Pengenalan citra dokumen Sastra Jawa : konsep dan implementasinya.

xiii

KONSEP DAN IMPLEMENTASINYA

Anastasia Rita Widiarti

INTISARI

Di Yogyakarta masih banyak dapat ditemukan naskah-naskah kuno yang merupakan warisan budaya yang tak ternilai harganya. Maka Apabila naskah-naskah tersebut dapat dikonversikan ke dalam format digital, akan banyak manfaat yang bisa diraih.

Penelitian ini mencoba untuk membuat sebuah prototipe sistem pengenalan citra dokumen sastra Jawa. Data masukan untuk sistem diperoleh dari hasil pembacaan dokumen sastra Jawa dengan alat optis, yang kemudian disimpan sebagai file gambar dengan format *.jpg. Selanjutnya dengan mempergunakan berbagai metode untuk pengolahan citra, diperoleh citra karakter Jawa pembentuk citra dokumen masukan. Dengan mempergunakan histogram untuk piksel yang berwarna hitam diperoleh ciri untuk setiap karakter. Ciri ini kemudian disimpan dalam basis data karakter Jawa, untuk kemudian ciri ini dipakai dalam pencocokan ciri apabila terdapat masukan karakter Jawa. Dengan mempergunakan jarak Euclidean akan diperoleh nama-nama Latin setiap karakter Jawa pembentuk citra dokumen.

Dari hasil penelitian menunjukkan bahwa untuk mengenal citra dokumen sastra Jawa, dalam hal ini dokumen “Menak Sorangan I, Bab I, Halaman 3 dan 4” diperoleh prosentase keberhasilan pengenalan sebesar 86.53%. Maka dapat disimpulkan bahwa pemilihan metode-metode yang dipergunakan dalam tahap pengenalan citra dokumen pada penelitian ini relatif sudah baik.

Keyword: Citra dokumen, normalisasi orientasi, binarisasi, noise, perangkaan, seg-mentasi, pengenalan karakter, ekstraksi ciri.

CONCEPTS AND IMPLEMENTATION by: Anastasia Rita Widiarti

ABSTRACT

In Yogyakarta still often could be found the old texts that were the cultural inheritance that was not appraised him. Then if these texts could be converted in the digital format, would many benefits that could be gained.

This research tried to make a prototype of the document image recognition system to the Javanese literature. The input data was for the system received from results of Javanese reading of the literature document with the implement optic, that afterwards was kept as file the picture with the format *. Jpg. Further by utilizing various methods for the processing of the image, was received by the Javanese character image the framer of the image of the input document. By counting the number pixel the object in each unit from a character image was received by the characteristics of this image. These characteristics were afterwards kept in the Javanese character database, during afterwards these characteristics were used in the verification of the characteristics if being gotten by Javanese character input. By utilizing the modification of the Euclidean distance will be received by the Latin names of each Javanese character the framer of the document image.

From results of the research showed that to know the Javanese image of the literature document, in this case the Menak Sorangan I document and the Panji Sekar document the Map in the page 3 and 4, was received by the percentage of the success of the introduction as big as 86.53%. Then could be concluded that the election of methods that was utilized in the introductory stage to the document image in this research was relative has been good.

Key Word: document image recognition, image processing.

PENGENALAN CITRA DOKUMEN SASTRA JAWA

KONSEP DAN IMPLEMENTASINYA

Tesis

Untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-2

Program Studi Ilmu Komputer

Kelompok Bidang Ilmu Matematika dan Pengetahuan Alam

Diajukan oleh: Anastasia Rita Widiarti

21189/I-4/1669/04

Kepada

PROGRAM PASCASARJANA

UNIVERSITAS GADJAH MADA

iii

Dengan ini saya menyatakan bahwa dalam tesis ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam makalah ini dan disebutkan dalam daftar pustaka.

Yogyakarta, 15 Desember 2005

iv

Tesis ini dipersembahkan kepada:

”

Universitas Sanata Dharma Yogyakarta

”

Universitas Gadjah Mada Yogyakarta

”

Ibu (almarhum). Semoga Tuhan membalas semua

kebaikan Ibu dengan memberi kedamaian abadi di

surga

v

Syukur yang teramat dalam penulis sampaikan kepada Tuhan Yang Maha Pengasih, sehingga pembuatan tesis yang berjudul: “Pengenalan Citra Dokumen Sastra Jawa: Konsep dan Implementasinya” ini bisa selesai. Hanya atas perkenanNya maka tesis ini dapat terwujud.

Tesis ini disusun untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-2 pada Program Studi Ilmu Komputer, Jurusan Ilmu-Ilmu Matematika dan Pengetahuan Alam, Program Pascasarjana, Universitas Gadjah Mada.

Pada kesempatan ini penulis juga ingin menyampaikan rasa terima kasih kepada semua pihak yang telah memberikan bantuan materi, pikiran, semangat dan doa, yaitu:

1. Bapak Drs. Retantyo Wardoyo, M.Sc., Ph.D., selaku pengelola program S-2 Ilmu

Komputer, terima kasih atas bimbingan yang telah diberikan selama menempuh kuliah.

2. Bapak Drs. Agus Harjoko, M.Sc., Ph.D., selaku dosen pembimbing, terima kasih

atas kesabarannya dalam membimbing penyelesaian tesis penulis.

3. Seluruh jajaran Yayasan Sanata Dharma dan Rektorat Universitas Sanata Dharma, terimakasih atas kesempatan yang sangat berharga untuk mengikuti studi lanjut ini.

4. Seluruh staff FMIPA USD, baik teman-teman dosen maupun karyawan, yang telah

memberi semangat dan kesempatan untuk studi kepada penulis.

5. Mas Widodo (perpustakaan Artati USD), atas bantuannya menterjemahkan tulisan

vi

7. Seluruh keluarga besar penulis yang senantiasa mendorong penulis tanpa mengenal putus asa, Mas Antok, semua bulik dan Om, Simbah dan Eyang, serta Tika, Dena dan Alya.

8. Semua teman seperjuangan di S2 Ilkom UGM serta semua teman yang tidak dapat

penulis sebut satu persatu yang selalu membawa kasih dan sukacita.

Semoga kebaikan semua pihak menjadi berkat tidak hanya bagi penulis pribadi, namun juga bagi semua yang telah menyalurkan berkat tersebut untuk penulis. Dan semoga tesis ini berguna juga bagi perkembangan ilmu komputer, khususnya bidang pengolahan citra dan budaya jawa.

Penulis senantiasa menyadari bahwa penulisan tesis ini masih belum sempurna, untuk itu segala saran dan kritik yang sifatnya membangun sangat penulis harapkan.

Yogyakarta, 16 Desember 2005

vii

KATA PENGANTAR ………... DAFTAR ISI ……….. DAFTAR TABEL ……….. DAFTAR GAMBAR ………. DAFTAR LAMPIRAN ……….. INTISARI ………... ABSTRACT ………... BAB 1 PENDAHULUAN ………

1.1 Latar Belakang Masalah ………

1.2 Perumusan Masalah ……….

1.3 Batasan Masalah ………...

1.4 Keaslian Penelitian ………

1.5 Tujuan Penelitian………...

1.6 Faedah Penelitian ………..

1.7 Metodologi Penelitian ………...

1.8 Tinjauan Pustaka ………...

1.9 Sistematika Penulisan ………...

BAB 2 LANDASAN TEORI ………

2.1 Pengenalan Pola ………

2.2 Analisis Citra Dokumen ………..………..

2.2.1 Data Capture ………..

2.2.2 Pengolahan Tingkat Piksel ……….

2.2.3 Analisis Tingkat Fitur ………

2.2.4 Analisis Teks ………..………..

2.3 Normalisasi Terhadap Orientasi ………

2.4 Binarisasi ………..

2.4.1 Metode Otsu ………..

2.5 Pengurangan Noise ………..

v vii x x xii xiii xiv 1 1 2 2 3 3 3 4 6 7 8 9 9 11 12 13 13 14 15 17 18

viii

2.6.1 Algoritma Hilditch ……….……

2.7 Segmentasi ………

2.7.1 Histogram Citra ……….

2.7.2 Profil Proyeksi ………

2.8 Pengenalan Karakter ……….

2.8.1 Ekstraksi Ciri ……….

2.8.2 Langkah Klasifikasi ………..

BAB 3 PERANCANGAN SISTEM ………

3.1 Spesifikasi Sistem ……….…

3.1.1. Spesifikasi Sistem Pembuat Basis Data ………. 3.1.2. Spesifikasi Sistem Pengenalan Citra Dokumen …….. 3.1.3 Proses Pengenalan Citra Karakter Dalam Citra

Dokumen ……….

