PENUTUP PEMBANGUNAN APLIKASI PENGENALAN CITRA AKSARA JAWA MENGGUNAKAN METODE BACKPROPAGATION DENGANWAVELET SEBAGAI PEMROSESAN AWAL CITRA.

BAB VI

PENUTUP

VI.1 Kesimpulan

Berdasarkan hasil implementasi, pengujian, dan percobaan pada perangkat lunak Parawa, dapat dirumuskan kesimpulan sebagai berikut:

1. Aplikasi pengenalan aksara Jawa menggunakan Jaringan Saraf Tiruan (JST) berhasil dibangun menggunakan metode pembelajaran backpropagation dan transformasi wavelet Haar 2 level sebagai pemrosesan awal citra.

2. Faktor yang mempengaruhi keberhasilan sistem Parawa mengenali karakter aksara Jawa antara lain nilai laju belajar (alpha), momentum, jumlah node yang digunakan pada lapisan-lapisan JST, dan jumlah data yang dilatih saat pelatihan. Semakin banyak data yang dilatih mengakibatkan tingkat akurasi pengenalan aksara semakin baik. Nilai laju belajar dan momentum yang optimal untuk sistem Parawa berturut-turut yaitu 0,4 dan 0,4 dengan node pada lapisan hidden berjumlah 15.

3. Perangkat lunak Parawa dengan model arsitektur JST yang optimal dapat mengenali citra aksara Jawa dengan tingkat akurasi 97,857% untuk citra uji yang termasuk dalam data pelatihan, 45% untuk citra uji yang tidak termasuk dalam data pelatihan, dan 70,625% untuk citra uji yang mengandung derau (noise).

VI.2 Saran

Selama proses pembangunan perangkat lunak Parawa, penulis menyadari adanya hal-hal yang perlu diperhatikan jika ingin membangun atau mengembangkan perangkat lunak serupa:

1. Menggunakan fitur segmentasi citra agar ukuran citra yang bervariasi dapat dikenali sistem dengan baik.

75

2. Memperluas cakupan pengembangan sistem sehingga sistem juga dapat mengenali aksara Jawa dasar yang dibubuhi hurufswara (vokal). 3. Pengembangan sistem ke dalam bentuk website sehingga pengimplementasian sistem dan pemeliharaan database menjadi lebih mudah dan dapat diakses lebih banyak orang.

DAFTAR PUSTAKA

son, . . . The Illustrated Wavelet Transform Handbook. Institute of Physics Publishing, London.

Bigun, J. 2006. Vision With Direction: A Systematic Introduction to Image Procesing and Computer Vision. Springer, New York.

Bose, N. K., Liang, P. 1996. Neural Network Fundamentals with Graphs, Algorithms, and Applications. McGraw Hill International Editions.

Burrus, C. S., Gopinath, R. A., Guo, H. 1998. Introduction to Wavelets and Wavelet Transforms: A Primer. Prentice Hall, New Jersey.

Dwiandiyanta, B. Yudi. 2003. Kumpulan Paper Wavelet. Jurusan Teknik Elektro Fakultas Teknik Universitas Gadjah Mada, Yogyakarta.

El-Fegh, I., Zubi, Z. S., Elrowayati, A. A., El-Mouadib, F. A. 2009. Handwritten Arabic Words Recognition using Multi Layer Perceptron and Zernik

Moments. World Scientific and Engineering Academy and Society

(WSEAS), Wisconsin, USA.

Hijriyah, Maulanita. 2005. Pengenalan Citra Huruf Jawa Berbasis Jaringan Syaraf Tiruan. Program Studi Matematika Fakultas Matematika dan IPA Universitas Negeri Yogyakarta, Yogyakarta.

Jähne, B. 2005. Digital Image Processing: 6th Revised and Extended Edition. Springer, New York.

Kijsirikul, B., Sinthupinyo, S. 1999. Approximate ILP Rules by Backpropagation Neural Network: A Result on Thai Character Recognition. Department of Computer Engineering, Chulalongkorn University, Bangkok.

Kumar, S. 2004. Neural Networks, A Classroom Approach. Tata McGraw Hill, India.

LeCun, Y., Baser, B., Denker, J. S. 1989. Backpropagation Applied to Handwritten Zip Code Recognition. AT & T Bell Laboratoties Holmdei, New Jersey.

Melin, P., Castillo, O. 2005. Hybrid Intelligent Systems for Pattern Recognition Using Soft Computing: An Evolutionary Approach for Neural Networks and Fuzzy Systems. Springer, New York.

Nurmila, N., Sugiharto, A., Sarwoko, Eko Adi. 2010. Algoritma Back

Propagation Neural Network untuk Pengenalan Pola Karakter Huruf Jawa.

Program Studi Ilmu Komputer Jurusan Matematika Universitas Diponegoro, Semarang.

Otair, M. A., Salameh, W. A. 2008. Efficient Training of Neural Networks Using Optical Backpropagation with Momentum Factor. International Journal of Computers & Applications.

Pal, A., Singh, D. 2010. Handwritten English Character Recognition Using Neural Network. IJCSC, Department of Computer Science & Engineering, U.P. Technical University, India.

Pandya, A. S., Macy, R. B. 1996. Pattern Recognition with Neural Networks in C++. CRC Press, Boca Raton, Florida.

Puspitaningrum, Diyah. 2006. Pengantar Jaringan Saraf Tiruan. Penerbit Andi, Yogyakarta.

Sandu, V., Leon, F. 2009. Recognition of Handwritten Digits Using Multilayer Perceptrons. Buletinul Institutului Politehnic Din Iaşi, Romania.

Suryani, Merry. 2006. Pengenalan Pola Angka Menggunakan Learning Vector Quantization dengan Pemrosesan Awal Wavelet. Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta, Yogyakarta.

Tang, Y. Y., Yang, L. H., Liu, J., Ma, H. 2000. Wavelet Theory and Its Application to Pattern Recognition. World Scientific Publishing, Singapore.

http://hanacaraka.fateback.com/ http://id.wikipedia.org

LAMPIRAN 1

Data Pelatihan Aksara Jawa

a. Set 1

b. Set 2

c. Set 3

P HAN AKSARA JAWA

a. Set 1

HA NA CA RA KA

DA TA SA WA LA

PA DHA JA YA NYA

b. Set 2

HA NA CA RA KA

DA TA SA WA LA

PA DHA JA YA NYA

c. Set 3

HA NA CA RA KA

DA TA SA WA LA

PA DHA JA YA NYA

I

y

u

!

Noise

"

#$

Gaussian noise

%& '(#n

')*# )

mean

+ %#n v

#, )#ns +- +. /$

Salt and pepper noise

%& '(#n

%& 's)0#s +-+.

1$ 2o,&0#n 0)p)s 34 p)5s&*6 %$ 2o,&0#n 0&/# * 3. 7 )5s& *6

89t: ; <=9 y;>? @ A>? ; >B C >? DA: ;u E

N

F GHI J

K L GMNO O P MQ NRPO STUV WK VV XYK XZSMQ[TKV\K] XK V^[_[`

fg hij ktlmnop oqrsp otq ku v

SPESIFIKASI KEBUTUHAN PERANGKAT LUNAK

Sistem Pengenalan Pola Aksara Jawa

(Parawa)

Untuk:

