= Grad(i+1,j-1)) Non_max(i,j) = 0;

end i+1, j-1 i, j i-1, j+1 i, j i-1, j-1 i, j+1 Arah tepi 90o:

if (Grad(i,j) <= Grad(i+1,j) ) || ... (Grad(i,j) <= Grad(i-1,j))

Non_max(i,j) = 0;

end

i, j i-1, j

i, j+1

Arah tepi 0o:

if (Grad(i,j) <= Grad(i,j+1)) || ... (Grad(i,j)<= Grad(i,j-1))

Non_max(i,j) = 0; end

i, j-1 i, j i, j+1

Gambar 2.9 Penghilangan non-maksimum

Peng-ambangan histeresis dilakukan dengan melibatkan dua ambang T1 (ambang bawah) dan ambang T2 (ambang atas). Nilai yang kurang dari T1 akan diubah menjadi hitam (nilai 0) dan nilai yang lebih dari T2 diubah menjadi putih (nilai 255). Lalu, bagaimana nilai yang lebih dari atau sama dengan T1 tetapi kurang dari T2? Oleh karena itu, untuk sementara nilai pada posisi seperti itu diberi nilai 128, yang menyatakan nilai abu-abu atau belum jelas, akan dijadikan 0 atau 255.

Selanjutnya, dilakukan pengujian untuk mendapatkan kondisi seperti tercantum pada Gambar 2.10. Apabila kondisi seperti itu terpenuhi, angka 128 diubah menjadi 255. Proses pengujian seperti itu dilakukan sampai tidak ada lagi perubahan dari nilai 128 menjadi 255. Tahap selanjutnya, semua piksel yang bernilai 128 yang tersisa diubah menjadi nol.


(61)

40 | P a g e

255 255

255 128

255

255

255 255 255

255 255

255 255

255

255

255 255 255

j-1 j j+1

i-1 i i+1

Gambar 2.10Pengujian untuk mengubah nilai 128 menjadi 255

2.4.7. Mengetahui Ukuran Citra

Citra digital dibentuk oleh kumpulan titik yang dinamakan piksel (pixel atau “picture element”). Setiap piksel digambarkan sebagai satu kotak kecil. Setiap piksel mempunyai koordinat posisi. Sistem koordinat yang dipakai untuk menyatakan citra digital ditunjukkan pada Gambar 2.11.

0 N-1

M-1 0

x

y

Posisi sebuah piksel

Gambar 2.11 Sistem koordinat citra berukuran M x N (M baris dan N kolom)


(62)

41 | P a g e Dengan sistem koordinat yang mengikuti asas pemindaian pada layar TV standar itu, sebuah piksel mempunyai koordinat berupa

(x, y) Dalam hal ini,

 x menyatakan posisi kolom;

 y menyatakan posisi baris;

 piksel pojok kiri-atas mempunyai koordinat (0, 0) dan piksel pada pojok kanan-bawah mempunyai koordinat (N-1, M-1). 2.4.8. Konversi Citra Biner

Strategi yang dipakai yaitu dengan menerapkan suatu nilai yang dikenal sebagai nilai ambang (threshold). Nilai tersebut dipakai untuk menentukan suatu intensitas akan dikonversikan menjadi 0 atau menjadi 1. Secara matematis, konversi dinyatakan dengan rumus:

� = { , � ≥, � < (2.5)

2.5 Pengenalan Pola

Pengenalan pola adalah suatu proses atau rangkaian pekerjaan yang bertujuan mengklasifikasikan data numeric dan symbol. Banyak teknik statistic dan sintaksis yang telah dikembangkan untuk keperluan klasifikasi pola dan teknik-teknik ini dapat memainkan peran penting dalam sistem visual untuk pengenalan obyek yang biasanya memerlukan banyak teknik.

Bentuk-bentuk obyek tertentu dalam dunia nyata yang sangat kompleks dapat dibandingkan dengan pola-pola dasar di dalam citra


(63)

42 | P a g e sehingga penggolongan obyek yang bersangkutan dapat dilakukan dengan lebih mudah. Pola sendiri adalah suatu entitas yang terdefinisi dan dapat diidentifikasikan serta diberi nama. Pola bisa merupakan kumpulan hasil pengukuran atau pemantauan dan bisa dinyatakan dalam notasi vector atau matriks.