3.2 Desain Sistem ………...

3.2.1 Desain Struktur Data ………... 3.2.1 Diagram Aliran Data ………... 3.2.1.1 Diagram Aliran Data Sistem Pembuat Basis

Data (SPBD) ……….. 3.2.1.2 Diagram Aliran Data Sistem Pengenalan

Citra Dokumen (SPCD) ……….

3.2.2 Struktur Program ………..

3.2.3 Desain Antar Muka ………..

BAB 4 IMPLEMENTASI SISTEM………. ………

4.1 Antar Muka Pemakai Sistem ………..

4.1.1Antar Muka Pemakai Sistem Pembuat Database ….

4.1.2 Antar Muka Pemakai Sistem Pengenal Citra

Dokumen ………..

4.2 Implementasi ………..

4.2.1Modul-Modul Utama Sistem Pembuat Basis Data ... 21 24 25 25 26 27 28 31 31 32 32 33 33 34 35 35 38 45 47 49 49 49 51 53 53

ix

BAB 5 HASIL DAN PEMBAHASAN ………

5.1Data Masukan ………...

5.2Eksekusi Modul-Modul ……….

5.3Analisis Output Pengenalan Karakter ………...

BAB 6 KESIMPULAN DAN SARAN ………

6.1 Kesimpulan ………...

6.2 Saran ………..

DAFTAR PUSTAKA ……… Lampiran 1. Antar Muka Pemakai Sistem Pengenal Citra Dokumen ……... Lampiran 2. Implementasi Prosedur Dalam Desain Sistem ………..…….. Lampiran 3. Data Dokumen Panji Sekar ………..……...

72 72 72 83 92 92 93 94 96 98 122

x

Tabel 5.1. Karakteristik File Masukan ……….. Tabel 5.2. Hasil Proses Pengenalan Karakter Dokumen Menak Sorangan I

Halaman 3 ...….... Tabel 5.3. Contoh Sebagian karakter dalam database karakter Jawa …….... Tabel 5.4. Hasil Proses Pembentukan Kata ... Tabel 5.5. Tabel Karakter Dikenali Dokumen Menak Sorangan I

Halaman 3 ... Tabel 5.6. Tabel Karakter Dikenali Dokumen Menak Sorangan I

Halaman 4 ... Tabel 5.7. Analisis Output Pengenalan Citra Dokumen Menak Sorangan I

Hal. 3... Tabel 5.8. Analisis Output Pengenalan Citra Dokumen Menak Sorangan I

Hal. 4... Tabel 5.9. Rangkuman Hasil Analisis Output Program ...

72 78

79 82 85

86

88

89

91

DAFTAR GAMBAR

Gambar 1.1 Bagan Proses Analisis Citra Dokumen “Menak Sorangan” .. Gambar 2.1 Hirarki Pemrosesan Dokumen. ... Gambar 2.2 Langkah-langkah Proses Analisis Dokumen ... Gambar 2.3. Perputaran citra dengan sudut θ ...

4 10 11 14

xi

Gambar 2.6. Contoh citra karakter pra sebelum dan sesudah dikenai thin-

ning ...

Gambar 2.7. Bagian dari sebuah citra ... Gambar 2.8. Contoh piksel dengan B(PI)<2 dan B(PI)>6 ... Gambar 2.9. Contoh piksel dengan A(PI) ≠ 1 ... Gambar 2.10. Contoh piksel dengan P2=P4=P8=1 atau 0 dan A(P2) = 1 atau ≠ 1 ... Gambar 2.11. Contoh piksel dengan P2 = P4 = P8 ≠0 atau 0 dan A(P4) = 1 atau ≠ 1 ... Gambar 2.12. Profil proyeksi horisontal dan vertikal ... Gambar 2.13. Ilustrasi perhitungan ciri karakter jawa: Tarung ... Gambar 3.1 Gambaran Umum Tujuan Sistem ... Gambar 3.2. Sistem Pengenalan Citra Dokumen ... Gambar 3.3 DAD Level 0 Sistem Pembuat Basis Data ... Gambar 3.4. DAD Level 1 Sistem Pembuat Basis Data ... Gambar 3.5. DAD Level 2 Proses Olah Data ... Gambar 3.6. DAD Level 0 Sistem Pengenalan Citra Dokumen ... Gambar 3.7. DAD Level 1 Sistem Pengenalan Citra Dokumen ... Gambar 3.8. DAD Level 2 Proses Binarisasi ... Gambar 3.9. DAD Level 2 Proses Normalisasi Orientasi ... Gambar 3.10. DAD Level 2 Proses Filling ...

21 22 23 23 24 24 26 28 31 34 36 36 37 38 39 41 42 42

xii

Gambar 3.13. Struktur Program Sistem Pembuat Basis Data ... Gambar 3.14. Struktur Program Sistem Pengenalan Citra Dokumen ... Gambar 3.15. Disain Layar Sistem Pembuat Basis Data ... Gambar 3.16. Disain Layar Sistem Pengenalan Citra Dokumen ... Gambar 4.1. Tampilan Antar Muka Pemakai Sistem Pembuat Basis Data Gambar 4.2. Tampilan Antar Muka Pemakai Sistem Pengenal Citra

Dokumen ... Gambar 5.1. Contoh Citra Dokumen Menak Sorangan halaman 3

(data ke 1) ... Gambar 5.2. Contoh Tampilan Citra Hasil Proses Binarisasi ... Gambar 5.3. Contoh Tampilan Citra Hasil Normalisasi Orientasi ... Gambar 5.4. Contoh Tampilan Hasil Proses Thinning ... Gambar 5.5. Cuplikan histogram hasil proses profil proyeksi vertikal ... Gambar 5.6. Cuplikan histogram hasil proses profil proyeksi horisontal ... Gambar 5.7. Contoh citra karakter hasil akhir proses segmentasi ... Gambar 5.8. Isi Citra dokumen Menak Sorangan I Halaman 4 ...

45 47 48 48 50 52

73

74 75 76 76 77 77 84

DAFTAR LAMPIRAN

Lampiran 1. Antar Muka Pemakai Sistem Pengenal Citra Dokumen ... 96 Lampiran 2. Implementasi Prosedur Dalam Desain Sistem ... 98 Lampiran 3. Data Dokumen Panji Sekar ... 122

xiii

KONSEP DAN IMPLEMENTASINYA

Anastasia Rita Widiarti

INTISARI

Di Yogyakarta masih banyak dapat ditemukan naskah-naskah kuno yang merupakan warisan budaya yang tak ternilai harganya. Maka Apabila naskah-naskah tersebut dapat dikonversikan ke dalam format digital, akan banyak manfaat yang bisa diraih.

Penelitian ini mencoba untuk membuat sebuah prototipe sistem pengenalan citra dokumen sastra Jawa. Data masukan untuk sistem diperoleh dari hasil pembacaan dokumen sastra Jawa dengan alat optis, yang kemudian disimpan sebagai file gambar dengan format *.jpg. Selanjutnya dengan mempergunakan berbagai metode untuk pengolahan citra, diperoleh citra karakter Jawa pembentuk citra dokumen masukan. Dengan mempergunakan histogram untuk piksel yang berwarna hitam diperoleh ciri untuk setiap karakter. Ciri ini kemudian disimpan dalam basis data karakter Jawa, untuk kemudian ciri ini dipakai dalam pencocokan ciri apabila terdapat masukan karakter Jawa. Dengan mempergunakan jarak Euclidean akan diperoleh nama-nama Latin setiap karakter Jawa pembentuk citra dokumen.

Dari hasil penelitian menunjukkan bahwa untuk mengenal citra dokumen sastra Jawa, dalam hal ini dokumen “Menak Sorangan I, Bab I, Halaman 3 dan 4” diperoleh prosentase keberhasilan pengenalan sebesar 86.53%. Maka dapat disimpulkan bahwa pemilihan metode-metode yang dipergunakan dalam tahap pengenalan citra dokumen pada penelitian ini relatif sudah baik.