Universitas Atma Jaya Yogyakarta

Dipersiapkan Oleh: Daphne Eka Jayanti Weisling

NPM : 06 07 04968

Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta

Nomor Dokumen Halaman

SKPL-Parawa

_1/22

Program Studi Teknik Informatika

Fakultas Teknologi Industri

SKPL

DAFTAR PERUBAHAN

Revisi Deskripsi

A

B

C

D

E

F

Indeks

TGL - A B C D E F

Ditulis

oleh DW

Diperiksa oleh Disetujui

DAFTAR HALAMAN PERUBAHAN

DAFTAR ISI

1 Pendahuluan ... 6

1.1 Tujuan... 6

1.2 Lingkup Masalah... 6

1.3 Definisi, Akronim, dan Singkatan... 7

1.4 Referensi... 8

1.5 Deskripsi umum (Overview)... 8

2 Deskripsi Global ... 9

2.1 Perspektif produk... 9

2.2 Fungsi Produk... 10

2.3 Karakteristik Pengguna... 12

2.4 Batasan-batasan... 12

2.5 Asumsi dan Ketergantungan... 13

3 Kebutuhan Khusus ... 13

3.1 Kebutuhan Antarmuka Eksternal... 13

3.1.1 Antarmuka Pemakai... 13

3.1.2 Antarmuka Perangkat Keras... 14

3.1.3 Antarmuka Perangkat Lunak... 14

3.2 Kebutuhan Fungsionalitas Perangkat Lunak... 15

3.2.1 Use Case Diagram... 15

4 Spesifikasi Rinci Kebutuhan ... 15

4.1 Spesifikasi Kebutuhan Fungsionalitas... 15

4.1.1 Use Case Specification: Pemrosesan Awal Citra 15 4.1.2 Use Case Specification: Ubah Set Pelatihan... 17

4.1.3 Use Case Specification: Pelatihan Aksara... 19

4.1.4 Use Case Specification: Pengujian Aksara... 21

DAFTAR GAMBAR

1. Struktur Konektifitas Parawa...10 2. Use Case Diagram Parawa...15 3. Entity Relationship Diagram Parawa...22

Sistem Pengenalan Pola Aksara Jawa

(Parawa)

1 Pendahuluan 1.1 Tujuan

Dokumen Spesifikasi Kebutuhan Perangkat Lunak (SKPL) dalam pengembangan Sistem Pengenalan Pola Aksara Jawa (Parawa) memiliki tujuan untuk mendefinisikan kebutuhan dari perangkat lunak. Kebutuhan tersebut mencakup antarmuka eksternal, performansi, atribut, serta mendefinisikan fungsi dari perangkat lunak Parawa. SKPL ini juga mendefinisikan batasan dari perancangan perangkat lunak.

1.2 Lingkup Masalah

Perangkat lunak Parawa dikembangan dengan tujuan untuk mengenal pola citra aksara Jawa dan mengkonversikan huruf tersebut ke dalam huruf konvensional (Latin). Perangkat lunak Parawa dapat melakukan hal-hal sebagai berikut:

1. Melakukan pengolahan citra aksara Jawa sebelum dilakukan pelatihan atau pengujian dengan Jaringan Saraf Tiruan. Pengolahan tersebut antara lain

thresholding dan dekomposisi citra dengan wavelet Haar.

2. Melakukan pelatihan Jaringan Saraf Tiruan dengan algoritma backpropagation menggunakan citra aksara Jawa dari set pelatihan sehingga diperoleh nilai bobot untuk tiap-tiap node dalam lapisan jaringan.

3. Melakukan pengujian pada jaringan yang telah dilatih dengan citra aksara Jawa masukan pengguna sesuai fokus penelitian.

1.3 Definisi, Akronim, dan Singkatan

Daftar definisi dan akronim yang digunakan dalam dokumen:

Keyword/Phrase Definisi

Parawa Sistem Pengenalan Pola Aksara Jawa, merupakan perangkat lunak untuk mengenal pola citra aksara Jawa dan mengkonversi ke dalam huruf Latin.

SKPL Spesifikasi Kebutuhan Perangkat

Lunak, merupakan dokumen untuk mendefinisikan kebutuhan perangkat lunak yang dikembangkan.

JST Jaringan Saraf Tiruan, merupakan

metode dalam bidang pengenalan pola yang meniru konsep jaringan saraf biologis.

Thresholding Operasi untuk mengubah citra menjadi citra biner (hitam dan putih)

berdasarkan nilai ambang threshold.

Wavelet Proses transformasi sinyal (dalam hal ini citra dua dimensi) untuk

mengurangi beban komputasi.

Wavelet Haar Jenis basis wavelet yang paling sederhana, disebut juga basis kotak.

Backpropagation Algoritma JST terbimbing yang

tiap-tiap node dalam lapisan jaringan.

Database Kumpulan data yang saling

berhubungan, diorganisasikan sehingga dapat dimanfaatkan kembali menjadi informasi secara cepat.

1.4 Referensi

Dokumen yang digunakan sebagai acuan dalam rencana pengembangan perangkat lunak Parawa adalah:

1. Resmika, Pupud Alit. 2007. Pembangunan Aplikasi Konversi Tulisan Jepang ke Bentuk Alfabet Menggunakan Backpropagation dengan Alihragam Wavelet. Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta, Yogyakarta.

2. Suryani, Merry. 2006. Pengenalan Pola Angka Menggunakan Learning Vector Quantization dengan Pemrosesan Awal Wavelet. Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta, Yogyakarta.

3. Tim Penyusun. 2002. Diktat Mata Kuliah Pengolahan Citra. Universitas Atma Jaya Yogyakarta, Yogyakarta.

1.5 Deskripsi Umum (Overview)

Secara umum dokumen SKPL ini terbagi menjadi 3 (tiga) bagian utama yaitu:

1. Bagian pertama yang berisi tujuan, lingkup masalah, definisi, referensi, dan deskripsi umum. 2. Bagian kedua yang berisi deskripsi global dari

perspektif produk, fungsi produk, karakteristik pengguna, dan batasan-batasan.

3. Bagian ketiga yang berisi deskripsi kebutuhan secara rinci, yaitu kebutuhan antarmuka eksternal, kebutuhan fungsional, batasan perancangan, atribut perangkat lunak, dan kebutuhan lainnya.

2 Deskripsi Global 2.1 Perspektif Produk

Secara umum, perangkat lunak Parawa merupakan perangkat lunak yang digunakan untuk melakukan pengenalan pola citra aksara Jawa. Secara khusus, perangkat lunak ini dapat melakukan pemrosesan awal citra antara lain thresholding untuk memperoleh citra biner dan transformasi wavelet untuk dekomposisi citra sehingga mengurangi beban komputasi. Transformasi yang digunakan adalah wavelet Haar. Setelah dilakukan pemrosesan awal, citra diubah ke dalam bentuk vektor satu dimensi untuk kemudian menjadi masukan untuk JST dengan algoritma backpropagation. Pada pelatihan, algoritma tersebut menghasilkan nilai bobot untuk setiap node pada lapisan jaringan. Nilai bobot yang diperoleh akan disimpan ke dalam database berbentuk file. Nilai bobot tersebut akan digunakan jaringan saat pengujian untuk mengkonversi citra aksara Jawa masukan. Citra yang digunakan untuk pelatihan berukuran 128 x 128 piksel, terdiri dari 3 (tiga) set pelatihan, masing-masing terdiri dari 20 huruf sesuai jumlah aksara Jawa dasar. Set pelatihan pertama yaitu aksara Jawa menggunakan font Hanacaraka.ttf yang diolah dengan

dibuat menggunakan tools Corel Draw untuk mendapatkan citra aksara yang memiliki kemiripan struktur dan ukuran dengan citra dari set pelatihan pertama. Citra yang diuji antara lain citra aksara Jawa yang merupakan data pelatihan, citra yang berwarna, dan citra yang diberi noise.

Model arsitektur yang digunakan untuk perangkat lunak ini adalah model stand alone (tidak terhubung dengan jaringan). Perangkat lunak Parawa dikembangkan menggunakan Microsoft Visual Studio 2005 dengan C# sebagai bahasa pemrograman. Media penyimpan data menggunakan Microsoft SQL Server 2005 dan file berekstensi *.txt untuk menyimpan nilai bobot jaringan.

Untuk melakukan thresholding pada citra sesuai nilai ambang threshold masukan pengguna.

c. Dekomposisi Citra dengan Wavelet Haar (SKPL-PARAWA-01-03)

Untuk melakukan transformasi citra menggunakan wavelet Haar dengan level 1, 2, atau 3.

2. Fungsi Ubah Set Pelatihan (SKPL-PARAWA-02)

Fungsi ini digunakan untuk mengubah setting set pelatihan yang digunakan dalam program. Pengguna diperbolehkan memilih maksimal dua dari tiga set yang tersedia.

