Kebutuhan Sistem Implementasi Sistem

3.3.3 Form Menu Identifikasi Aksara

Form ini digunakan untuk melakukan uji dengan data baru terhadap sistem yang telah dibangun. Pada form ini dibutuhkan data masukan berupa citra aksara Lampung sehingga dapat dilakukan identifikasi dari data masukannya.

3.4 Kebutuhan Sistem

Alat yang digunakan dalam proses perancangan sistem : 1. Hardware Perangkat keras hardware yang digunakan memiliki spesifikasi sebagai berikut : 1. Processor : Intel ® Core ™ iη-4200M 2. RAM : 4GB 3. Hard Drive : 500 GB 4. Graphic Interface : NVIDIA GEFORCE 720M 2. Software Perangkat lunak software yang digunakan adalah sebagai berikut : 1. Microsoft Windows 8.1 Pro Gambar 3.75 Tampilan menu identifikasi aksara Lampung Sistem operasi yang digunakan untuk menjalankan perangkat keras serta perangkat lunak lainnya. 2. Matlab 2014 R2014a Matlab 2014 R2014a digunakan untuk mengimplementasikan rancangan sistem sekaligus untuk menjalankan sistem. 53 Gambar 4.1 Data awal aksara Lampung BAB IV IMPLEMENTASI DAN ANALISIS HASIL Bab ini berisi uraian implementasi dan hasil penelitian yang berupa optimalisasi jaringan syaraf tiruan, variasi percobaan metode training dalam jarigan syaraf tiruan, serta pengujian data tunggal dan uraian mengenai hasil luaran terkait dengan akurasi yang dicapai.

4.1 Implementasi Sistem

Pada subbab ini dibahas tentang proses preprocessing dan ekstraksi ciri dari sistem yang telah dibangun. Sistem dibangun dengan menggunakan bahasa pemrograman MATLAB. 1. Data Aksara Data aksara yang digunakan berupa citra aksara Lampung yang didapat dari hasil pengisian form. Berikut contoh form beserta isiannya. Gambar 4.2 Citra aksara Lampung hasil cropping 2. Cropping dan Resizing Tahap selanjutnya adala melakukan cropping. Cropping dilakukan secara manual dimana data awal aksara yang berupa citra kumpulan aksara menjadi citra yang hanya berisi satu aksara saja. Setelah itu dilakukan resizing untuk semua citra menjadi 60 x 60. Hal ini dilakukan untuk memudahkan dalam proses ekstraksi ciri. 3. Mengubah Citra Warna Preprocessing tahap ini merupakan proses perubahan warna pada citra warna, yaitu diubah menjadi citra keabuan dengan menggunakan fungsi rgb2gray pada MATLAB. a b Gambar 4.3 Perubahan Citra RGB a menjadi citra grayscale b Gambar 4.4 Citra biner aksara Lampung Gambar 4.5 Citra aksara Lampung hasil penipisan 4. Binerisasi Citra Dengan menggunakan fungsi im2bw pada MATLAB, citra aksara yang digunakan diubah menjadi citra hitam putih yang hanya memiliki nilai piksel 0 dan 1. 5. Penipisan Citra Penipisan citra dilakukan dengan menggunakan fungsi Rosenfeld sehingga didapatkan ketebalan citra menjadi 1 piksel. Gambar 4.6 Hasil data ciri diganti nilai arah dan telah dinormalisasi 6. Ekstraksi Ciri Proses ekstraksi ciri dilakukan dengan menggunakan metode Modified Direction Feature Bluemenstein, 2007. Metode ini digunakan untuk menghitung nilai arah dari suatu garis pada citra aksara dalam 4 arah, yaitu kanan-kiri, kiri-kanan, atas-bawah dan bawah-atas. Hasil yang didapatkan berupa 120 data ciri untuk masing- masing citra aksara yang diproses. a. Langkah 1 Mengganti nilai tiap piksel dengan ketentuan seperti yang ditunjukkan pada Tabel 2.4. b. Langkah 2 Langkah selanjutnya adalah menentukan nilai DT dengan membagi nilai tiap piksel dengan elemen pembagai yang telah ditetapkan, yaitu 10. Gambar 4.7 Hasil data setelah dibagi 10 Gambar 4.8 Hasil nilai LT Local Transition c. Langkah 3 Ulangi langkah 2 untuk menghitung nilai DT dari 4 arah pembacaan matriks yang berbeda, yaitu kiri-ke-kanan, kanan-ke-kiri, atas-ke-bawah dan bawah-ke-atas. d. Langkah 4 Pada langkah ini, dihitung nilai LT dengan menggunakan data yang didapat dari Langkah 1 dengan menggunakan persamaan 2.3. Gambar 4. 9 Hasil re-sampled matriks ciri Gambar 4. 10 Hasil ciri akhir 1 data citra Dalam menghitung nilai LT, dilakukan sebanyak 4 kali pula dengan arah pembacaan matriks citra yang berbeda, kiri-ke-kanan dengan menggunakan persamaan 2.3, kanan-ke-kiri dengan persamaan 2.5, atas-ke-bawah dengan persamaan 2.4 dan bawah-ke-atas dengan menggunakan persamaan 2.6. e. Langkah 5 Langkah selanjutnya adalah menghitung nilai rata-rata semua nilai piksel dan melakukan re-sampled matriks sesuai dengan persamaan 2.7. Dari hasil tersebut, kemudian dengan hasil re-sampled matriks untuk arah lainnya dari nilai DT dan LT digabungkan sehingga didapatkan 120 ciri untuk tiap aksara yang diproses. Berikut data hasil ekstraksi ciri semua data aksara Lampung yang digunakan dalam penelitian ini. Gambar 4. 11 Hasil ekstraksi ciri semua data Gambar 4. 12 Implementasi mencari nilai maksimum dan minimum Gambar 4. 13 Implementasi persamaan 2.11 7. Normalisasi Dalam penelitian ini, dilakukan normalisasi data hasil ekstraksi ciri dengan menggunakan metode min-max dan z-score. Hal ini dilakukan untuk membandingkan metode normalisasi mana yang mampu menghasilkan tingkat akurasi yang lebih tinggi. a. Normalisasi min-max Normalisasi min-max pada awalnya mencari nilai maksimum dan minimum dari semua data yang ada. Langkah dengan persamaan 2.11, maka dicari nilai baru untuk data tersebut. Gambar 4. 15 Implementasi mencari nilai standar deviasi dan rata-rata Gambar 4. 16 Implementasi mencari nilai modus Gambar 4. 17 Implementasi persamaan 2.10 Gambar 4. 14 Data hasil normalisasi min-max Berikut data hasil setelah dilakukan normalisasi. b. Normalisasi z-score Normalisasi min-max pada awalnya mencari nilai maksimum dan minimum dari semua data yang ada. Langkah selanjutnya adalah menemukan nilai yang paling dominan dari data tersebut, karena normalisasi hanya dilakukan pada data yang dominan tersebut. Dengan menggunakan persamaan 2.10, maka dicari nilai baru untuk data tersebut. Gambar 4. 18 Data hasil normalisasi z-score Berikut data hasil setelah dilakukan normalisasi.

4.2 Hasil dan Analisis Hasil