2.5.1 Struktur dari Sistem Pengenalan Pola

Sistem terdiri atas sensor (misalnya kamera), suatu algoritma atau mekanisme pencari fitur, dan algoritma untuk klasifikasi atau pengenalan (bergantung pada pendekatan yang dilakukan). Sebagai tambahan, biasanya beberapa data yang sudah diklasifikasikan diasumsikan telah tersedia untuk melatih sistem.

Gambar 2.12 Struktur Sistem Pengenalan Pola

Sensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah menjadi sinyal digital (sinyal yang terdiri atas sekumpulan bilangan) melalu proses digitalisasi.

Pra-pengolahan berfungsi mempersiapkan citra atau sinyal agar dapat menghasilkan ciri yang lebih baik pada tahap berikutnya. Pada tahap ini sinyal informasi ditonjolkan dari sinyal pengganggu (derau) diminimalisasi.


(64)

43 | P a g e Pencari dan seleksi fitur berfungsi menemukan karakteristik pembeda yang mewakili sifat utama sinyal dan sekaligus mengurangi dimensi sinyal menjadi sekumpulan bilangan yang lebih sedikit tetapi represantif.

Algoritma klasifikasi berfungsi untuk mengelompokan fitur ke dalan kelas yang sesuai. Algoritma deskripsi berfungsi memberikan deskripsi pada sinyal.

2.5.2 ANN (Artificial Neural Network)

Jaringan Saraf Tiruan atau Artificial Neural Network yang disingkat dengan ANN merupakan model jaringan neural yang meniru prinsip kerja dari neuron otak manusia (neuron biologis). ANN pertama kali muncul setelah model sederhana dari neuron buatan diperkenalkan oleh McCulloch dan Pitts pada tahun 1943. Model sederhana tersebut dibuat berdasarkan fungsi neuron biologis yang merupakan dasar unit pensinyalan dari sistem saraf.

Jaringan saraf tiruan memiliki beberapa kemampuan seperti yang dimiliki otak manusia, yaitu :

1. Kemampuan untuk belajar dari pengalaman

2. Kemampuan melakukan perumpamaan (generalization) terhadap input baru dari pengalaman yang dimilikinya

3. Kemampuan memisahkan (abstraction) karakteristik penting dari input yang mengandung data yang tidak penting


(65)

44 | P a g e Gambar 2.13 Ilustrasi Model ANN

Pemodelan ANN merupakan pemodelan dengan menggunakan pendekatan pemodelan black box. Prinsip kerja ANN didasari pada mekanisme kerja penyaluran informasi sistem NN. Namun demikian karena keterbatasan yang dimiliki oleh struktur ANN maka hanya sebagian kecil saja dari kemampuan sistem saraf manusia dapat ditiru.

Tabel 2.6 Perbandingan NN dengan ANN

NN ANN

Soma (Sel Tubuh) Node

Dendrites Sinyal Input

Sinyal pada Akson Sinyal Output

Synapsis Bobot

Memiliki Kecepatan Rendah

Memiliki Kecepatan Tinggi

Memiliki Neuron sekitar 100 Miliar

Hanya Memiliki

sekitar Ratusan Neuron

2.5.3 LVQ (Learning Vector Quantization)

Learning Vector Quantization (LVQ) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. LVQ merupakan single-layer net pada lapisan masukan yang terkoneksi secara


(66)

45 | P a g e langsung dengan setiap neuron pada lapisan keluaran. Koneksi antar neuron

tersebut dihubungkan dengan bobot / weight. Neuron-neuron keluaran pada LVQ menyatakan suatu kelas atau kategori tertentu (Kusumadewi, 2003).

Proses pembelajaran pada LVQ dilakukan melalui beberapa epoh (jangkauan waktu) sampai batas epoh maksimal terlewati. LVQ melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut ke dalam kelas yang sama. Metode pembelajaran LVQ dikerjakan dengan algoritma berikut

(Kusumadewi,2003) :

1 : Inisialisasi vector bobot wj dan set parameter learning rate α

2 : Selama epoh < maxEpoh kerjakan 2 -6

3 : Untuk setiap vector masukan x dengan kelas T, kerjakan 3-4

4 : Temukan j sedemikian hingga d(x,wj) minimum, dan tandai j sebagai cj. 5 : Update vector bobot wj dengan cara :