3. Fungsi Pelatihan Aksara Jawa (SKPL-PARAWA-03) Fungsi ini digunakan untuk melakukan pelatihan pada JST berdasarkan masukan pengguna untuk nilai laju belajar, momentum, toleransi error, dan maksimum epoch. Setelah pelatihan selesai dilakukan, program akan menampilkan nilai MSE (Mean Squared Error) terakhir, jumlah epoch

yang dicapai, dan grafik yang menunjukkan perubahan MSE selama proses pelatihan.

4. Fungsi Pengujian Aksara Jawa (SKPL-PARAWA-04) Fungsi ini digunakan untuk melakukan pengujian JST dengan melakukan konversi citra aksara Jawa menjadi huruf alfabet (Latin). Fungsi ini memiliki beberapa sub-fungsi antara lain:

a. Browse Citra (SKPL-PARAWA-04-01)

Untuk menambahkan citra aksara dari media penyimpanan komputer.

Sebelum citra dikonversi, dilakukan terlebih dahulu beberapa pemrosesan awal citra antara lain thresholding dan dekomposisi citra dengan wavelet Haar.

c. Pencocokan Pola Citra (SKPL-PARAWA-04-03) Citra yang telah diproses akan menjadi masukan untuk JST yang bobotnya telah dilatih. Keluaran dari JST tersebut akan dicocokkan dengan vektor target yang tersimpan dalam database untuk ditunjukkan hasilnya pada pengguna.

2.3 Karakteristik Pengguna

Karakteristik pengguna perangkat lunak Parawa yaitu:

1. Mengerti tentang pengoperasian komputer dengan sistem operasi Windows.

2. Mengerti tentang pengetahuan dasar citra (image).

2.4 Batasan-batasan

Perangkat lunak Parawa memiliki batasan-batasan dalam pengoperasiannya, antara lain:

1. Citra aksara yang dilatih adalah citra format *.jpg, *.bmp, atau *.gif berukuran 128 x 128 piksel dan memiliki warna aksara yang lebih gelap dari warna latar belakang (aksara: hitam, latar: putih). Citra diolah menggunakan tools

2. Semua citra baik yang dilatih maupun yang diuji adalah citra satu suku kata aksara Jawa tegak (tanpa rotasi).

3. Algoritma transformasi citra yang digunakan adalah wavelet Haar 2 (dua) level.

4. Algoritma JST yang digunakan adalah

backpropagation dengan pembaruan bobot menggunakan momentum, dan memiliki 1 (satu)

hidden layer.

2.5 Asumsi dan Ketergantungan

Asumsi dasar pembuatan perangkat lunak Parawa adalah pengguna merupakan orang yang mengerti tentang dasar-dasar teori pengolahan citra dan pengenalan pola. Antarmuka dibuat sedemikian rupa sehingga pengguna dapat menjalankan fungsi-fungsi dengan baik dan tidak membingungkan.

Perangkat lunak ini dapat berjalan dengan baik dengan asumsi data-data yang diperlukan telah tersedia di sistem database.

3 Kebutuhan Khusus

3.1 Kebutuhan Antarmuka Eksternal

Kebutuhan antarmuka eksternal perangkat lunak Parawa meliputi kebutuhan antarmuka pemakai, antarmuka perangkat keras, dan antarmuka perangkat lunak.

3.1.1 Antarmuka Pemakai

Pengguna berinteraksi dengan perangkat lunak Parawa menggunakan antarmuka grafis berbasis Windows. Perangkat lunak Parawa menerima masukan dari pengguna

melalui perintah yang diketikkan di keyboard maupun dari mouse. Keluaran dari Parawa yaitu citra atau data-data lain.

3.1.2 Antarmuka Perangkat Keras

Kebutuhan perangkat keras minimum untuk menjalankan perangkat lunak Parawa antara lain:

1. Komputer desktop atau PC 2.Mouse

3.Keyboard

4. RAM 512 MB 5.Harddisk 80 GB

3.1.3 Antarmuka Perangkat Lunak

Perangkat lunak yang dibutuhkan untuk mengoperasikan perangkat lunak Parawa yaitu:

1. Nama : Windows XP Sumber : Microsoft

Sebagai sistem operasi pada komputer. 2. Nama : SQL Server 2005

Sumber : Microsoft

Sebagai sistem manajemen penyimpanan data. 3. Nama : Visual Studio 2005

Sumber : Microsoft

3.2 Kebutuhan Fungsionalitas Perangkat Lunak 3.2.1 Use Case Diagram

Pelatihan Aksara

(from Use Cases)

Pengujian Aksara

(from Use Cases)

Pemrosesan Awal Citra

(from Use Cases)

User

(f rom Actors)

Ubah Set Pelatihan

(from Use Cases)

Gambar 2. Use Case Diagram Parawa

4 Spesifikasi Rinci Kebutuhan

4.1 Spesifikasi Kebutuhan Fungsionalitas

4.1.1 Use Case Specification: Pemrosesan Awal Citra 1. Brief Description Use case ini digunakan untuk mendemokan pemrosesan awal citra kepada aktor.

2. Primary Actor User

3. Supporting Actor None

4. Basic Flow a. Use case ini dimulai ketika

aktor memilih untuk

melakukan pemrosesan awal citra.

b. Sistem menampilkan antarmuka untuk pemrosesan awal citra. c. Aktor memilih citra dari media penyimpan komputer untuk dimasukkan ke dalam sistem.

d. Sistem mengecek apakah citra masukan berukuran 128 x 128 piksel.

A-1 Ukuran citra masukan tidak sesuai.

e. Sistem menampilkan citra yang dipilih.

f. Aktor memberi masukan nilai

ambang threshold pada

sistem.

g. Sistem menampilkan citra hasil threshold.

h. Aktor memilih level dari

wavelet Haar yang akan dilakukan pada citra hasil

threshold.

i. Sistem menampilkan citra hasil dekomposisi dengan

wavelet Haar dan nilai matriks binernya.

E-1 Aktor belum memilih citra.

penskalaan ulang citra menjadi 128 x 128 piksel.

2. Kembali ke Basic Flow bagian (e).

6. Error Flow E-1 Aktor belum memilih citra. 1. Sistem memberi pesan

peringatan bahwa citra belum dipilih.

2. Kembali ke Basic Flow bagian (h).

7. PreConditions Aktor sudah memasuki sistem. 8. PostConditions None.

4.1.2 Use Case Specification: Ubah Set Pelatihan 1. Brief Description Use case ini digunakan aktor

untuk mengubah dan menyimpan maksimal dua dari tiga set pelatihan yang aktif untuk digunakan dalam pelatihan JST.

2. Primary Actor User

3. Supporting Actor None

4. Basic Flow a.Use case ini dimulai ketika aktor memilih untuk mengubah

setting set pelatihan.

b.Sistem menampilkan antarmuka

untuk mengubah set

pelatihan.

c.Aktor memilih maksimal dua dari tiga set pelatihan yang tersedia.

d.Aktor memilih untuk

menyimpan setting set

pelatihan yang akan

digunakan.

A-1 Aktor memilih untuk membatalkan setting. E-1 Tidak ada set yang

dipilih aktor.

e.Sistem menyimpan setting set pelatihan.

5. Alternative Flow A-1 Aktor memilih untuk membatalkan setting.

1. Keluar dari sistem dan

setting tidak

disimpan.

6. Error Flow E-1 Tidak ada set yang dipilih aktor.

1. Sistem memberi pesan peringatan bahwa set pelatihan belum ada yang dipilih.

2. Kembali ke Basic Flow bagian (d).

7. PreConditions Aktor sudah memasuki sistem. 8. PostConditions Setting dari set pelatihan

disimpan sesuai dengan pilihan aktor.

4.1.3 Use Case Specification: Pelatihan Aksara

1. Brief Description Use case ini digunakan untuk melakukan pelatihan pengenalan pola aksara Jawa berdasarkan pilihan aktor.

2. Primary Actor User

3. Supporting Actor None

4. Basic Flow a. Use case ini dimulai ketika

aktor memilih untuk

melakukan pelatihan jaringan guna mengenal pola aksara Jawa.

b. Sistem memeriksa apakah ada bobot yang tersimpan dalam

database.