Keyword: Citra dokumen, normalisasi orientasi, binarisasi, noise, perangkaan, seg-mentasi, pengenalan karakter, ekstraksi ciri.

xiv

DOCUMENT IMAGE RECOGNITION OF JAVANESE LITERATURE: CONCEPTS AND IMPLEMENTATION

by: Anastasia Rita Widiarti

ABSTRACT

In Yogyakarta still often could be found the old texts that were the cultural inheritance that was not appraised him. Then if these texts could be converted in the digital format, would many benefits that could be gained.

This research tried to make a prototype of the document image recognition system to the Javanese literature. The input data was for the system received from results of Javanese reading of the literature document with the implement optic, that afterwards was kept as file the picture with the format *. Jpg. Further by utilizing various methods for the processing of the image, was received by the Javanese character image the framer of the image of the input document. By counting the number pixel the object in each unit from a character image was received by the characteristics of this image. These characteristics were afterwards kept in the Javanese character database, during afterwards these characteristics were used in the verification of the characteristics if being gotten by Javanese character input. By utilizing the modification of the Euclidean distance will be received by the Latin names of each Javanese character the framer of the document image.

From results of the research showed that to know the Javanese image of the literature document, in this case the Menak Sorangan I document and the Panji Sekar document the Map in the page 3 and 4, was received by the percentage of the success of the introduction as big as 86.53%. Then could be concluded that the election of methods that was utilized in the introductory stage to the document image in this research was relative has been good.

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Salah satu persoalan dalam bidang komputer yang banyak menjadi perhatian adalah analisis citra dokumen (document image analysis). Analisis citra dokumen merupakan ilmu yang membahas tentang algoritma-algoritma dan teknik-teknik yang diterapkan pada citra atau dokumen untuk menghasilkan deskripsi yang dapat dikenali oleh komputer. Analisis citra dokumen muncul karena kebutuhan efisiensi dalam menganalisis sebuah dokumen kertas yang sudah ada. Contoh kasus yang membutuhkan analisis citra dokumen misalnya untuk membaca dokumen tercetak atau dokumen tulisan tangan dan mengubahnya menjadi dokumen digital sehingga kualitasnya dapat diperbaiki atau keberadaannya (umur dokumen) dapat diperpanjang.

Perkembangan ilmu analisis citra dokumen membuka peluang besar untuk dimanfaatkan bagi penyelamatan naskah-naskah kuno yang banyak ditemukan di Yogyakarta dan merupakan warisan budaya yang tak ternilai harganya. Apabila naskah-naskah tersebut dapat dikonversikan ke dalam format digital, akan banyak manfaat yang bisa diraih.

Persoalan muncul karena naskah kuno di Yogyakarta kebanyakan ditulis dengan menggunakan karakter Jawa, sementara komputer umumnya hanya mengenal dan merepresentasikan karakter Latin. Oleh karena itu, diperlukan suatu perangkat lunak yang mampu mengenali dokumen berkarakter Jawa tersebut dan selanjutnya

merepresentasikannya dalam komputer. Mengingat tidak semua orang mengenal karakter Jawa, maka akan lebih bermanfaat lagi apabila kemudian naskah berkarakter Jawa tersebut dapat direpresentasikan pula dengan karakter Latin tanpa kehilangan maknanya.

1.2 Perumusan Masalah

Berdasarkan latar belakang di atas, maka permasalahan yang dapat dirumuskan adalah:

a. Bagaimana membaca dan mengubah data masukan berupa hasil scan menjadi sebuah bentuk tertentu yang siap diolah?

b. Bagaimana mengimplementasikan algoritma-algoritma yang berkait dengan analisis citra dokumen teks untuk membuat prototipe perangkat lunak yang dapat mengenali masukan sebuah citra dokumen teks yang ditulis dengan mempergunakan karakter Jawa?

c. Bagaimana merepresentasikan citra dokumen teks yang memakai model tulisan karakter Jawa yang sudah dikenal tersebut ke dalam dokumen teks yang memakai karakter Latin?

1.3 Batasan Masalah

Dalam penelitian ini ada beberapa pembatasan masalah yang dilakukan, yaitu:

a. Proses yang akan dilakukan adalah analisis citra dokumen teks saja

c. Citra dokumen diambil dari buku cetakan dengan ketentuan terdapat jarak antar baris

d. Masukan hanya berupa satu citra dokumen teks per satu saat.

1.4 Keaslian Penelitian

Sejauh yang penulis ketahui, penelitian yang membahas tentang analisis citra dokumen telah banyak dilakukan, namun implementasinya pada citra dokumen teks yang ditulis dengan mempergunakan karakter Jawa belum ada sebelumnya.

Penelitian ini pada dasarnya meneruskan kerja dari Suprihatin (2003). Bedanya, input program bukan diperoleh dari komputer melainkan dari hasil scan sebuah citra dokumen teks.

1.5 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah merancang dan membuat sebuah perangkat lunak yang mampu melakukan analisis citra dokumen teks, sehingga dapat digunakan untuk mengolah sebuah citra dokumen teks yang ditulis dengan mempergunakan karakter Jawa.

1.6 Faedah Penelitian

Manfaat yang diharapkan dari penelitian ini adalah dapat melakukan konversi naskah dari buku sastra jawa ke dalam format teks karakter Latin secara otomatis.

1.7 Metodologi Penelitian

Penelitian ini dilakukan dengan mempergunakan tahapan proses analisis citra dokumen yang skemanya dapat digambarkan sebagai berikut:

Data

Capture Binarisasi Filling

Dokumen Menak Sorangan

Thinning Segmentasi

Pengenalan Karakter Pembentukan

Kata Deretan Kata

Dalam Huruf Latin

Gambar 1.1 Bagan Proses Analisis Citra Dokumen “Menak Sorangan” a. Data Capture

Tahap awal dari proses analisis citra dokumen adalah digitalisasi data dokumen dengan mempergunakan alat bantu scan. Hasil digitalisasi disimpan dalam file *.jpg. Selanjutnya dilakukan langkah normalisasi orientasi terhadap file tersebut.

b. Binarisasi

Setelah data dalam format digital diperoleh, maka langkah selanjutnya adalah mengubah citra dari citra yang non hitam putih ke dalam citra hitam putih. Di mana warna hitam adalah untuk citranya, dan warna putih adalah warna latar belakang.

c. Filling

Hasil dari proses binarisasi sangat mungkin terdapat beberapa noise, contohnya adalah adanya salt and pepper. Agar proses selanjutnya berhasil dengan baik, maka harus dilakukan proses untuk mengurangi noise ini.

d. Thinning

Setelah diperoleh citra yang bebas dari noise, maka selanjutnya dilakukan proses untuk mengurangi komponen citra yang tidak mempunyai arti atau tidak membedakan.

e. Segmentasi

Segmentasi adalah proses untuk memisahkan komponen setiap teks yang nantinya akan dipergunakan dalam tahap pengenalan karakter.

f. Pengenalan Karakter

Tahap pengenalan karakter bertujuan untuk mengenali setiap karakter yang telah diperoleh sebagai hasil dari segmentasi.

g. Pembentukan Kata

Pembentukan kata menjadi tahap terakhir dari keseluruhan proses analisis. Sebagai keluaran dari tahap ini akan diperoleh deretan kata yang dibentuk dari hasil pengenalan karakter.

Langkah penelitian:

a. Merancang dan membuat program aplikasi Sistem Pengenalan Citra Dokumen Teks Sastra Jawa

b. Menguji coba program aplikasi yang telah dibuat. c. Melakukan analisis terhadap hasil pengujian.

1.8 Tinjauan Pustaka

Penelitian dan tulisan tentang analisis citra dokumen telah banyak dilakukan oleh banyak peneliti. Gonzales (Gonzales, 1992), menyodorkan sebuah rumusan global tentang bagaimana memisahkan citra utama dengan citra latar belakang. Namun rumusan ini mempunyai kelemahan, yaitu tidak secara eksplisit menyatakan berapa nilai ambang yang dipakai untuk memisahkan citra tersebut. Pembaca harus melihat kasus per kasus dalam menentukan harga ambang yang cocok.