Jika T = cj, maka

wj(baru) = wj(lama) + α(x-wj(lama)) …(1)

Jika T = cj, maka wj(baru) = wj(lama) - α(x-wj(lama)) …..(2) 6 : Kurangi learning rate α


(67)

46 | P a g e Gambar 2.14 Jaringan LVQ

2.6 OpenCV (Open Computer Vision)

OpenCV adalah sebuah library yang berisi fungsi-fungsi pemrograman untuk teknologi computer vision real time. OpenCV bersifat open source, bebas digunakan untuk hal-hal yang bersifat akademis dan komersial. Dan untuk saat ini library OpenCV sudah dapat digunakan dalam perangkat smartphone. Terdapat lebih dari 2500 algoritma yang terdapat dalam library OpenCV, digunakan di seluruh dunia, telah lebih dari 2.5 juta kali diunduh, dan digunakan lebih dari 40.000 orang. Penggunaannya antara lain pada seni interaktif, inspeksi ambang, menampilkan peta di web melalui teknologi robot.

Contoh aplikasi dari OpenCV yaitu interaksi manusia dan computer, identifikasi, segmentasi, dan pengenalan objek: pengenalan wajah; pengenalan gerakan; penelusuran gerakan, gerakan diri dan pemahaman gerakan; struktur dari gerakan; kalibrasi stereo dan beberapa kamera serta komputasi mendalam; robotic.


(68)

47 | P a g e 2.7 Smartphone

Android adalah sebuah sistem operasi untuk perangkat mobile berbasis linux yang mencakup sistem operasi, middleware dan aplikasi. Android menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka. Pada masa saat ini sebagian besar vendor-vendor smartphone sudah memproduksi smartphone berbasis Android. Hal ini dikarenakan android merupakan sistem operasi yang open source sehingga bebas didistribusikan dan dipakai oleh vendor manapun.

Pengembang memiliki beberapa pilihan ketika membuat aplikasi yang berbasis Android. Sebagian besar pengembang menggunakan Eclipse yang tersedia secara bebas untuk merancang dan mengembangkan aplikasi Android. Eclipse adalah IDE yang paling populer untuk pengembangan Android, karena memiliki plug-in yang tersedia untuk memfasilitasi pengembangan Android. Selain itu, Eclipse juga mendapat dukungan langsung dari Google untuk menjadi IDE pengembangan aplikasi Android, ini terbukti dengan adanya penambahan plugins untuk Eclipse untuk membuat project Android dimana source software langsung dari situs resmi Google.


(69)

48 | P a g e 2.7.1 The Dalvik Virtual Machine (DVM)

Salah satu elemen kunci dari Android adalah Dalvik Virtual Machine (DVM). Android berjalan di dalam DVM bukan di (Java Virtual Machine) JVM. Android menggunanakan Virtual Machine sendiri yang dikustomisasi dan dirsncang untuk memastikan bahwa beberapa feature berjalan lebih efisien pada perangkat mobile.

DVM mengeksekusi executable file, sebuah format yang dioptimalkan untuk memastikan memori yang digunakan sangat kecil. The executable file diciptakan dengan mengubah kelas bahasa java dan dikompilasi menggunakan tools yang disediakan dalam SDK Android.

2.7.2 Android SDK (Software Development Kit)

Android SDK adalah tools API (Application Programming Interface) yang diperlukan untuk mulai mengembangkan aplikasi pada platform Android menggunakan bahasa pemrograman Java. Android merupakan subset perangkat lunak untuk ponsel yang meliputi sistem operasi, middleware dan aplikasi kunci yang direlease oleh Google. Saat ini disediakan Android SDK sebagai alat bantu dan API untuk memulai mengembangkan aplikasi pada platform Android menggunakan bahasa Java.