A-1 Bobot belum ada di

database.

c. Sistem meminta konfirmasi

apakah aktor ingin

menggunakan bobot yang ada. A-2 Aktor memilih tidak

mengambil bobot dari

database.

d. Sistem menampilkan antarmuka untuk pelatihan aksara.

e. Aktor mengisi nilai laju belajar, momentum, toleransi

error, dan jumlah epoch

maksimal.

f. Aktor meminta sistem untuk melakukan pelatihan aksara.

E-1 Nilai variabel belum lengkap diisi.

g. Sistem menampilkan nilai MSE, jumlah epoch, dan grafik perubahan MSE hasil pelatihan.

5. Alternative Flow A-1 Bobot belum ada di

database.

1. Sistem meminta

konfirmasi aktor untuk menginisialisasi bobot. 2. Ke Basic Flow bagian

(d).

A-2 Aktor memilih tidak mengambil bobot dari

database.

1. Sistem meminta

konfirmasi aktor untuk menginisialisasi bobot. 2. Ke Basic Flow bagian

(d).

6. Error Flow E-1 Nilai variabel belum

lengkap diisi.

1. Sistem memberi pesan peringatan bahwa nilai

variabel yang

diperlukan belum diisi lengkap.

8. PostConditions Nilai bobot diperbaharui di

database.

4.1.4 Use Case Specification : Pengujian Aksara 1. Brief Description Use case ini digunakan aktor

untuk melakukan pengujian JST dengan konversi citra aksara Jawa masukan aktor.

2. Primary Actor User

3. Supporting Actor None

4. Basic Flow a.Use case ini dimulai ketika

aktor memilih untuk

melakukan pengujian jaringan guna mengenal citra aksara Jawa.

b.Sistem menampilkan antarmuka untuk pengujian.

c.Sistem meminta aktor untuk memasukkan citra yang digunakan untuk pengujian. d.Aktor memasukkan file citra

pengujian ke dalam sistem. e.Sistem mengecek apakah citra

masukan berukuran 128 x 128 piksel.

A-1 Ukuran citra masukan tidak sesuai.

f.Citra ditampilkan pada antarmuka sistem.

g.Aktor memilih untuk

pengenalan pola citra.

h.Sistem menampilkan data-data hasil pengujian.

5. Alternative Flow A-1 Ukuran citra masukan tidak sesuai.

1. Sistem melakukan

penskalaan ulang citra menjadi 128 x 128 piksel.

2. Kembali ke Basic Flow bagian (f).

6. Error Flow None.

7. PreConditions Pelatihan jaringan telah dilakukan.

8. PostConditions Suku kata hasil pengujian jaringan ditampilkan ke sistem.

5 Entity Relationship Diagram

z{|}~€| €{~‚ƒ‚ „‚ €{~‚ „} … †‡‚}

| ˆ‰Š‹Œ € ‹Ž‹  €‘ ’ ‰“ ”

w

 •€“

w

–

— ˜™ š› œ

—˜ ž Ÿ  ¡™¢ ¡ £™¤ ¢ ¥ ¢¦ ¢ §¨ © ¦ ¢›¢ ™¢

ª«Ÿ  ¡¢« ›¢˜ ¬ ­Ÿ®œ ª¢«®˜Ÿ ¯›¢ ¥¢ ¦ ¢˜™ °Ÿ ¡­˜©

±² ³ œ ´ µ ´ ¶ ´ ·¸ µ ¹

²  ¨©  ¢¤ º™š» ¼Ÿ› ˜› ½ ˜¾¨ ¤¢™›¢ ¿ ¢›š­™¢¡ ¼Ÿ› ˜¨­¨ © ½ ˜ »š¡™  —˜ ž Ÿ  ¡™¢ ¡ £™¤ ¢ ¥ ¢¦ ¢ §¨ © ¦ ¢›¢ ™¢

ÀÁ ÂÁ Ã ÄÁÅuÂÆÇ ÈÉ ÊÉ ÂÉ Ç

DPPL-Parawa

Ë ÌÍ

3

PrÎÏrÐÑ ÒtuÓ Ô Õ Ö×Ø Ô×

ÙØÚ ÎrÑÐtÔ×Ð

ÛÐ ×uÜtÐs Õ Ö ×Ø ÎÜ ÎÏÔ ÙØ ÓustrÔ z€€ †

!" #$ %&'

( ) * + , - .

/01u20 3 4 256

7 8

/095:0;3< 4 256

/0351u=u0 4 256

defgeh iejekel mnhopeiel

¢£¤¥£¦ §¨§

© Pª « ¬­ ® ¯° ¯­ « ...± ©.© ² ¯³ ¯­«...± ©.´ µ¯­ «¶ · ¸«¶ ¹¯º...± ©.» ¼ª ½¸«¸¾¸¿ À¹Á «¸Ã ¿ ¬­ « ĸ«¶¹­Å­«...Æ ©.Ç µª ½ª Áª «¾¸...È

´ P

ªr

­ « É­ «¶­ « ĸ¾ÅªÃ ... Ê ´ Ë© Pªr­ «É ­ «¶­ « ÀÁ ¾¸Åª¹Å ¯Á...Ê ´ Ë´ Pªr­ «É ­ «¶­ « µ¸« ɸ...©Ì ´ Ë´ Ë© Īͯª« É ª ¼¸­¶Á ­Ã...©Ì ´ Ë´ Ë©Ë© ΪÃÁ¾ª ¾­ « ÀÏ ­° иÅÁ ­...©Ì ´ Ë´ Ë©Ë´ Ñ Ò­ ® ĪŠΪ° ­Å¸®­ «...© © ´ Ë´ Ë©Ë» Ϊ °­Å¸®­« À¹¾ ­Á ­...©´ ´ Ë´ Ë©ËÇ Îª «¶¯ ³¸­« À¹¾ ­Á ­...© » ´ Ë´ Ë´ а­ ¾ ¾ ¼¸­¶Á ­Ã...©Ç ´ Ë´ Ë» а ­¾ ¾ ¼¸­¶Á­Ã ĺª ɸ½¸É ¼ª ¾ ÉÁ¸ºÅ¸Â« ¾...©Ç ´ Ë´ ˻˩ ĺª ɸ½¸É ¼ª ¾¸¶« а­ ¾¾ Ó ÂÁ à ԭ Õª °ªÅ...©Ç ´ Ë´ ˻˴ ĺª ɸ½¸É ¼ª ¾¸¶« а­ ¾¾ Ó ÂÁ à Ī Å...©Ö ´ Ë´ ˻˻ ĺªÉ¸½¸É ¼ª¾¸¶« а ­ss Ó ÂÁÃΪ° ­Å¸®­«...©Ö ´ Ë´ Ë»ËÇ ÄºªÉ¸½¸É ¼ª¾¸¶« а ­¾ ¾ ÓÂÁà Ϊ «¶¯ ³¸­ «...©± ´ Ë´ Ë»ËÖ ÄºªÉ¸½¸É ¼ª¾¸¶« а ­¾ ¾ ÎÁªºÁ ÂÉ ª¾ ¾¸«¶...©± ´ Ë´ ˻˱ ĺªÉ¸½¸É ¼ª¾¸¶« а ­¾ ¾ ׭ɹºÁº­¶­ Ÿ«...©± ´ Ë´ Ë»ËÆ ÄºªÉ¸½¸É ¼ª¾¸¶« а ­¾ ¾ ¼­ Å­Ò­ ¾ ª...©Æ » Pªr­ « É­ «¶­ « À«Å­Áà ¯¹­ ...©È

»Ë©

ت«¯

Ñŭí...©È »Ë´ ÓÂÁà ² ®Á ª ¾ ® °¬ Ù Ô­Õ ª° ªÅ...©Ê »Ë» ÓÂÁÃ Ñ Ò­ ® ĪŠΪ ° ­ Ÿ®­ «... ´ Ì »ËÇ ÓÂÁà Ϊ° ­Å¸®­ « ÚÄ ²...´© »ËÖ ÓÂÁà Ϊ«¶¯³¸­ « ÚÄ ²...´ ´

P ...

! " # $ ... %

& ' () ! # )

* ! #)

+ ! , &

-. $# ! ... *

.. P / ' ...0

0 ! 1" 2))"#3 4 56 #

! 1" '() ! #) %

% ! 1" ! # ) 72 ...