Haralick (Haralick, dkk., 1987), memberikan metode morfologi dalam proses pengurangan noise, Fletcher dan Kasturi (Fletcher dan Kasturi, 1988) menyodorkan algoritma Robust yang dapat dipakai untuk proses segmentasi, dan kemudian Arcelli, dan Sanniti (Arcelli dan Sanniti, 1985) memberikan contoh pemakaian fast thinning algorithm untuk mengurangi komponen citra yang tidak penting. Kesemua penelitian

di atas adalah penelitian yang berkait dengan proses pengolahan tingkat piksel, setelah citra dibaca dengan mesin scanner, namun kesemuanya dipakai untuk dokumen citra yang ditulis dengan mempergunakan karakter latin.

Setelah tahap pengolahan tingkat piksel, maka tahap selanjutnya adalah tahap pengenalan karakter dan analysis layout halaman. Brown (Brown, 2000),secara detil memberikan contoh implementasi algoritma feature point extraction untuk pengenalan karakter latin. Kavallieratou (Kavallieratou, dkk., 2000) mengaplikasikan distribusi kelas Cohen untuk memperbaiki kemiringan karena ketidaksempurnaan dalam proses pembacaan dokumen. O’Gorman (O’Gorman, 1993), secara garis besar memberikan contoh analisis layout halaman dokumen khususnya untuk dokumen dari jurnal ilmiah IEEE Transactions On Pattern Analysis and Machine Intelligence.

Suprihatin (Suprihatin, 2003), dalam tesisnya telah berhasil mengalihaksarakan tulisan karakter jawa ke tulisan karakter latin, namun masukan untuk program alihaksara diperoleh dari keyboard dengan mempergunakan program sofy untuk mendapatkan jenis font karakter jawa.

1.9 Sistematika Penulisan

Tesis ini ditulis dengan sistematika sebagai berikut:

Bab pertama menguraikan tentang latar belakang masalah, rumusan masalah, batasan masalah tujuan penelitian. manfaat penelitian, metode penelitian, tinjauan pustaka, dan sistematika penulisan.

Bab kedua Landasan Teori membahas teori analisis citra dokumen teks, dan pengolahan citra.

Bab ketiga Perancangan Sistem berisi disain dari sistem yang meliputi spesifikasi sistem, diagram aliran data, struktur dari program, disain antarmuka, dan disain struktur menu dari sistem.

Bab keempat Implementasi Sistem menguraikan implementasi dari proses-proses dalam diagram aliran data yang berupa keterangan tentang sub-sub modul yang dipergunakan oleh sistem.

Bab kelima Hasil dan Pembahasan menguraikan hasil pengujian sistem dan analisis dari hasil pengujian sistem tersebut.

Bab keenam Kesimpulan dan Saran menguraikan kesimpulan dari penelitian dan saran-saran.

8

BAB II

LANDASAN TEORI

Kata citra berasal dari kata image dalam bahasa Inggris. (Gonzales dan

Woods, 1992) mendefinisikan citra sebagai suatu fungsi kontinu dari intensitas dalam bidang dua dimensi (2-D), di mana setiap titik pada citra dapat dinyatakan secara matematis sebagai:

0 < f ( x, y ) < ∞

dengan f ( x, y ) menyatakan intensitas cahaya pada lokasi (x,y).

Citra digital didefinisikan sebagai citra f(x,y) yang nilainya didigitalisasikan

atau dibuat diskrit baik dalam koordinat bidang maupun dalam intensitas cahayanya (Gonzales dan Woods, 1992). Citra digital dapat digambarkan sebagai suatu matriks yang terdiri dari baris dan kolom, di mana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra, dan nilai elemen matriksnya menyatakan nilai tingkat kecerahan di titik tersebut. Elemen-elemen matriks tersebut kemudian dinamakan sebagai elemen citra, atau elemen gambar atau piksel (Gonzales dan Woods, 1992). Selanjutnya dalam tesis ini yang dimaksud dengan citra adalah citra digital.

Citra dokumen adalah representasi visual dokumen kertas seperti jurnal, hasil faksimili, surat-surat kantor, lembar isian, dan lain-lain. Pengenalan citra dokumen adalah suatu upaya untuk menjadikan citra dokumen menjadi suatu representasi semantik (Srihari, S.N., dkk, 1986).

2.1 Pengenalan Pola

Pengenalan pola (pattern recognition) merupakan salah satu komponen

penting dalam sistem pengenalam citra dokumen. Tujuan utama dari pengenalan pola adalah mengklasifikasikan obyek yang diberikan sebagai input ke dalam salah satu dari kelas-kelas yang sudah ditentukan sebelumnya.

Proses pengenalan pola terdiri dari tiga fase utama, yaitu segmentasi citra, ekstraksi ciri, dan klasifikasi. Fase segmentasi citra adalah suatu fase yang bertujuan memisahkan citra yang menjadi pusat perhatian dari bagian citra lainnya. Fase ekstraksi ciri adalah fase dilakukannya pengukuran terhadap citra. Pengukuran dimaksudkan untuk memperoleh suatu nilai properti dari suatu obyek. Ciri adalah fungsi dari satau atau beberapa nilai properti yang dapat dipergunakan untuk menyatakan suatu karakter tertentu dari obyek. Fase ekstraksi ciri akan menghasilkan beberapa ciri yang diwujudkan dalam bentuk suatu vektor ciri. Vektor ciri hasil ekstraksi ciri ini dipergunakan oleh fase klasifikasi. Output dari fase klasifikasi adalah suatu keputusan termasuk kelas apakah suatu obyek itu. Dalam proses klasifikasi setiap obyek digolongkan ke dalam salah satu dari kelas-kelas yang sudah ditetapkan sebelumnya.

2.2 Analisis Citra Dokumen

Banyak dokumen yang memiliki format karakter yang berbeda dengan format karakter karakter latin, misal dokumen yang ditulis dalam format karakter Cina, India, Thailand, Jawa dan sebagainya. Akibatnya dokumen tersebut hanya dapat dibaca oleh orang yang memahami format karakter tersebut. Untuk kepentingan

tersebut, dibutuhkan sistem analisis citra dokumen untuk menerjemahkan dokumen dengan bentuk karakter tertentu agar menghasilkan sebuah deskripsi yang dapat dipahami oleh pembaca. Sistem analisis citra dokumen juga dapat digunakan untuk kepentingan lain, misal untuk membaca karakter dalam amplop surat sehingga surat dapat dipilah-pilah, atau untuk mengubah koleksi buku di perpustakaan tradisional ke dalam format digital.

Tujuan utama dari kegiatan analisis citra dokumen adalah untuk mengenali komponen-komponen teks ataupun gambar di dalam suatu dokumen. Analisis citra dokumen secara garis besar dibagi menjadi dua kategori analisis, yaitu analisis untuk teks dan gambar, seperti terlihat dalam Gambar 2.1 (O’Gorman dan Kasturi, 1997).

Pengenalan Karakter

Analisis Layout Halaman

Pengolahan Garis

Pengolahan Simbol dan

Wilayah Gambar

Pengolahan Teks Pengolahan Gambar

Pengolahan Dokumen

Teks Kecondongan,

baris, alinea, paragraf

Garis lurus, sudut, kurva

Daerah Gambar

Gambar 2.1 Hirarki Pemrosesan Dokumen.

Pengolahan teks berkait dengan bagian teks dari citra dokumen. Beberapa tugas yang terkait dengan pengolahan teks adalah menentukan kecondongan teks, menemukan kolom-kolom, paragraf-paragraf, baris-baris teks, dan kata, dan akhirnya

mengenali teks beserta atributnya, misalnya ukuran dan font dari teks seperti yang dapat dilakukan oleh mesin pengenal karakter (OCR). Sementara pengolahan grafik berkait dengan komponen garis dan simbol-simbol yang membentuk diagram, logo, dan lain sebagainya. Dan lebih lanjut O’Gorman dan Kasturi memberikan tahapan-tahapan proses analisis citra dokumen seperti terlihat dalam Gambar 2.2.

