Perhitungan Korelasi Penentuan Keluaran

Gambar 3.8. Lanjutan Diagram Alir dari Proses Downsampling

3.2.6. Perhitungan Korelasi

Template Matching Pada tahap ini, citra pose jari tangan yang telah diekstraksi ciri dengan menggunakan wavelet , selanjutnya akan masuk ke dalam proses perhitungan korelasi dan pada proses ini juga mencakup proses template matching . Tahap ini adalah tahap membandingkan citra masukan pose jari tangan yang diambil dengan database citra pola angka ASL 0 – 9 yang telah dimasukkan sebelumnya dan dalam tahap ini juga digunakan fungsi korelasi. Proses perhitungan korelasi template matching akan berdasar pada Persamaan 2.10 – 2.12 pada Bab II dan direpresentasikan pada diagram alir Gambar 3.9. Gambar 3.9. Diagram Alir dari Proses Perhitungan Korelasi Template Matching Menghilangkan Kolom Ganjil Output : Hasil Downsampling Hasil Ekstraksi Ciri Selesai Mulai Input : Hasil Ekstraksi Ciri Masukan, Ekstraksi Ciri Database D C Gambar 3.9. Lanjutan Diagram Alir dari Proses Perhitungan Korelasi Template Matching

3.2.7. Penentuan Keluaran

Setelah melalui beberapa proses, tahap terakhir dari sistem pengenalan angka dengan pose jari tangan ini ialah keluaran berupa teks. Proses penentuan keluarannya ditentukan berdasarkan perhitungan nilai korelasi yang terbaik yang paling tinggi. Diagram alir dari proses penentuan keluaran dapat dilihat pada Gambar 3.10. Gambar 3.10. Diagram Alir dari Proses Penentuan Keluaran Output : Hasil Perhitungan Nilai Korelasi Perhitungan Korelasi = Ekstraksi Ciri Data Masukan dengan Ekstraksi Ciri Database Selesai D Mulai Input : Hasil Perhitungan Nilai Korelasi r E Gambar 3.10. Lanjutan Diagram Alir dari Proses Penentuan Keluaran 3.3. Database Database diperlukan pada proses perhitungan korelasi template matching . Pembentukan dari database terdiri dari angka 0-9 mengikuti pola isyarat American Sign Language . Pembentukan database diambil dari citra pose jari tangan hasil ekstraksi ciri wavelet . Ukuran piksel dari database ini tersusun atas matriks yang selanjutnya akan terdapat 3 variasi citra. Ketiga variasi ini mengikuti banyaknya desimasi yang diinginkan, yaitu 3 kali desimasi. Untuk desimasi 1 : 32 x 32 piksel, desimasi 2 : 16 x 16 piksel, dan desimasi 3 : 8 x 8 piksel [16]. Database hasil ekstraksi ciri yang dibentuk ialah sebanyak 3 matriks. Matriks database ini diperoleh dari hasil perhitungan rerata matriks citra pola isyarat angka ASL dari 5 variasi jarak pada setiap variasi citranya. Diagram blok proses pembentukan database ditunjukkan pada Gambar 3.11. Citra Keluaran = Nilai Korelasi yang Terbaik Output : Hasil Berupa Teks E Selesai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Gambar 3.11. Diagram Blok Proses Pembentukan Database Setelah melihat diagram blok dari proses pembentukan database pada Gambar 3.11, berikut ini pola persamaan pembentukan database hasil ekstraksi ciri berdasar Persamaan 2.13 pada Bab II : Citra � � ASL = p C tr A L + p C tr A L + ...+ p C tr A L 5 5 Dari pola persamaan pembentukan database di atas, berikut ini pencerminan persamaan pembentukan database hasil ekstraksi ciri dalam bentuk matriks pada setiap variasi citra.  Contoh Pola Perhitungan Rerata untuk Angka 0 Menggunakan Citra 32 x 32 Piksel : 0_1m 0_1,5m 0_3m Hasil Rerata [ A , A , A , . . . A , ] + [ A , A , A , . . . A , ] + … … … … + [ A , A , A , . . . A , ] = [ A ′ , A ′ , A ′ , . . . A ′ , ] Pengambilan Citra Citra RGB Konversi RGB ke HSV Segmentasi HSV Ekstraksi Ciri Wavelet Database Angka Uji Jarak Pengujian  Contoh Pola Perhitungan Rerata untuk Angka 0 Menggunakan Citra 16 x 16 Piksel : 0_1m 0_1,5m 0_3m Hasil Rerata [ A , A , A , . . . A , ] + [ A , A , A , . . . A , ] + … … … … + [ A , A , A , . . . A , ] = [ A ′ , A ′ , A ′ , . . . A ′ , ]  Contoh Pola Perhitungan Rerata untuk Angka 0 Menggunakan Citra 8 x 8 Piksel : 0_1m 0_1,5m 0_3m Hasil Rerata [ A , A , A , . . . A , ] + [ A , A , A , . . . A , ] + … … … … + [ A , A , A , . . . A , ] = [ A ′ , A ′ , A ′ , . . . A ′ , ] Setelah menghitung rerata matriks hasil ekstraksi ciri pada setiap variasi citra, selanjutnya dilakukan penyusunan matriks database. Hasil dari susunan matriks ini, selanjutnya akan dijadikan acuan dalam proses perhitungan korelasi template matching . Berdasarkan persamaan korelasi pada Bab II, matriks database ini merupakan matriks b. Untuk lebih jelasnya berikut ini susunannya.  Susunan Matriks Database Hasil Rerata Citra 32 x 32 Piksel : 1 2 …… 9 [ A ′ , A ′ , A ′ , .. . A ′ , B ′ , B ′ , B ′ , . .. B ′ , C ′ , C ′ , C ′ , . .. C ′ , J ′ , J ′ , … … … . . J ′ , . . . J ′ , ]  Susunan Matriks Database Hasil Rerata Citra 16 x 16 Piksel : 1 2 …… 9 [ A ′ , A ′ , A ′ , .. . A ′ , B ′ , B ′ , B ′ , . .. B ′ , C ′ , C ′ , C ′ , . .. C ′ , J ′ , J ′ , … … … . . J ′ , . . . J ′ , ]  Susunan Matriks Database Hasil Rerata Citra 8 x 8 Piksel : 0 1 2 …… 9 [ A ′ , A ′ , A ′ , .. . A ′ , B ′ , B ′ , B ′ , . .. B ′ , C ′ , C ′ , C ′ , . .. C ′ , J ′ , J ′ , … … … . . J ′ , . . . J ′ , ] Angka Uji Matriks Hasil Rerata PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 3.4. Pengujian Pose Jari Tangan 3.4.1.