_`abcd ecfgcfhih f ejih kl ahmh nh

w

h o ehmh

w

h p

q rs tu v wx yx v t qzq {x|x v t

}~  € ‚ ƒ } ‚„ … †‡„† P‚… ˆ ƒ‰ ˆ ƒŠ ˆƒ P‚… ˆ ƒ Šˆ‹ Œ € ƒ ˆ

(} ŒŽ Pˆ…ˆ ˆ †ƒ † ‚… ‹ € ‘ €ˆ ƒ uƒ‹€  ‚ ƒ’ ‚“†ƒ †s† ˆ ƒ ‡‚…ˆƒ ‰ ˆƒ Š ˆƒ ‡‚…ˆƒŠˆ‹ ”€ƒ ˆ •† „t‚ P‚ƒ Š‚ ƒ ˆ”ˆ ƒ P~”ˆ – „ ˆ…ˆ —ˆˆ (Pˆ…ˆˆ) yˆƒ Š ˆ ˆ ƒ ’† ‚ˆ ƒŠˆƒ˜ }~€‚ ƒ } Œ t‚…„ ‚€‹ ’ † Šuƒ ˆ ˆ ƒ ~”‚™ ‡ ‚ ƒŠ ‚ ˆ ƒŠ ‡ ‚…ˆƒ Šˆ‹ ”uƒ ˆ

s‚ˆŠ ˆ † ˆ ‰ €ˆ ƒ t‚ƒ† „ uƒ‹ € † ‡”‚‚ƒ‹ ˆ „ † ‡ˆ’ ˆ tˆ™ ˆ‡

s‚”ˆƒ ‘ €‹ƒšˆ˜

qz› œx v t žŸ t  x ¡

P‚… ˆ ƒŠˆ‹ ”€ ƒ ˆ Pˆ…ˆˆ ’† ‚ˆ ƒŠˆ ƒ ’‚ƒ Š ˆƒ tu‘€ ˆ ƒ

uƒ‹€  ‚ ƒ Š‚ ƒˆ” ‡ ~”ˆ ‰ †‹…ˆ ˆ„ˆ… ˆ —ˆˆ ’ˆƒ

‚ƒ Š ~ƒ¢‚… „ †ˆ ƒ ™€… €“ t‚…„‚€‹ ‚ ’ ˆ”ˆ ™ €…€“ ˆ”“ ˆ‚‹

(Œ ˆ‹ † ƒ Ž˜ P‚…ˆƒ Šˆ‹ ”€ƒ ˆ Pˆ…ˆˆ ’ˆ‡ ˆ‹ ‚”ˆ €ˆƒ ™ˆ”-™ ˆ”

s‚ˆŠ ˆ † ‚…†€‹ £

¤˜¥‚”ˆ €ˆƒ ‡ ‚ ƒ Š~”ˆ™ ˆƒ ‰ †‹ … ˆ ˆ „ ˆrˆ —ˆ ˆ s‚‚”€ ’†”ˆ €ˆƒ ‡ ‚”ˆ‹†™ˆ ƒ ˆ‹ ˆ € ‡‚ ƒŠ €‘ † ˆƒ ’ ‚ ƒ Šˆƒ —ˆ… † ƒ Šˆ ƒ •ˆ… ˆ“ ¦ †…€ˆ ƒ˜ P‚ ƒ Š~”ˆ ™ ˆƒ t‚…„ ‚ut ˆƒ‹ˆ…ˆ ”ˆ † ƒ thresholding ’ ˆ ƒ ’‚ ~ ‡ ~ „ † „† ‰ †‹rˆ ’‚ƒ Š ˆƒ wavelet Haar.

§˜

¥‚”ˆ €ˆƒ ‡ ‚”ˆ‹†™ˆ ƒ —ˆ…† ƒŠ ˆ ƒ •ˆ…ˆ“ ¦†…€ ˆƒ ’‚ƒ Š ˆƒ ˆ”Š~ … †‹  ˆ backpropagation  ‚ ƒŠ Š €ƒ ˆˆ ƒ ‰ †‹ …ˆ ˆ „ ˆ… ˆ —ˆ ˆ ’ˆ… † s‚‹ ‡‚”ˆ‹†™ ˆƒ s‚ ™† ƒ ŠŠ ˆ ’ †‡‚… ~”‚ ™ ƒ†”ˆ †  ~ ~ ‹ uƒ‹ € ‹†ˆ‡-t†ˆ‡ ƒ~’‚ ’ˆ”ˆ ”ˆ‡†„ ˆ ƒ ‘ˆ…†ƒ Š ˆƒ.

Ð Ñ Ò ÓÔ Õ Ö× Ö Ø ÖÙ Ú ÛÜ Ý×ÖÞ Ù ßà× á Ö× â Ûà ãà ×

äå æ çå è éê æ ëì ë í ë éå ì å î èïìëð yå ì ñ é ë ñòì å îåì éå óåð éï î òð ê ìô

õ ö÷ ø ùú ûü ý þú ÿ ö ÓÔÕÖ× Ö ØÖ

Påèåå ë íçê ð P

êìñêì åóå ì Pïóå

îíåèå åå

ð êèò å îåì ê èå ì ñ îåç óòì å î uì ç ò î ð ê ì ñê ìåó ïóå ë ç èå åîíå èå åå éåì ð ê ì ñ îïìêè íë îê éåóå ð òè òæ åç ëì ä äêíî è ëíë Pêèåì å ìñå ì Pêèå ì ñ îå ç òì å î

åçå ò yå ìñ é ëíêò ç òñå Software

Design Description (ä ä

ð êèòå îåì

éêíî è ëíë éå è ë êèåì åìñå ì

èï é ò îêèåìñîåç ó òì å î yå ì ñ å îå ì é ë îê ðå ì ñ îåì

åèëìñå ì å èåæ ë è òå ì

ðêèò å îå ì ð êçïéê éå óå ð ë éå ìñ êìñêì åóå ì ïóå

yå ì ñ ð êìëè ò îï ì íê åèëì ñå ì såèå æ ëï óïñë í.

Thresholding O ê èåíë uìçò î ðê ìñòå ëç èå ð êìå é ë

ë çèå ëì êè ( ë çå ð éåì ò ç ë

êèéåíåèîå ì

ì ë óå ë

åðå ìñ threshold. Wavelet Prï íêí çèå ì íæïèðåí ë íëì åó éåóåð åó

ëìë ëç èå é òå éëðê ìíë) uì ç òî ð ê ì ñ ò èå ì ñ ë êå ì îïð ò çå í ë Wavelet Haar ê ì ë í å í ë í wavelet yåìñ å ó ëì ñ

sêéêè å ìå éëíêò ç òñå å í ëí îïçå î Backpropagation ó ñïè ëçðå çê èëðëìñ åìñ

ð ê ì ñ å í ëó îåì ìë óåë ïïç uìçò î ç ëå

Database ; <= > <? @A B@C @ D @A E F @?GAE

H IJ K<H<AE@AL BGMJE@AGF @ FGN@A FI KGA EE@ B@ >@ C BG=@AO@@ CN@A NI=H@?G =IAP@BG GAOM J= @ F G FIQ @J@ QI> @ CR

Class Diagram S IA <AP<NN@A N I H IJ@B @ @A N I?@F B@A

rI? @ F G @AC @J NI? @ F. Sequence

Diagram

S IJ< > @N@A B G @EJ@= GACIJ@NF G D@A E =IAIN@AN@A > @B@ <J<C @A T@NC< R

U V W XY ZY [Y\] ^

_M N<=IA y@AE B GE<A@N@A sIH@E @ G @ Q<@A B@?@= rIAQ @A@ >I=H@A E <A@A >IJ@AEN@C ? <A@N ` @J@T@ @B @?@Ka

bRc IF=GN@L Pu><B d? G C R e f fgR Pembangunan Aplikasi Konversi Tulisan Jepang ke Bentuk Alfabet Menggunakan Backpropagation dengan Alihragam Wavelet. PrMEJ@= hC <BG i INAGN jAOM J= @ CGN@ kAGl IJF GC @ F dC=@ m@D @ n MED@N@JC @L n ME D @N@JC @ R

eRh<JD @AGL SIJ JD R effoR Pengenalan Pola Angka Menggunakan Learning Vector Quantization dengan Pemrosesan Awal Wavelet. PrMEJ@= hC <BG iINA GN jAOM J=@ CGN@ kAGlIJF G C@ F dC=@ m@D @ n MED@N@JC @L n ME D @N@JC @ R

p R

qIGF? GA EL _ @>KAI rN@ m@ D@ACG R efb bR Spesifikasi Kebutuhan Perangkat Lunak Parawa. kA Gl IJFG C @F dC=@ m@ D@ n ME D @N@JC @ R