Gambar 2.2 Langkah-langkah Proses Analisis Dokumen

2.2.1 Data Capture

Pada tahap data capture, data dari dokumen kertas akan dibaca dengan alat scan optis dan hasilnya disimpan sebagai file dalam bentuk piksel. Terdapat tiga kemungkinan nilai piksel, yaitu berupa nilai ON(1) atau OFF (0) untuk citra biner,

Lembar Dokumen

Data Capture

Pengolahan Tingkat Piksel

Analisis Tingkat Fitur

Pengenalan dan Analisis Teks

Pengenalan dan Analisis Grafis

atau suatu bilangan bulat antara 0-255 untuk citra grayscale, atau tiap piksel terdiri atas 3 komponen bilangan bulat antara 0-255 untuk komponen wana merah, komponen warna hijau, dan komponen warna biru untuk citra berwarna. Barisan nilai piksel yang diperoleh pada tahap ini, kemudian akan diproses lebih lanjut untuk mendapatkan suatu informasi seperti yang diinginkan.

2.2.2 Pengolahan Tingkat Piksel

Tahap pengolahan tingkat piksel adalah suatu tahap yang bertujuan untuk menyiapkan dokumen citra, serta membuat fitur perantara untuk membantu mengenali citra. Langkah- langkah yang dilakukan adalah :

a. Proses binarisasi: memisahkan citra utama dari citra latar belakang yang tidak dibutuhkan.

b. Pengurangan noise: menghilangkan piksel-piksel yang tidak penting untuk

mengurangi kesalahan pengenalan obyek.

c. Segmentasi: memisahkan komponen teks dan grafis dari sebuah dokumen. Pada komponen teks segmentasi dilakukan dengan memisahkan kolom, paragraf, kata dan karakter. Pada komponen grafis, segmentasi akan memisahkan simbol dan garis.

d. Thinning dan deteksi area: Thinning merupakan proses untuk mengurangi

komponen citra yang tidak penting agar proses analisis dan pengenalan dapat dilakukan dengan lebih efisien. Thinning dikenakan terhadap kurva tebal yang

akan ditipiskan. Deteksi area dikenakan pada obyek yang diblok dengan warna sedangkan yang diperlukan hanya batas area tersebut.

e. Chain coding dan vektorisasi: mengubah data kerangka dan kontur yang ada

menjadi piksel On yang saling berantai (terkait) sehingga penyimpanan obyek menjadi lebih efisien.

2.2.3 Analisis Tingkat Fitur

Analisis tingkat fitur akan menghasilkan informasi yang lebih dapat dipahami manusia. Langkah- langkah yang dilakukan adalah :

a. Pengelompokan garis dan kurva: menentukan garis dan kurva yang saling

berhubungan serta memisahkan garis dan kurva yang tidak sekelompok.

b. Poligonisasi: mengolah kurva dan garis lurus yang ada sehingga akan mendekati aslinya dan dapat disimpan dengan data yang lebih ringkas.

c. Deteksi titik kritis. mengenali suatu bentuk kurva berdasarkan titik kritis yang ditentukan.

2.2.4 Analisis Teks

Terdapat dua tipe analisis yang dapat diberlakukan terhadap teks pada dokumen. Yang pertama adalah pengenalan karakter (character recognition) untuk

mengenali karakter dan kata dari citra berbasis bit. Yang kedua adalah analisis layout halaman untuk menentukan format teks dan menentukan arti, yang berhubungan dengan posisi dan fungsi dari teks.

Dalam analisis layout halaman yang dilakukan adalah :

a. Perkiraan kemiringan: mengelola karakter yang memiliki sudut kemiringan

tertentu sehingga nantinya akan dapat diolah untuk dikenali.

b. Analisis layout: memilah karakter dalam dokumen untuk dikelompokkan dalam paragraf, judul, atau daftar isi dan yang lainnya.

2.3. Normalisasi terhadap Orientasi

Normalisasi terhadap orientasi dilakukan untuk mengurangi pengaruh kesalahan orientasi saat pembacaan data citra dokumen dengan scanner. Tidak dapat

dijamin bahwa pengguna akan selalu menempatkan dokumen tegak lurus dengan sumbu utama. Oleh karena itu, perlu dilakukan perputaran atau rotasi sebesar sudut penyimpangan (θ) sebagai langkah koreksi terhadap penyimpangan orientasi.

Rotasi suatu citra dengan sudut sebesar θ yang berlawanan arah dengan arah jarum jam, (lihat gambar 2.3) dapat dilakukan dengan mempergunakan rumus (2.1).

x’ = x cos(θ) – y sin(θ) (2.1)

y’ = x sin(θ) + y cos(θ)

θ

( x', y')

( x, y)

Gambar 2.3. Perputaran citra dengan sudut θ

Untuk mengetahui seberapa besar penyimpangan orientasi suatu obyek dengan sumbu utama, dapat dilakukan dengan mempergunakan orientasi momen. Nilai θ dapat ditentukan dengan rumus (2.2).

⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − = − 2 , 0 0 , 2 1 , 1 1 2 tan 2 1 µ µ µ θ (2.2)

dengan

q p

m n

q

p, =

∑∑

(m−m) (n−n)

µ (2.3)

merupakan momen pusat ordo (p,q), dengan m, n merupakan titik pusat momen yang didefinisikan sebagai berikut:

∑∑

=

m n

m N

m 1 , =

∑∑

m n

n N

n 1 , (2.4)

N menyatakan jumlah piksel pada citra, m dan n menyatakan koordinat obyek dari citra. Rumus (2.4) hanya berlaku untuk citra biner.

2.4. Binarisasi

Binarisasi adalah tahapan pertama di dalam pengolahan tingkat piksel setelah dilakukan data capture, yaitu proses untuk memisahkan obyek dari latar belakang

yang tidak dibutuhkan (O’Gorman dan Kasturi, 1997). Tujuan utama dari proses ini adalah secara otomatis menentukan nilai ambang threshold yang akan berfungsi

untuk membagi citra menjadi dua bagian atau dua kelompok, yaitu kelompok obyek dan kelompok latar. Berdasarkan tujuan tersebut, maka dalam banyak sumber lain,

proses binarisasi ini akan disebut sebagai proses thresholding.

Proses pemilihan threshold seringkali akan menjadi proses yang sulit ketika:

a. Perbedaan antara piksel obyek dan latar sangat tipis. Contohnya bila terdapat teks yang dicetak pada bagian yang diberi latar abu-abu.

b. Ketika proses data capture dilakukan, pencahayaan untuk proses scanning

kurang.

Beberapa keuntungan yang akan diperoleh apabila proses binarisasi berhasil dengan baik adalah:

a. Mengurangi kompleksitas komputasi untuk proses selanjutnya, karena ragam

data yang dipergunakan sederhana (Sauvola, J., dkk., 1997).

b. Mengurangi penggunaan memori karena data yang tersimpan hanya akan berupa deretan data biner (Kasturi, R., dkk., 2002).

c. Memungkinkan pemakaian metode analisis yang sederhana ketimbang

dipergunakan data citra yang gray level atau berwarna (Sauvola, J., dkk., 1997).

Threshold suatu citra g(x,y), di mana f(x,y) menyatakan gray-level dari suatu

poin (x,y), dan T menyatakan suatu nilai ambang threshold, didefinisikan sebagai

berikut (Gonzales dan Woods, 1992):

⎭ ⎬ ⎫ ⎩ ⎨ ⎧ ≤ > = T y x f jika T y x f jika y x g ) , ( 0 ) , ( 1 ) , ( (2.5)

di mana 1 menyatakan latar dan 0 menyatakan obyeknya.

Indikasi keberhasilan proses binarisasi adalah seberapa baik threshold yang

dipilih dapat mempartisi obyek dan latar. Akan terdapat tiga kemungkinan yang

muncul saat pemilihan suatu nilai threshold (Antonacopoulos, A., 1995) yaitu :

a. Threshold yang dipilih terlalu tinggi, sebagai akibatnya akan muncul

kemungkinan bahwa citra yang seharusnya terpisah menjadi bergabung, atau b. Threshold yang dipilih terlalu rendah, sebagai akibatnya akan muncul

kemungkinan bahwa sebuah citra terpotong menjadi beberapa bagian, atau c. Threshold yang dipilih sesuai atau baik.