Beberapa fitur-fitur Android yang paling penting adalah :

 Framework Aplikasi yang mendukung penggantian komponen dan reusable

 Mesin Virtual Dalvik dioptimalkan untuk perangkat mobile


(70)

49 | P a g e

 Grafis yang dioptimalkan dan didukung oleh libraries grafis 2D, grafis 3D berdasarkan spesifikasi opengl ES 1.0 (Opsional akselerasi hardware)

 SQLite untuk penyimpanan data

 Media support yang mendukung audio, video dan gambar (MPEG4, H.264, MP3, AAC, AMR, JPG, PNG, GIF), GSM Telephony (tergantung hardware)

 Bluetooth, EDGE, 3G dan WiFi (tergantung hardware)

 Kamera, GPS, kompas dan accelerometer (tergantung hardware)

 Lingkungan development yang lengkap dan kaya termasuk perangkat emulator, tools untuk debugging, profil dan kinerja memori dan plugin untuk IDE Eclipse

2.7.3 ADT (Android Development Tools)

Android Development Tools (ADT) adalah plugin yang didesain untuk IDE Eclipse yang memberikan kita kemudahan dalam mengembangkan aplikasi Android dengan menggunakan IDE Eclips. Dengan menggunakan ADT untuk Eclipse akan memudahkan kita dalam membuat aplikasi projrct Android, membuat GUI aplikasi, dan menambahkan komponen-komponen yang lainnya, begitu juga kita dapat melakukan running aplikasi menggunakan Android SDK melalui Eclipse. Dengan ADT juga kita dapat melakukan pembuatan package android (.apk) yang digunakan untuk distribusi aplikasi Android yang kita rancang.


(1)

L-22 | P a g e

a. Menurut Anda, seberapa penting aplikasi ini?

b. Apa alasan Anda memilih jawaban diatas? untuk tau sedikit tentang keris

Karena Saya belum pernah liat aplikasi sejenis ini sebelumnya. Aplikasi ini sangat berguna untuk melestarikan kebudayaan Indonesia dan meningkatkan kecintaan masyarakat terhadap budaya Indonesia, khususnya keris

Agar masyarakat tahu lwbih banyak ttg keris memberikan info dan wawasan ttg budaya di indo

Krena belom tersedianya media yg membahas mengenai keris . Agar kita lebih memahami budaya indonesia

Teknologi + budaya = bangsa yang besar

hanya untuk orang tertentu seperti budayawan dan sebagainya

aplikasi ini akan menjadi saran untuk memperkenalkan kebudayaan Indonesia kepada dunia

Menambah informasi

Penting jika ingin mengetahui jenis dari bentuk kris

Membantu kolektor mengetahui detail informasi kris dgn cepat dan mudah Mengingat kebudayaan indonesia sudah mulai tidak terasa lagi pada masyarakat umumnya, terutama pada anak remaja, banyak diantara mereka yang tidak mengenali budaya mereka sendiri

untuk mellestarikan kebudayaan

karena merupakan aplikasi yang dapat mengenalkan kebudayaan Indonesia, khususnya keris jawa

karena saya kurang mengetahui jenis2 keris.. dan karena aplikasi ini dapat membantu saya belajar tentang bentuk2 keris

Karena jenis dari keris tersebut banyak sekali sehingga aplikasi ini dapat memudahkan mengetahui jenis keris

untuk mengenalkan budaya indonesia kepada generasi selanjutnya, sehingga budaya sendiri tidak hilang dimakan zaman

Keris merupakan salah satu kebudayaaan indonesia, yang harus di lestarikan. Dengan adanya aplikasi ini dpt sgt membantu. :)

Karena tidak mengenal aplikasi ini,dan tidak tahu manfaatnya untuk apa,sehingga menurut saya kurang pentinh

Karena penting untuk masa seperti skrg Lengkap, jelas, dan singkat


(2)

L-23 | P a g e

Tdk penting, gak ngerti maksudnya Karena ga suka ttng keris kerisan

Aplikasi ini mempermudah manusia untuk mengenali jenis - jenis keris yang ada di Indonesia, terutama remaja di Indonesia guna mengenali budaya bangsa (yang dimaksud disini adalah keris).

Penting karena keris merupakan salah satu senjata tradisional Indonesia yg

keberadaannya saat ini kurang menjadi perhatian. Dengan dibuatnya aplikasi tersebut responden dapat menambah pengetahuan mengenai keris Jawa tersebut

Sebagai orang indonesia, sudah seharusnya kita mengenal kebudayaan bangsa kita, yg telah kita tahu bahwa bangsa ini memiliki berjuta kebudayaan. Sebagai penerus bangsa, sudah seharusnya kita mengenal kebudayaan itu. Dengan adanya aplikasi ini, kita dipermudah untuk mengenal kebudayaan keris jawa, yg sekarang ini mulai terlupakan dan tergantikan oleh barang-barang modern nan canggih. Jadi aplikasi ini, menjadi penting dan berharga untuk memudahkan pengguna smartphone khususnya pemuda Indonesia dalam mengenal keris jawa.