š ›œ ž Ÿ  žŸ¡žŸ ¢ £¤ ¥œ ¦

š § ¨ ›œž Ÿ  ž Ÿ ¡ž Ÿ © ¤£¥œ ª ¥« 

æ çæ èé ê ëì í ëì î ëì ï ðìíð æ çæ ç ñ òé ó ôé ì íé õ ð ëîê ë ö æ çæ ç ñçñ èéöê÷øéøëì ù úëû üðýê ë

: User

: User : FormWavelet : FormWavelet : Preprocessing : Preprocessing 1: FormWavelet()

2: 3: btnOpen_Click()

4: ShowThresholdImg(val)

5: ThresholdByValue(bmp,val) 6:

7: 8: btnWavelet_Click()

9: WaveletHaar2D(bmp,lvl) 10:

11:

2.2.1.2 Ubah Set Pelatihan

: User

: User : FormSet : FormSet 1: FormSet()

2:

3: btnSimpan_Click()

4: Simpan(temp) 5:

2.2.1.3 Pelatihan Aksara

: User

: User : FormPelatihan : FormPelatihan : Backpropagation : Backpropagation : Database : Database 1: FormPelatihan(bp)

2:

3: LoadDataPelatihan(sPel) 4:

5: btnLatih_Click()

6: InisialisasiPelatihan(data,alp,mmtm,eps,max) 7: InisialisasiBobot()

8: 9: Pelatihan()

10: 11: BentukGrafik()

12:

13: FormPelatihan_Closing()

14: SimpanBobotInput(bobot) 15:

16: SimpanBobotOutput(bobot) 17:

18:

2.2.1.4 Pengujian Aksara

: User

: User : FormPengujian : FormPengujian : Preprocessing : Preprocessing : Backpropagation : Backpropagation : Database : Database 1: FormPengujian(bp)

2:

3: BacaBobotInput() 4: 5: BacaBobotOutput()

6: 7: btnBukaFile_Click()

8: 9: btnKonversi_Click()

10: ThresholdByValue(bmp,val) 11:

12: WaveletHaar2D(bmp,lvl) 13:

14: InisialisasiPengujian() 15:

16: Pengujian()

18: SelectCitraByIndex(index) 17:

19: 20:

2.2.2 Class Diagram FormSet FormSet() btnSimpan_Click() <<boundary>> FormWavelet FormWavelet() btnOpen_Click() ShowThresholdImg(val) btnWavelet_Click() <<boundary>> FormPelatihan FormPelatihan(bp) btnLatih_Click() BentukGrafik() FormPelatihan_Closing() <<boundary>> Preprocessing ThresholdByValue(bmp, val) WaveletHaar2D(bmp, lvl) <<control>> Database LoadDataPelatihan(sPel) SimpanBobotInput(bobot) SimpanBobotOutput(bobot) BacaBobotInput() BacaBobotOuput() SelectCitraByIndex(index) <<entity>> Backpropagation

InisialisasiPelatihan(data, alp, mmtm, eps, max) InisialisasiBobot() Pelatihan() InisialisasiPengujian() Pengujian() <<control>> FormPengujian FormPengujian(bp) btnBukaFile_Click() btnKonversi_Click() <<boundary>>

Gambar 6. Class Diagram Parawa

2.2.3 Class Diagram Specific Descriptions 2.2.3.1 Specific Design Class FormWavelet

FormWavelet <<boundary>>

+FormWavelet()

Default konstruktor, digunakan untuk inisialisasi atribut kelas ini.

+btnOpen_Click()

Operasi ini digunakan untuk membuka file berupa citra dari media penyimpanan komputer.

thresholding s user. +btnWavelet_Click()

Operasi ini digunakan untuk melakukan dekomposisi citra hasil threshold dengan transformasi wavelet Haar sesuai level masukan user.

2.2.3.2 Specific Design Class FormSet

FormSet <<boundary>>

+FormSet()

Default konstruktor, digunakan untuk inisialisasi atribut kelas ini.

+btnSimpan_Click()

Operasi ini digunakan untuk menyimpan set data pelatihan yang sudah dipilih ke dalam atribut.

2.2.3.3 Specific Design Class FormPelatihan

FormPelatihan <<boundary>>

+FormPelatihan(bp)

Konstruktor dengan parameter dari kelas Backpropagation.

+btnLatih_Click()

Operasi ini digunakan untuk melakukan pelatihan JST sesuai masukan-masukan nilai dari user.

+BentukGrafik()

Operasi ini digunakan untuk membentuk grafik MSE dan menampilkannya.

+FormPelatihan_Closing()

2.2.3.4 Specific Design Class FormPengujian

FormPengujian <<boundary>>

+FormPengujian(bp)

Konstruktor dengan parameter dari kelas Backpropagation.

+btnBukaFile_Click()

Operasi ini digunakan untuk membuka file citra dari media penyimpanan komputer.

+btnKonversi_Click()

Operasi ini digunakan untuk melakukan konversi citra aksara Jawa ke dalam bentuk alfabet.

2.2.3.5 Specific Design Class Preprocessing

Preprocessing <<control>>

+ThresholdByValue(bmp,val)

Operasi ini digunakan untuk melakukan thresholding pada sebuah citra bmp dengan nilai ambang val.

+WaveletHaar2D(bmp,lvl)

Operasi ini digunakan untuk melakukan transformasi citra hasil threshold dengan wavelet Haar.

2.2.3.6 Specific Design Class Backpropagation

!" # $% ! & ' ( ) ' *# ( %' ) ' + ! ,- . !# / ' 0 12 3 +InisialisasiBobot()

Operasi ini digunakan untuk menginisialisasi bobot-bobot pada tiap lapisan JST.

+Pelatihan()

Operasi ini digunakan untuk melakukan pelatihan pada JST sesuai atribut yang telah ditentukan.

+InisialisasiPengujian()

Operasi ini digunakan untuk menginisialisasi atribut yang akan digunakan untuk pengujian JST.

+Pengujian()

Operasi ini digunakan untuk melakukan konversi citra aksara Jawa ke dalam huruf Latin sekaligus menguji JST yang telah dilatih.

2.2.3.7 Specific Design Class Database

Database <<entity>>

+LoadDataPelatihan(sPel)

Operasi ini digunakan untuk mengambil seluruh data pelatihan yang telah ditentukan dari database.

+SimpanBobotInput(bobot)

Operasi ini digunakan untuk menyimpan bobot jaringan pada lapisan input ke dalam bentuk file.

+SimpanBobotOutput(bobot)

Operasi ini digunakan untuk menyimpan bobot jaringan pada lapisan output ke dalam bentuk file.

+BacaBobotInput()

Operasi ini digunakan untuk membaca bobot input yang telah disimpan ke dalam bentuk matriks.

+BacaBobotOutput()

Operasi ini digunakan untuk membaca bobot output yang telah disimpan ke dalam bentuk matriks.

+SelectCitraByIndex(index)

Operasi ini digunakan untuk mengambil data citra sampel berdasarkan nilai index.

3 Perancangan Antarmuka 3.1 Menu Utama

Gambar 7. Perancangan Antarmuka Menu Utama

Antarmuka Menu Utama ini merupakan antarmuka utama yang berisi menu untuk mengakses form-form lain. Form diakses dengan melakukan klik pada menu yang hendak ditampilkan. Dalam antarmuka ini, terdapat 3 (tiga) menu utama antara lain ‘Pemrosesan Awal’, ‘Pengenalan

45 6 7 ‘Pemrosesan Awal’ berisi submenu ‘Threshold & Wavelet’ untuk masuk ke form demo pemrosesan awal citra. Menu ‘Pengenalan Pola’ berisi submenu ‘Pelatihan JST’ untuk melakukan pelatihan pada jaringan, ‘Pengujian JST’ untuk menguji jaringan dengan konversi citra aksara Jawa, dan ‘Ubah Set Pelatihan’ untuk mengubah set pelatihan yang digunakan dalam pelatihan (yang aktif). Menu ‘Lainnya’ berisi submenu ‘Tentang Aplikasi’ untuk menampilkan sekilas tentang aplikasi Parawa dan ‘Keluar’ untuk keluar dari sistem.