Disinilah letak persoalan utama dari proses binarisasi, yaitu memilih harga

threshold yang baik. Kasturi, dkk., (Kasturi, R., dkk., 2002) menyatakan bahwa

proses seleksi untuk menentukan threshold yang baik akan selalu berupa proses yang

bersifat trial and error. Dalam hal ini berarti bahwa pada saat implementasi, hasil

dari proses binarisasi harus dicermati apakah obyek sudah terpisah dengan baik dari latar belakangnya.

2.4.1 Metode Otsu

Pendekatan yang dilakukan oleh metode otsu (Otsu, 2005) adalah dengan melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis diskriminan akan memaksimumkan variabel tersebut agar dapat memisahkan obyek dengan latar belakang. Untuk selanjutnya variabel tersebut akan disebut dengan ambang.

Misalkan citra yang akan dicari nilai ambangnya mempunyai N buah piksel, dengan derajat keabuan sebesar 256. Maka probabilitas kemunculan piksel dengan tingkat keabuan i dinyatakan dengan:

(2.6) dengan ni menyatakan jumlah piksel dengan tingkat keabuan i.

Seandainya nilai ambang yang akan dicari dari suatu citra hitam putih dinyatakan dengan k. Untuk citra graylevel, maka nilai k nantinya akan berkisar antara 0 sampai dengan L, dimana L = 255 menyatakan tingkat keabuan warna yang terbesar.

N n p_i = _i/

Nilai ambang k dapat ditemukan dengan memaksimumkan persamaan: (2.7) dengan:

(2.8)

Nilai µT adalah jumlahan nilai dari perkalian i dengan pi. Nilai µ(k) disebut momen kumulatif ke-nol pada intensitas warna ke-k, dan nilai ω(k) menyatakan nilai momen kumulatif ke-satu pada intensitas warna ke-k.

(2.9)

(2.10)

(2.11)

2.5 Pengurangan Noise

Tahap selanjutnya dalam pengolahan piksel adalah tahap untuk mengurangi

noise atau disebut juga tahap filling. Salt-and-pepper noise adalah contoh noise yang

umumnya muncul sebagai akibat dari kualitas citra dokumen yang tidak baik, misalnya karena hasil fotokopi dokumen citra tersebut tidak baik. Bentuk noise

tersebut misalnya adalah adanya piksel yang letaknya terasing dari piksel yang lain, atau adanya piksel ON di daerah OFF atau sebaliknya, seperti diperlihatkan dalam

gambar 2.4.

∑

= = k i i p k 1 ) ( ω

∑

= ⋅ = k i i p i k 1 ) ( µ

∑

= ⋅ = L i i

T i p

1 µ ) ( max *) ( 2 1 2 k k _B L k B σ σ < ≤ = )] ( 1 )[ ( )] ( ) ( [ ) ( 2 2 k k k k k T

B _{ω ω}

µ ω µ σ − − =

Tujuan utama dari filling adalah mengurangi sebanyak mungkin noise namun

tetap diperoleh citra yang baik. Dua metode yang biasa dipergunakan dalam filling

adalah metode morfologi dan pengolahan cellular. Dasar dari kedua metode tersebut

adalah apa yang disebut dengan erosi dan dilatasi. Erosi adalah pengurangan ukuran dari daerah ON, yaitu sebagai akibat adanya piksel-piksel ON yang berada di daerah

OFF atau terasing dari piksel ON yang lain. Dilatasi adalah proses sebaliknya dari

erosi, yaitu menambahkan piksel ON untuk menutup daerah ON. Biasanya kedua

proses erosi dan dilatasi dijalankan secara iterasi, serta menggunakan kombinasi dua proses tersebut. Jika yang terjadi adalah proses iterasi erosi dilanjutkan dengan iterasi dilatasi, prosesnya biasa disebut dengan proses terbuka atau opening. Sebaliknya jika

proses yang terjadi adalah iterasi dilatasi dilanjutkan dengan iterasi erosi, prosesnya disebut dengan proses tertutup atau closing. Dengan opening dan closing diharapkan

batas-batas citra menjadi halus, daerah-daerah yang terpisah digabungkan dan noise

yang sedikit menjadi hilang

2.5.1. Titik-Titik Tetangga

Suatu piksel p pada koordinat (x,y) mempunyai 4 buah tetangga horisontal dan vertikal, di koordinat:

(x + 1, y), ( x -1, y), (x , y + 1), (x ,y - 1). Kumpulan dari piksel-piksel pada koordinat di atas disebut dengan 4 tetangga dari piksel p, yang dinotasikan dengan N4(p). Setiap piksel mempunyai jarak satu

kesatuan dari koordinat (x,y), dan beberapa tetangga dari p terdapat di luar citra jika (x,y) adalah batas dari citra.

Empat buah tetangga diagonal dari p mempunyai koordinat:

(x + 1, y + 1), (x + 1, y - 1), (x - 1, y + 1), (x - 1, y - 1).

yang diberi notasi Nd(p).

Gabungan antara N4(p) dan Nd(p) selanjutnya biasa disebut dengan 8 titik

tetangga dengan notasi N8(p). Beberapa poin di dalam Nd(p) dan N8(p) berada

di luar citra jika (x,y) adalah koordinat dari batas-batas citra.

Berikut ini adalah gambaran bentuk ketetanggaan 8, di mana piksel P1 mempunyai 8 piksel tetangga, yaitu mulai dari piksel P2 sampai dengan piksel P9.

P9 P2 P3

P8 P1 P4

P7 P6 P5

Gambar 2.5 Ilustrasi piksel P1 yang mempunyai 8 titik tetangga

Dalam banyak proses pengolahan citra, seringkali terjadi proses pengolahan citra mendasarkan pada titik-titik tetangga dari suatu piksel, misal proses erosi, dan dilatasi seperti dijelaskan pada subbab 2.5 di atas.

2.6 Perangkaan

Perangkaan atau thinning atau istilah lainnya medial-axis adalah suatu proses

pengurangan komponen-komponen citra dengan tujuan untuk mendapatkan informasi yang paling mendasar tentang pembentuk citra atau untuk mendapatkan kerangka suatu citra. Karena itu thinning bisa disebut juga sebagai operasi

perangkaan. Sebagai contoh, seseorang yang menggambar garis dengan mempergunakan pena yang berbeda akan memperoleh ketebalan garis yang berbeda-beda, tetapi informasi yang ditampilkan sama yaitu suatu garis saja. Gambar 2.6 di bawah ini memberikan contoh lain citra yang belum dikenai thinning dan hasil dari

thinning.

Gambar 2.6 Contoh citra karakter pra sebelum dan sesudah dikenai thinning

Algoritma Hilditch, algoritma Rosenfeld adalah algoritma-algoritma yang dapat dipergunakan untuk mendapatkan kerangka suatu citra.

2.6.1. Algoritma Hilditch

Algoritma Hilditch adalah salah satu algoritma yang dapat dipergunakan utuk operasi perangkaan. Misal diketahui delapan piksel tetangga yaitu P2, P3, .., P9 dari sebuah piksel P1:

Untuk memutuskan apakah menghapus piksel p1 atau menyimpannya sebagai bagian dari kerangka, maka diatur ke-8 tetangga tersebut di atas, serta dibutuhkan dua buah fungsi sebagai berikut:

a. B(P1), yang menyatakan banyaknya tetangga dari piksel P1 yang merupakan titik obyek.

b. A(P1), yang menyatakan banyaknya pola 0,1 untuk urutan P2-P3-P4-P5-P6-P7-P8-P9-P2

Sebagai contoh, apabila diketahui bagian dari citra di bawah ini

(a) (b)

Gambar 2.7 Bagian dari sebuah citra

maka untuk gambar 2.6.a mempunyai B(P1) = 2, dan A(P1)=1, sedangkan gambar 2.6.b. mempunyai B(P1) = 2, dan A(P1) = 2.

Pada algoritma yang merupakan operasi terhubung-8 ini dilakukan beberapa kali iterasi pengikisan pada suatu obyek, di mana pada setiap pengikisan dilakukan pemeriksaan pada semua titik dalam citra dan melakukan pengubahan sebuah titik obyek menjadi titik latar apabila memenuhi keempat kondisi berikut ini:

a. 2 ≤ B(Pl) ≤ 6

Kondisi ini menggabungkan dua sub-kondisi, yaitu sub-kondisi jumlah tetangga yang merupakan obyek lebih besar atau sama dengan 2, dan kurang dari atau sama dengan 6.

