34
3 BAB IV
IMPLEMENTASI DAN ANALISIS HASIL
Bab ini dibahas mengenai hasil penelitian dan analisis hasil penelitian dari implementasi sistem yang telah dibuat. Hasil penelitian berupa perbandingan
akurasi yang diperoleh dari percobaan metode Back Propagation berdasarkan jumla hidden layer serta jumlah node pada setiap hidden layer yang digunakan.
Pada bab ini juga dibahas mengenai user interface yang dibangun berdasar algoritma yang telah dirancang.
4.1 Implementasi Sistem
Dalam subbab ini akan ditunjukkan visualisasi proses ekstraksi ciri dan tampilan antarmuka dari aplikasi yang telah dibuat. Aplikasi ini dibuat
menggunakan bahasa pemrograman Matlab.
4.1.1 Visualisasi Proses Ekstraksi Ciri
Berikut ini visualisasi dari setiap tahap dalam proses preprossesing dan ekstraksi ciri aksara Batak Karo:
1. Data Aksara
Dalam proses ini data aksara yang bertipe “.jpg” disimpan dengan tipe “.data, dibaca oleh program dengan menggunakan
fungsi [file,path]=uigetfile .JPG
, ambil gambar
; image=imread[path file];
Berikut ini hasil file aksara yang dibaca:
Gambar 4.1Hasil Baca File aksara .jpg PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2. Mengubah Citra Warna.
Dalam pemrosesan ini dimaksudkan untuk mengubah Citra Warna RGB, dilanjutkan dari Citra Keabuan mengubah menjadi
Citra Hitam Putih Biner. Dibaca dengan menggunakan fungsi grayimage=rgb2grayimage; image2=im2bwgrayimage;
Gambar 4.2 Citra keabuan diubah RGB menjadi citra hitam putih IM2BW
3. Resize Citra
Dalam proses resize citra dilakukan secara otomatis yakni, membaca seluruh citra gambar dan kemudian secara otomatis
menemukan citra terpanjang dan terlebar, setelah ditemukan maka ukuran tersebut dijadikan sebagai referensi untuk resize gambar.
Dari referensi yang ditemukan ukuran citra pada aksara ini 245 x 1350, namun itu membuat ukuran gambar tidak proposional,
maka ukuran di resize menjadi 600 x 600.
Gambar 4.3 Ukuran Citra ditemukan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4. Penipisan Citra
Pada proses ini penipisan citra Thining menggunakan fungsi RosenfeldWidiarti, 2011. Thining dilakukan untuk
mengubah ukuran ketebalan citra menjadi kecil. 5.
Penipisan Citra
Gambar 4.4 Citra setelah di thining
6. Ekstraksi Ciri
Pada penelitian ini ekstraksi ciri menggunakan algoritma Mark Direction dan Intencity of Character IoCNugroho, 2016.
Mark Direction yaitu menghitung banyaknya piksel yang memiliki tetangga berarah horizontal, vertical, diagonal ke kiri,
dan diagonal ke kanan. Mark Direction ini digunakan untuk menghitung banyaknya piksel yang memenuhi masking
horizontal, vertical, diagonal kiri, dan diagonal kanan, sedangkan Intencity of Character itu sendiri digunakan untuk menghitung
nilai piksel 0 berwarna hitam pada citra. Dalam melakukan proses ekstraksi ciri dilakukan dengan beberapa tahap, meliputi:
a. Membagi citra menjadi 9 segmen 3x3 segmen
b. Mencirikan citra pada tiap segmen menggunakan Mark
Direction untuk menghitung berapa yang memenuhi masking horizontal horz, vertical vert, diagonal ke kiri
dig1, diagonal ke kanan dig2. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
c. Mencirikan citra pada tiap segmen menggunakan Intencity
of Character untuk menghitung nilai piksel hitam black.
Gambar 4.5 Citra di bagi menjadi 9 segmen
d. Hasil Prosessing
Setelah melakukan preprossesing dan ekstraksi ciri maka akan di dapat sebuah data. Data tersebut yang akan
menjadi data untuk diproses.
Gambar 4.6 Ciri 1 dari BA KARO Proses ciri 1 adalah ciri Black yaitu dengan
memperoleh nilai piksel hitam dari data citra yang di bagi menjadi 9 segmen. Ketika dalam piksel memenuhi piksel
berwarna 0 hitam maka akan bertambah 1 counter. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.7 Ciri 2 dari BA KARO Proses ini adalah ciri diagonal kiri yaitu dengan
menghitung piksel yang memiliki tetangga berarah diagonal kiri dari data citra yang di bagi menjadi 9 segmen. Ketika
dalam piksel memenuhi masking diagonal kiri maka akan tambah 1 counter.
Gambar 4.8 Ciri 3 dari BA KARO Proses ini adalah ciri diagonal kanan yaitu dengan
menghitung piksel yang memiliki tetangga berarah diagonal kanan dari data citra yang di bagi menjadi 9 segmen. Ketika
dalam piksel memenuhi masking diagonal kanan maka akan tambah 1 counter.
Gambar 4.9 Ciri 4 dari BA KARO Proses ini adalah ciri black dan diagonal kiri yaitu
memperoleh dari nilai piksel hitam ditambah dengan piksel yang memiliki tetangga berarah diagonal kiri.
Gambar 4.10 Ciri 5 dari BA KARO Proses ini adalah ciri black dan diagonal kanan yaitu
memperoleh dari nilai piksel hitam ditambah dengan piksel yang memiliki tetangga berarah diagonal kanan.
Gambar 4.11 Ciri 6 dari BA KARO Proses ini adalah ciri Horizontal dan Vertikal yaitu
menghitung piksel yang memiliki tetangga bearah horizontal dan vertikal dari data citra yang dibagi menjadi 9
segmen. Ketika dalam piksel memenuhi masking horizontal dan vertical maka akan tambah 1 counter.
Gambar 4.12 Ciri 7 dari BA KARO Proses ini adalah ciri diagonal kiri dan diagonal
kanan yaitu menghitung piksel yang memiliki tetangga bearah diagonal kiri dan diagonal kanan dari data citra yang
dibagi menjadi 9 segmen. Ketika dalam piksel memenuhi masking diagonal kiri dan diagonal kanan maka akan
tambah 1 counter. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.13 Ciri 8 dari BA KARO Proses ini adalah memakai dengan semua ciri yaitu
black, diagonal kiri, diagonal kanan, horizontal, vertical, dari data citra yang di bagi menjadi 9 segmen. Ketika
dalam piksel memenuhi masking tersebut maka akan menambah 1 counter.
4.2 Analisis Hasil Penelitian