3.2 Form Threshold & Wavelet

Gambar 8. Perancangan Antarmuka Form Threshold & Wavelet

Antarmuka Form Threshold & Wavelet merupakan form yang bertujuan untuk memberi demo kepada pengguna bagaimana pemrosesan awal citra yang digunakan untuk pengujian JST dilakukan. Pada bagian atas form terdapat

8 9 : picturebox, y:; < => ?@:A : u; @9 B C D@?: A: E9B:; 8:;

y:;< B >8 9: u;@ 9B A>;: A= DFB:; CD@? : G:EDF threshold. H G?> EG IF8 8 DF:BuB:; J> ?8:E : ?B: ; ;DF: D : AJ:; < y:;< 8DA :E9 BB:; A>F:F9 D trackbar :@ :9 A>F:F9D textbox.

P:8 : J: < D:; J:K :G form t> ?8:= :@ tD< : J9:G option button y:;< A> ;9;L9 BB:; L9 AF:G F>M>F wavelet Haar :B:; 8DF:B 9 B :;N O> @>F:G tIAJIF P:M>F>t 8 DBFDBQ C D@?: G: EDF 8 >BIA =IE D ED :B: ; 8D@ : A= DFB:; = :8 : picturebox, 8:; A :@?DBE JD; > ?;R: :B :; 8 D@:A = DFB:; = :8: textbox 8 D

s:A =D;<;R:N

3.3 Form Ubah Set Pelatihan

Gambar 9. Perancangan Antarmuka Form Ubah Set Pelatihan

S; @ : ?A9 B : TI? A UJ:G O> @ P>F:@ DG: ; A> ?9=:B :; form

y:;< J>?@9L9:; u; @ 9B A> AJ> ? D => ;<<9 ; : B >J>J: E:; u;@ 9B A> A DFDB s> @ 8 :@ : =>F:@ DG:; A :;: y:;< :B:; 8DF:@ DGN H I@:F :8: tD <: s> @ =>F:@DG:;Q 8:; => ; < <9;: JI F>G

sW X YWZ[ X\ ][ ^ y[ ^ _ `\ aW b\ t[^` [ [ c [^ `\d\ eY [^ u^ Xfc ^ [^X\ ^g[ `\Z\] [X s[[X Y WZ[X\] [^ h ij k h\c [ tlealZ m[ X[Z `\cZ\ c e[ c [ s\dtWe [c [ ^ Z[ ^_df^ _ eW ^ f XfY form `[^ eW e a[X[ Zc [^ Y W bfa[ ] [^ g[ ^_ XW b n[`\k

3.4 Form Pelatihan JST

Gambar 10. Perancangan Antarmuka Form Pelatihan JST

o^X[ bef c [ p lb e PWZ[X\] [^ hij eW buY [ c[ ^ form y[ ^_ aWbXf n f[ ^ u^Xf c eW Z[ cf c[ ^ Y WZ[X\] [ ^ Y [ `[ hi j `[^ eW^ [ eY \ Zc [^ ][d\Z YWZ[X\] [ ^ tWbd W af X cW Y [ `[ Y W ^__ f^ [k

PW^ __ f ^[ `\e\^X[ u^ Xfc eWe[ df cc [^ ^ \ Z[\-^ \ Z[ \ [Xr\afX [ ^ X[b [ Z[\ ^ Z[n f aWZ[ n [bq eleW^tueq tlZW b[ ^d\ error, `[^ n f e Z[ ] e[cd \ e[ Z epoch. i[[t tle alZ r[X\] s[ X[ `\cZ\ cq Y W Z[ X\][ ^ [ c[ ^ `\Z[ c fc [^ Y[`[ Y bldWd background, sWZ[ _\ Y bldW d tW bdWaut [ ^\e[d\ loader [c [^ aWb n[Z[^k

tu vu w x y zuwxv { yx | suw u } x { ~ {wx€x | x | {‚ x} { loader x x | ƒu„yu|v{  | {w x { …t† tu„ xy {„ ~x| ‡€ ‚wxy epoch yx|ˆ ~ {‰x zx{ x x | ~{vx ‚z {w x|Š tu w x { | {v€ ˆ„x‹{  zu„€ƒx yx | …t† suw x ‚ x suw €„€y epoch x x | ~ {vx‚ z {wx |. t xxv form ~{v € vuz zu|ˆ ˆ€ | x x x| ~ { ‚ {|v x Œ |‹{r‚x}{, x zx x y |{w x { ƒŒƒŒv yx}{w zu wxv{yx | x  x| ~ {}{‚ zx | xvxu

t{~xŠ

3.5 Form Pengujian JST

Gambar 11. Perancangan Antarmuka Form Pengujian JST

|v x„‚€x ŽŒ„‚ Pu |ˆ€‡{ x| t ‚u„uz x x | form yx |ˆ ~{ˆ€ | x x | u|v€ ‚u|ˆ€‡{ t ~ u|ˆx| ‰x„x  Œ|‘u„}{ ‰{v„x x }x„x x’ x ‚ x} €x | zu|ˆ ˆ€| xŠ Pu|ˆ ˆ€| x ‚u ‚ {w{ y ‰{v„x

Pr– —˜ — ™–š›˜ œ— ž˜šŸ  ¡ — ¢™ ¡š £ ¡ ¤ ¡  ¡—¢ ™ –š› ˜œ— 

y¡  ¤¥ ¦ ¤œ¡ s¡ ž§˜ ¢ £ ¡ š  ¥œ¥¨ ©¡¤ šª «¤œ ¡ s¡ž§˜ ¢ ¡ ™—¡ œ¡ ¬¡­¡ £¤¡ ž§¢™ ¡ š §¡ £ ¡ picturebox £¡š  ¥œ¥ ¨ ©¡¤ š £¤¡ž§¢ ™ ¡ š §¡ £¡ s˜ ®¥¡  ¢ ¡® ˜ ¢ª ¯˜ ¢¥¡ œ¡š ¬°± uš¤¥™ ¦ ¤œ¡

u²  ²¥Ÿ ¡ £  ¤¡ž§¢ ™¡š §¡£ ¡ textbox. ¬™ ¡ ¬°± t£ ¡ ™ ž ˜ šŸ˜š¡¢ ¦ ¤œ¡ ž ¡—¥™¡š³ picturebox ¡ ™¡š t˜ ¤¡§ ™ –—–šŸ £ ¡ š ž¥š¦¥¢ ™˜¤˜œ ¡ šŸ ¡ š ®¡ ­¡ ¦ ¤œ ¡ ¤ £ ¡ ™ £¡§¡ ¤ £™˜š¡¢ª

+BacaBobotOutput()

Operasi ini digunakan untuk membaca bobot output yang

telah disimpan ke dalam bentuk matriks.

+SelectCitraByIndex(index)

Operasi ini digunakan untuk mengambil data citra

sampel berdasarkan nilai index.

3 Perancangan Antarmuka

3.1 Menu Utama

Gambar 7. Perancangan Antarmuka Menu Utama

Antarmuka Menu Utama ini merupakan antarmuka utama

yang berisi menu untuk mengakses

form-form

lain.

Form

diakses dengan melakukan

klik

pada menu yang hendak

ditampilkan. Dalam antarmuka ini, terdapat 3 (tiga)

menu utama antara lain ‘Pemrosesan Awal’, ‘Pengenalan

Pola’, dan ‘Lainnya’.