Aplikasi tersebut membantu pengenalan tentang keris

karena tidak banyak masyarakat indonesia mengenali keris jawa

Karena melalui aplikasi ini kita mendapatkan informasi yang kita inginkan. c. Apa kekurangan Aplikasi ini?

kurang variatif mengenai keris, lebih ke aplikasinya bukan ke kerisnya Ricikan untuk mengenali kerisnya kurang banyak untuk masyarakat awam. Kurang banyak jenis keris yg di tampilkan

ga ada

Aplikasinya bagus

Penjelasan mengenai luk terlalu kecil dab tidak bisa di zoom pemilihan font kurang readibility

masih kurang interaktif Kurang berwarna

Kurang banyak pengenalannya dan proses gambar hanya bisa pada ukuran dan bentuk tertentu

Tampilan diharapkan lebih menarik lg Kurang userfriendly

belum mendukung multi cross platform seperti, ios, windows phone, black barry dan nokia mobile phone

Proses untuk masuk aplikasi ribet harus download di play store dulu. force close ketika proses gambar

Ga ada

masih suka force close jika sedang melakukan pengenalan tampilan agar lebih dinamis

Untuk saat ini belum ada, tetapi lebih baik lagi di update terus jika ada info terbaru Ukuran terlalu besar

Overall keren! Mungkin bs dii tambhkan database kerisnya saja! saya kurang tahu,soalnya blm pernah menggunakan aplikasi ini Harus lebih lengkap dan detail lg

Bahasanya masih sedikit yg kurang jelas Tdk dijelaskan tujuannya

Kurang gambar yg menarik


(3)

L-24 | P a g e

Tidak disemua smarthphone pilihannya terlihat, contoh seperti di Saran untuk aplikasi pada pertanyaan 'Menurut Anda, seberapa penting aplikasi ini?' Jawaban yg tersedia hanya 'Sangat tidak penting' dan 'tidak penting'. Jadi responden yg ingin menjawab 'penting' tidak tersedia

Tampilan pada menu about keris, warna font yg digunakan kurang enak terlihat, dan pada tabel komposisi keris, tabel terlalu kecil.

I don't know

hanya berjalan pada platform android Tidak ada

d. Apa saran Anda untuk pengembangan Aplikasi selanjutnya? lebih informatif dan atraktif

Ditambah lagi fitur dan karakteristik ricikan untuk masyarakat yang masih awam terhadap keris.

Lebih diperbanyak lagi jenis2 kerisnya Adakan fitur zoom

disiapkan menu update gratis. semoga lebih berkembang lagi

lebih banyak jenis ricikan yang dapat dikenal dan banyak informasi mengenai keris Jangan terlalu sepi

Semoga semakin baik dan banyak lagi baik data maupun fitur pendukungnya Penambahan informasi yang diberikan

Simpelin dikit tampilannya..

Pengembangan terhadap aplikasi mobile multi cross platform seperti, ios, windows phone, black barry dan nokia mobile phone

Ketika sudah download apk, lgsg kebuka aplikasinya tidak perlu ada instal yg lain2. menu tombol admin kecil saja di bawah/pojok atau pakai back end hehe.

agar lebih diperbaiki kembali dalam pengenalan ricikan

lebih banyak lagi bentuk2 aplikasi tentang kebudayaan selain keris2 yang ada di jawa Lebih inovatif lagi dalam memberikan informasinya

Saran saya lebih dikembangkan lagi dan diperkenalkan lgi kpd pengguna ini Harus lebih bagus aplikasi yg bisa memajukan

Agar dikembang kan bahasa nya

Jelaskan tujuannya terlebih dahulu apa yg dimaksud utk penelitian ini Banyakin gambar yg menarik

Efisiensi size,

kemudahan dalam mencerna informasi (misalkan dengan gambar),

video perkenalan cukup beri link ke video youtube saja tidak usah dalam aplikasi Pembahasan lebih diperdalam

Lebih diperbaiki lagi pada menu about keris, khusunya pada pemilihan warna, penggunaan tabel dan gambar agar lebih menarik lagi.


(4)

Lampiran E.

Form Perbaikan

Sidang Skripsi


(5)

(6)