19
BAB III RANCANGAN PENELITIAN
Bab 3 ini akan menjelaskan tentang langkah-langkah perancangan pembuatan sistem pengenalan angka dengan pose jari tangan. Bab ini berisi blok diagram sistem dan berbagai
hal yang diperlukan dalam perancangan.
3.1. Perancangan Sistem
Perancangan sistem pengenalan angka dengan pose jari tangan ini terdiri dari beberapa tahap, yaitu masukan berupa citra RGB, konversi citra RGB ke HSV, segmentasi
HSV, ekstraksi ciri wavelet, perhitungan korelasi template matching, dan penentuan keluaran. Blok diagram sistem pengenalan angka dengan pose jari tangan ini dapat dilihat
pada Gambar 3.1.
Gambar 3.1. Diagram Blok Sistem Pengambilan Citra
Citra RGB Konversi ke
citra RGB ke HSV
Segmentasi HSV
Perhitungan Korelasi Template Matching
Ekstraksi Ciri Wavelet
Penentuan Keluaran
Database Cropping dan
Resizing PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Pada Gambar 3.1, proses pengambilan citra dilakukan oleh webcam. Setelah itu citra yang telah diambil akan diproses lebih lanjut pada laptop melalui beberapa tahap yang
terdapat pada diagram blok sistem. Sistem pengenalan angka dengan pose jari tangan terdiri dari software yang berfungsi sebagai user interface. Program pengenalan angka dengan pose
jari tangan ini dibuat dengan menggunakan matlab versi R2010a. Program berperan dalam mengatur setiap proses yang akan dilalui untuk mendapatkan hasil pengenalan angka. Sistem
pengenalan angka dengan pose jari tangan ini dibuat dengan hasil pengenalan secara real time dan non real time
.
3.2. Proses Kerja Sistem 3.2.1. Input Data
Input data yang digunakan dalam sistem ini adalah citra pose jari tangan. Citra pose jari tangan diambil dengan menggunakan webcam yang mempunyai resolusi 3 MP. Jarak
pengambilan citra pose jari tangan dengan webcam adalah 1 - 3 m dengan tujuan untuk melihat dan membandingkan berapa banyak angka yang dapat dikenali pada beberapa jarak
pengujian tersebut.
3.2.2. Konversi Citra RGB ke HSV
Pada tahap ini, citra pose jari tangan yang awalnya mempunyai format citra RGB, akan dikonversi terlebih dahulu menjadi format HSV. Hal ini dilakukan untuk proses
segmentasi HSV. Proses konversi RGB ke HSV, digunakan sintaks utama yang sudah dijelaskan pad Bab II, yaitu rgb2hsv. Diagram alir dari proses konversi citra RGB ke HSV
terdapat pada Gambar 3.2. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.2. Diagram Alir dari Proses Konversi Citra RGB ke HSV
3.2.3. Segmentasi HSV
Pada tahap ini, citra pose jari tangan yang telah dikonversi ke HSV akan disegmentasi. Dengan segmentasi menggunakan HSV ini, dapat ditentukan kelompok warna
mana yang diinginkan, apakah kelompok hue, saturation, atau value. Dalam penelitian ini, kelompok HSV saturation dan value yang digunakan. Hal ini menyesuaikan dengan warna
kulit dalam data penelitian yang akan digunakan. Awalnya akan disegmentasi bagian kulit terlebih dahulu berdasarkan nilai ambang S Saturation dan V Value akan dievaluasi pada
Bab IV. Setelah mendapatkan bagian kulit, pengambilan bagian tangan dilakukan. Dalam proses ini, awalnya perhitungan luasan objek pada citra dan mengambil objek yang memiliki
luasan kedua terbesar, yaitu bagian tangan dilakukan. Untuk lebih jelasnya, berikut diagram alir dari proses segmentasi HSV pada Gambar 3.3.