45 6 7

‘Pemrosesan Awal’ berisi submenu ‘Threshold &

Wavelet’ untuk masuk ke form demo pemrosesan awal

citra. Menu ‘Pengenalan Pola’ berisi submenu ‘Pelatihan

JST’

untuk

melakukan

pelatihan

pada

jaringan,

‘Pengujian JST’ untuk menguji jaringan dengan konversi

citra aksara Jawa, dan ‘Ubah Set Pelatihan’ untuk

mengubah set pelatihan yang digunakan dalam pelatihan

(yang aktif). Menu ‘Lainnya’ berisi submenu ‘Tentang

Aplikasi’ untuk menampilkan sekilas tentang aplikasi

Parawa dan ‘Keluar’ untuk keluar dari sistem.

3.2 Form Threshold & Wavelet

Gambar 8. Perancangan Antarmuka Form Threshold & Wavelet

Antarmuka Form Threshold & Wavelet merupakan

form

yang bertujuan untuk memberi demo kepada pengguna

bagaimana pemrosesan awal citra yang digunakan untuk

pengujian JST dilakukan. Pada bagian atas

form

terdapat

8 9 :

picturebox

, y

:; < => ?@:A :

u

; @9 B C D@?: A: E9B:; 8:;

y

:;< B >8 9:

u

;@ 9B A>;: A= DFB:; CD@? : G:EDF

threshold

.

H G?> EG IF8 8 DF:B

u

B:; J> ?8:E : ?B: ; ;DF: D : AJ:; <

y

:;< 8DA :E9 BB:; A>F:F9 D

trackbar

:@ :9 A>F:F9D

textbox

.

P

:8 : J: < D:; J:K :G

form

t

> ?8:= :@

t

D< : J9:G

option

button

y

:;< A> ;9;L9 BB:; L9 AF:G F>M>F

wavelet Haar

:B:; 8DF:B 9 B :;N O> @>F:G

t

IAJIF P:M>F>

t

8 DBFDBQ C D@?: G: EDF 8 >BIA =IE D ED :B: ; 8D@ : A= DFB:; = :8 :

picturebox

,

8:; A :@?DBE JD; > ?;R: :B :; 8 D@:A = DFB:; = :8:

textbox

8 D

s

:A =D;<;R:N

3.3 Form Ubah Set Pelatihan

Gambar 9. Perancangan Antarmuka Form Ubah Set Pelatihan

S; @ : ?A9 B : TI? A UJ:G O> @

P

>F:@ DG: ; A> ?9=:B :;

form

y

:;< J>?@9L9:;

u

; @ 9B A> AJ> ? D => ;<<9 ; : B >J>J: E:;

u

;@ 9B A> A DFDB

s

> @ 8 :@ : =>F:@ DG:; A :;:

y

:;< :B:; 8DF:@ DGN H I@:F :8:

t

D <:

s

> @ =>F:@DG:;Q 8:; => ; < <9;: JI F>G A> A DFDG A :B E D A:F 89:

s

>@ 8 >;<:; C:? : 8DJ> ? D

t

:; 8 : C >; @ :;< = :8:

checkbox

.

VDB :

t

IAJI F OD A= :; 8DBFD B A:B:

s

W X YWZ[ X\ ][ ^

y

[ ^ _ `\ aW b\

t

[^` [ [ c [^ `\d\ eY [^

u

^ Xfc ^ [^X\ ^g[ `\Z\] [X

s

[[X Y WZ[X\] [^ h ij k h\c [

t

lealZ m[ X[Z `\cZ\ c e[ c [

s

\d

t

We [c [ ^ Z[ ^_df^ _ eW ^ f XfY

form

`[^ eW e a[X[ Zc [^ Y W bfa[ ] [^ g[ ^_ XW b n[`\k

3.4 Form Pelatihan JST

Gambar 10. Perancangan Antarmuka Form Pelatihan JST

o^X[ bef c [ p lb e

P

WZ[X\] [^ hij eW b

u

Y [ c[ ^

form

y

[ ^_ aWbXf n f[ ^

u

^Xf c eW Z[ cf c[ ^ Y WZ[X\] [ ^ Y [ `[ hi j `[^ eW^ [ eY \ Zc [^ ][d\Z YWZ[X\] [ ^

t

Wbd W af X cW Y [ `[ Y W ^__ f^ [k

P

W^ __ f ^[ `\e\^X[

u

^ Xfc eWe[ df cc [^ ^ \ Z[\

-

^ \ Z[ \ [X

r

\afX [ ^ X[b [ Z[\ ^ Z[n f aWZ[ n [bq eleW^

tu

eq

t

lZW b[ ^d\

error

,

`[^ n f e Z[ ] e[cd \ e[ Z

epoch

.

i[[

t t

le alZ r[X\] s[ X[ `\cZ\ cq Y W Z[ X\][ ^ [ c[ ^ `\Z[ c fc [^ Y[`[ Y bldWd

background

, s

WZ[ _\ Y bldW d

t

W bdWa

ut

[ ^\e[d\

loader

[c [^ aWb n[Z[^k

tu vu w x y zuwxv { yx |

s

uw u } x { ~ {wx€x | x | {‚ x} {

loader

x x | ƒu„yu|v{  | {w x { …t†

t

u„ xy {„ ~x| ‡€ ‚wxy

epoch

y

x|ˆ ~ {‰x zx{ x x | ~{vx ‚z {w x|Š tu w x { | {v€ ˆ„x‹{  zu„€ƒx yx | …t†

s

uw x ‚ x

s

uw €„€y

epoch

x x | ~ {vx‚ z {wx |

.

t xxv

form

~{v € v

u

z zu|ˆ ˆ€ | x x x| ~ { ‚ {|v x Œ |‹{

r

‚x}{

,

x zx x y |{w x { ƒŒƒŒv yx}{w zu wxv{yx | x  x| ~ {}{‚ zx | xvx

u

t

{~xŠ

3.5 Form Pengujian JST

Gambar 11. Perancangan Antarmuka Form Pengujian JST

|v x„‚€x ŽŒ„‚

P

u |ˆ€‡{ x| t ‚u„

u

z x x |

form

y

x |ˆ ~{ˆ€ | x x |

u

|v€ ‚u|ˆ€‡{ t ~ u|ˆx| ‰x„x  Œ|‘u„}{ ‰{v„x x }x„x x’ x ‚ x} €x | zu|ˆ ˆ€| xŠ

P

u|ˆ ˆ€| x ‚u ‚ {w{ y ‰{v„x

y

x|ˆ x x | ~{€‡{ ~u|ˆx | ‰x„x w{ 

t

Œ‚ƒŒw “€ x ”x‚ƒx„Š tuv uwx y ‚€|‰€ w ˆx ‚ƒx„ zx~x

picturebox

,

zu |ˆˆ€|x ~x zx

t

‚uwx€x |  Œ|‘u„} { ~u|ˆx | w {  vŒ‚ƒŒw •Œ |‘u„}{Š

Pr

– —˜ — ™–š›˜ œ— ž˜šŸ  ¡ — ¢™ ¡š £ ¡ ¤ ¡  ¡—¢ ™ –š› ˜œ— 

y

¡  ¤¥ ¦ ¤œ¡

s

¡ ž§˜ ¢ £ ¡ š  ¥œ¥¨ ©¡¤ šª «¤œ ¡

s

¡ž§˜ ¢ ¡ ™—¡ œ¡ ¬¡­¡ £¤¡ ž§¢™ ¡ š §¡ £ ¡

picturebox

£¡š  ¥œ¥ ¨ ©¡¤ š £¤¡ž§¢ ™ ¡ š §¡ £¡

s

˜ ®¥¡  ¢ ¡® ˜ ¢ª ¯˜ ¢¥¡ œ¡š ¬°±

u

š¤¥™ ¦ ¤œ¡

u

²  ²¥Ÿ ¡ £  ¤¡ž§¢ ™¡š §¡£ ¡

textbox

.

¬™ ¡ ¬°±

t

£ ¡ ™ ž ˜ šŸ˜š¡¢ ¦ ¤œ¡ ž ¡—¥™¡š³

picturebox

¡ ™¡š

t

˜ ¤¡§ ™ –—–šŸ £ ¡ š ž¥š¦¥¢ ™˜¤˜œ ¡ šŸ ¡ š ®¡ ­¡ ¦ ¤œ ¡ ¤ £ ¡ ™ £¡§¡ ¤ £™˜š¡¢ª