Sub-kondisi pertama menjamin bahwa tidak ada titik terisolasi B(P1) = 0, ataupun titik ujung B(P1) = 1 yang terkikis

Sub-kondisi kedua menjamin batas piksel juga tidak terkikis untuk mencegah pengecilan kerangka. Untuk lebih jelasnya perhatikan gambar 2.8.

B (p1) =1 B (P1) =0 B (P1) =7

Gambar 2.8 Contoh piksel dengan B(PI)<2 dan B(PI)>6

Jika B (P1) =1, maka P1 adalah titik ujung sehingga tidak dihilangkan.

Jika B (p1) =0, maka P1 adalah titik terisolasi dan juga sebaiknya disimpan (kalaupun merupakan noise, proses untuk menghilangkan noise tidak dikerjakan dalam proses perangkaan ini.

Jika B (P1) =7, P1 tidak lagi di batas pola, sehingga sebaiknya tidak dikikis. b. A(Pl) = 1

Kondisi ini menunjukkan sifat konektivitas, di mana jika kita menghilangkan suatu titik yang mempunyai nilai A lebih dari 1, seperti ditunjukkan pada gambar 2.9, maka pola atau kerangka akan menjadi terputus. Maka titik P1 pada contoh-contoh tersebut tidak boleh dihapus.

A(P1) = 2 A(P1) = 2 A(P1) = 3

c. P2, P4, atau P8 ada yang merupakan titik latar, atau A(P2) ≠ 1

Kondisi ini digunakan untuk menghindarkan terhapusnya garis horizontal dengan lebar 2 titik terhapus.

A(P2) ≠1 P2=P4=P8=0 P2=P4=P8=1 dan A(P2) = 1 Gambar 2.10 Contoh piksel dengan P2=P4=P8=1 atau 0 dan A(P2) = 1 atau ≠ 1

d. P2, P4, atau P6 ada yang merupakan titik latar, atau A(P4) ≠ 1

Kondisi ini digunakan untuk menghindarkan terhapusnya garis horizontal dengan lebar 2 titik terhapus.

A(P4) ≠ 1 P2=P4=P6=0 P2=P4=P6 ≠ 0 dan A(P4) =1 Gambar 2.11 Contoh piksel dengan P2=P4=P8 ≠0 atau 0 dan A(P4) = 1 atau ≠ 1

Maka P1 harus dikikis.

Algoritma dihentikan apabila pada suatu iterasi tidak ada lagi titik yang diubah.

2.7 Segmentasi

Segmentasi adalah proses pemecahan citra ke dalam obyek-obyek yang terkandung di dalamnya. Dalam analisis citra dokumen, segmentasi ini dibagi menjadi dua tahap, pertama adalah pemisahan teks dan gambar, dan tahap kedua

adalah melakukan proses pemisahan selanjutnya dari hasil tahap pertama. Sebagai contoh untuk teks, maka proses selanjutnya adalah menurunkan teks tersebut menjadi komponen-komponen teks, yaitu menemukan kolom-kolom, paragraf-paragraf, kata-kata, sampai akhirnya adalah menemukan karakter-karakter penyusun kata.

Proses segmentasi pada citra dokumen dapat dilakukan dengan mempergunakan histogram citra serta profil proyeksi dari citra tersebut.

2.7.1. Histogram Citra

Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas piksel dari suatu citra atau bagian tertentu di dalam citra. Dari histogram dapat diketahui frekuensi kemunculan dari intensitas pada citra tersebut.

Misalkan diketahui sebuah citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai L-1 (misalnya pada citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Secara matematis histogram citra dihitung dengan rumus:

1 ,..., 1 , 0

, = −

= i L

n n

hi i (2.12)

di mana ni menyatakan jumlah piksel yang memiliki derajat keabuan i, dan n

menyatakan jumlah seluruh piksel di dalam citra.

2.7.2. Profil Proyeksi

Ekstraksi ciri dari suatu teks kalimat dapat diperoleh dari profil proyeksinya (Zramdini, A., dkk., 1993). Misalnya terdapat sebuah citra biner S dengan banyaknya baris M dan banyaknya kolom N seperti ditunjukkan pada gambar 2.12. Profil

proyeksi vertikal (Pv) dari citra S adalah banyaknya piksel hitam yang tegak lurus

sumbu y, yaitu:

∑

= = M

j

v i S i j

P

1 ] , [ ]

[ (2.13)

Sedangkan profil proyeksi horisontal (Ph) dari citra S adalah banyaknya piksel hitam

yang tegak lurus sumbu x, yaitu:

∑

= = N

j

h i S i j

P

1 ] , [ ]

[ (2.14)

Gambar 2.12 Profil proyeksi horisontal dan vertical

2.8 Pengenalan Karakter

Pengenalan karakter bertujuan untuk menerjemahkan sederetan karakter yang memiliki berbagai macam bentuk dan ukuran. Mengembangkan algoritma untuk mengidentifikasi karakter merupakan prinsip utama yang akan dikerjakan dalam pengenalan karakter. Pengenalan karakter dapat menjadi kompleks dengan bertambahnya bentuk karakter, ukuran, kemiringan dan lainnya.

Algoritma pengenalan karakter terdiri dari dua bagian utama, yaitu ekstraksi ciri-ciri dan klasifikasi. Proses pengenalan karakter mencoba untuk mencari karakter dari suatu kelas dengan mempergunakan algoritma klasifikasi tertentu yang didasarkan pada ciri yang diambil pada proses ekstraksi ciri.

2.8.1. Ekstraksi Ciri

Tujuan dari proses ekstraksi ciri adalah mendefinisikan sifat dari setiap karakter (feature) yang tidak jelas karena pengukuran yang tidak sempurna. Yang

dibutuhkan adalah kelas karakter yang berupa prototipe atau himpunan contoh yang sudah ada. Proses mengekstrak ciri berarti mencari sifat pola atribut dari setiap kelas. Contoh ciri gobal berupa jumlah lubang dalam karakter, jumlah lekukan pada bagian luar, dan jumlah tonjolan. Sedangkan contoh ciri lokal adalah posisi relatif dari posisi akhir garis, perpotongan garis dan sudut-sudut.

Ciri-ciri yang bagus memiliki karakteristik antara lain:

a. Membedakan (discrimination), yaitu ciri tersebut harus mampu membedakan

suatu obyek dengan obyek dari kelas yang berbeda.

b. Dapat dipercaya (Reliability), yaitu ciri harus dapat dipercaya untuk semua obyek

dalam kelompok yang sama.

c. Tidak Terikat (Independent), yaitu setiap komponen ciri tidak memiliki korelasi

yang tinggi dengan komponen ciri lainnya.

d. Jumlah ciri sedikit (small number), karena apabila ciri yang dipakai banyak

dimungkinkan akan terjadi adanya korelasi yang tinggi antar ciri yang akan mengakibatkan penurunan unjuk kerja sistem secara keseluruhan.

Terdapat banyak cara untuk memperoleh sifat dari suatu karakter. Salah satu cara yang dapat dipakai adalah dengan mencari sifat dari sekelompok bagian karakter, selanjutnya disebut dengan unit, berdasarkan pada informasi yang tersimpan dalam unit tersebut. Sifat ini ditandai dengan sebuah angka. Secara garis besar salah satu cara yang dapat dilakukan untuk mengekstrak fitur adalah :

a. Sebuah citra karakter dibagi menjadi 3 x 3 bagian sehingga menjadi 9 bagian yang disebut dengan unit.

b. Setiap unit dalam keseluruhan citra akan dicari banyaknya piksel obyek.

Gambar 2.13 Ilustrasi perhitungan ciri karakter Jawa: tarung 2.8.2. Langkah Klasifikasi

Klasifikasi merupakan tahap pengenalan terhadap suatu obyek. Pada tahap ini obyek dikelompokkan ke dalam suatu kelas tertentu berdasarkan ciri-cirinya. Pengelompokkan dikatakan berhasil apabila obyek sama dikelompokkan pada kelas yang sama, dan obyek berbeda dikelompokkan pada kelas yang berbeda. Klasifikasi dapat dilakukan dengan pendekatan statistik, pendekatan alamiah atau pendekatan struktural.