Mulai Input :
Citra RGB Nilai R,G, dan B
Konversi ke HSV Berdasarkan Nilai R,
G, dan B
Output : Citra HSV
Selesai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.3. Diagram Alir dari Proses Segmentasi HSV
3.2.4. Cropping dan Resizing
Pada tahap ini, citra pose jari tangan yang telah disegmentasi menggunakan HSV, akan masuk ke dalam proses cropping dan resizing. Kedua proses ini bertujuan untuk
memotong bagian citra yang akan dikenali berdasarkan bounding box dan mengubah ukuran atau size citra menjadi ukuran 64 x 64 piksel [16]. Diagram alir dari proses cropping dan
resizing terdapat pada Gambar 3.4 dan 3.5. Mulai
Input : Citra HSV
Segmentasi Kulit Bagian Muka dan Tangan
Berdasarkan Nilai Ambang S dan V
Pengambilan Objek yang Memiliki Luasan Kedua
Terbesar Bagian Tangan
Output : Citra Hasil
Segmentasi HSV
Selesai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.4. Diagram Alir dari Proses Cropping
Gambar 3.5. Diagram Alir dari Proses Resizing Mulai
Input : Citra Hasil
Segmentasi HSV Potong Bagian
Tangan sesuai Bounding Box
Output : Citra Hasil
Cropping
Selesai
Input : Citra Hasil
Cropping Mulai
B
Gambar 3.5. Lanjutan Diagram Alir dari Proses Resizing
3.2.5. Ekstraksi Ciri Wavelet
Pada tahap ini, citra pose jari tangan hasil cropping dan resizing, akan masuk ke dalam proses ekstraksi ciri Wavelet. Wavelet adalah ekstraksi ciri yang digunakan dalam
tahap pengambilan ciri pada suatu citra. Dalam penelitian ini, Wavelet yang digunakan ialah wavelet Haar dengan memiliki 4 macam filter, tetapi dalam penelitian ini hanya
dekomposisi low pass filter yang digunakan, karena hanya bentuk dasar dari citra yang akan dicari. Wavelet Haar dilakukan dengan menerapkan konvolusi dan dekomposisi low
pass filter secara simultan untuk mendapatkan sinyal global. Secara keseluruhan tahap ekstraksi ciri dapat dilihat pada Gambar 3.6. Input dari proses ekstraksi ciri adalah
citra hasil cropping dan resizing yang kemudian akan dikonvolusi dan dilanjutkan pada tahap downsampling. Output dari ekstraksi ciri tergantung dari banyaknya desimasi N
yang akan ditentukan oleh penguji. Tahap ini akan melakukan pengulangan sampai menghasilkan N = 0.
Resizing ke Ukuran 64 x 64 Piksel
Output : Citra Hasil
Resizing
Selesai
B
Gambar 3.6. Diagram Alir dari Proses Ekstraksi Ciri Tahap konvolusi merupakan tahap untuk melakukan filtering, menggunakan
dekomposisi low pass filter pada wavelet Haar. Tahap konvolusi ini berada pada bidang
dimensi dua, oleh karena itu konvolusi diterapkan sebanyak dua kali, yaitu pada kolom dan baris citra input. Dari masukan berupa citra hasil cropping dan resizing yang kemudian
akan dikonvolusi per-baris dan per-kolom lihat Gambar 3.7.. Mulai
Input : Citra Hasil Cropping dan
Resizing
Desimasi = N Konvolusi
Menggunakan Wavelet Haar
N = N-1
N=0 ?
Output : Hasil Ekstraksi
Ciri Selesai
Ya Tidak
Downsampling PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.7. Diagram Alir dari Proses Konvolusi Tahap downsampling adalah tahap setelah konvolusi, dengan hasil dari konvolusi
merupakan masukan untuk downsampling. Untuk memproses masukan ada dua proses, yaitu menghilangkan baris dan kolom ganjil dengan menjaga baris dan kolom genap
seperti diperlihatkan pada Gambar 3.8.
Gambar 3.8. Diagram Alir dari Proses Downsampling Mulai
Input : Citra Hasil Cropping dan
Resizing Konvolusi 1D dengan
Ekstensi per-Baris Konvolusi 1D dengan
Ekstensi per-Kolom Output :
Hasil Konvolusi 2D
Selesai
Mulai Input :
Hasil Konvolusi 2D
Menghilangkan Baris Ganjil
C
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. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
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.