Pendekatan statistik dilakukan dengan mendefinisikan setiap komponen dari

feature space berupa nilai feature atau ukuran yang berupa variabel random yang

menggambarkan sifat variabilitas dalam kelas dan antara kelas. Sebuah classifier

akan membagi feature space ke dalam daerah-daerah yang berhubungan dalam setiap

kelas. Contoh klasifikasi yang menggunakan pendekatan statistik adalah dengan jarak tangen dan model Bayesian.

Pendekatan alamiah yang biasa digunakan adalah pencocokan template. Piksel secara individu diperlakukan sebagai feature. Kesamaan pola dinyatakan

dengan mendefinisikan ukuran jarak. Kelas template yang memiliki jumlah

11 5 6

1 6 4

kesesuaian maksimum kemudian dipilih sebagai kelas dari pola tes. Pendekatan ini disebut dengan pendekatan korelasi maksimum. Di samping itu terdapat pendekatan minimum kesalahan yang akan memilih kelas template yang memiliki jumlah minimum ketidaksesuaian sebagai kelas dari pola tes. Aturan K-nearest neighbour

adalah aturan yang biasa digunakan untuk mencari kedekatan pola. Pencocokan template akan efektif jika variasi dalam kelas hanya memuat sedikit noise dan pola tes sudah bebas dari noise. Contoh klasifikasi dengan pencocokan template adalah

feature point extraction (Brown, 2000).

Pendekatan struktural menyatakan pola karakter dengan cara yang sederhana dengan menyatakan hubungan antara struktur yang ada. Misal untuk menyatakan karakter A maka dikatakan terdiri dari dua garis lurus yang bertemu pada titik akhir di atas, serta garis ketiga berada di tengah-tengah dan membuat lubang. Contoh klasifikasi dengan pendekatan struktural adalah pendekatan neural network dengan

binary tree.

Salah satu metode untuk melakukan klasifikasi dengan pendekatan alamiah dilakukan dengan cara sebagai berikut:

a. Nilai setiap unit pada lokasi yang bersesuaian dari karakter yang akan dikenali dibandingkan dengan nilai setiap unit karakter yang terdapat dalam basis data. Perbandingan ini dilakukan dengan menggunakan modifikasi dari jarak Euclide. Jarak Euclide De(p,q)dari dua piksel p,q, dengan koordinat masing-masing di

titik (x,y),dan (s,t), didefinisikan sebagai berikut:

i j

Dari rumus 2.15 di atas kemudian dilakukan modifikasi rumus untuk mendapatkan jarak antara dua buah fitur karakter yang dibagi dalam 8 unit karakter. Apabila terdapat dua buah fitur karakter a,b dengan banyak unit

sembilan (9), maka jarak Df(a,b)antara dua buah fitur tersebut dapat

didefinisikan sebagai berikut:

Df(a,b) =

Σ

Σ

|aij – bij| (2.16)

di mana i, j berjalan dari 1 sampai dengan 3.

b. Dicari jarak yang paling minimum dari nilai-nilai hasil perbandingan pada

langkah satu. Jarak yang paling minimum dan masih di bawah batas atas nilai jarak yang diperbolehkan akan dipilih sebagai karakter yang paling mendekati karakter yang akan dikenali tersebut.

31

BAB III

PERANCANGAN SISTEM

Seperti yang telah dijelaskan pada bab pendahuluan sebelumnya, maka tujuan dari penelitian adalah untuk merancang dan membangun suatu aplikasi perangkat lunak yang mampu melakukan pengenalan citra dokumen buku sastra jawa ke dalam format teks Latin secara otomatis. Ilustrasi tujuan umum dari sistem ini dapat dilihat pada gambar 3.1.

Gambar 3.1 Gambaran Umum Tujuan Sistem 3.1 Spesifikasi Sistem

Sistem untuk melakukan konversi dari citra dokumen ke dalam teks dibedakan menjadi dua bagian, yaitu: Sistem Pembuat Basis Data (SPBD) dan Sistem Pengenalan Citra Dokumen (SPCD). Sistem pembuat basis data dipergunakan

Proses

untuk membuat basis data citra karakter Jawa dan terjemahan karakter tersebut dalam bahasa Latin. Sedangkan Sistem Pengenalan Citra Dokumen berfungsi untuk melakukan pengenalan citra dokumen ke dalam teks Latin. Spesifikasi sistem atau kemampuan-kemampuan yang dimiliki oleh masing-masing sistem tersebut akan diuraikan seperti berikut ini.

3.1.1 Spesifikasi Sistem Pembuat Basis Data

Adapun kemampuan-kemampuan yang dimiliki oleh sistem ini yaitu:

a. Sistem dapat menghitung ciri-ciri karakter jawa dan menyimpan ciri-ciri tersebut ke dalam basis data ciri tiap karakter Jawa.

b. Sistem dapat menentukan terjemahan Latin dari setiap karakter Jawa.

3.1.2 Spesifikasi Sistem Pengenalan Citra Dokumen

Spesifikasi atau kemampuan-kemampuan dari sistem ini adalah:

a. Sistem mampu melakukan proses normalisasi orientasi citra secara otomatis. b. Sistem mampu melakukan proses binarisasi citra secara otomatis.

c. Sistem mampu melakukan proses filling citra secara otomatis. d. Sistem mampu melakukan proses thinning citra secara otomatis. e. Sistem mampu melakukan proses segmentasi citra secara otomatis.

f. Sistem mampu melakukan proses pengenalan karakter Jawa secara otomatis. g. Sistem mampu melakukan proses pembentukan kata dari karakter-karakter Jawa

3.1.3 Proses Pengenalan Citra Karakter Dalam Citra Dokumen

Proses pengenalan suatu citra karakter dilakukan dengan mencocokkan ciri citra karakter tersebut dengan ciri karakter yang terdapat dalam basis data ciri karakter. Suatu citra karakter query mula-mula dihitung cirinya, kemudian dilakukan pencocokan ciri citra query dengan ciri citra dalam basis data ciri karakter. Apabila dari hasil pencocokan terdapat ciri dalam basis data yang bedanya dengan ciri citra karakter query di bawah nilai threshold tertentu, maka citra karakter query tersebut akan dikenali. Suatu citra karakter dikatakan dikenali apabila kemudian muncul informasi nama latin dan citra karakter Jawa yang bersesuaian dengan ciri citra karakter query dari basis data ciri karakter.

Apabila dari hasil pencocokan tidak ada ciri yang bedanya di bawah nilai threshold tertentu, maka citra karakter query tersebut akan direkomendasikan sebagai citra karakter Jawa yang baru, dan akan memasuki proses penambahan data dalam basis data citra karakter Jawa.

3.2 Desain Sistem

Secara garis besar sistem pengenalan citra dokumen yang dibangun di sini dibagi menjadi dua bagian:

a. Bagian Pembuat Basis Data, dipergunakan untuk membuat basis data karakter Jawa yaitu berupa karakter-karakter Jawa pembentuk kata beserta nama Latin dari karakter Jawa yang bersesuaian.

b. Bagian Pengenalan Citra Dokumen, dipergunakan untuk mengenali citra dokumen.

Gambar 3.2. berikut ini menunjukkan struktur hubungan antara bagian pembuat basis data dan bagian pengenal citra dokumen.

Citra Karakter Pembuat

Basis Data

Nama Latin dan Ciri setiap Karakter

Pengenal Citra Dokumen

Hasil Pengenalan, Citra Karakter Baru Citra Dokumen

Gambar 3.2. Struktur Hubungan Antara Bagian Pembuat Basis Data dan Bagian Pengenal Citra Dokumen

3.2.1 Desain Struktur Data

Data yang dipakai dalam Sistem Pembuat Basis Data terdiri dari data citra karakter Jawa yang akan disimpan dalam basis data, dan basis datanya sendiri. Basis data yang akan dibuat oleh Sistem Pembuat Basis Data adalah basis data ciri karakter Jawa yang terdiri dari citra karakter, ciri karakter, dan nama latin dari karakter Jawa yang bersesuaian.

Struktur data dari basis data ciri citra karakter Jawa bertipe cell array dua dimensi berukuran n x 3, di mana dalam bahasa pemrograman Matlab bentuknya adalah:

dengan keterangan setiap selnya adalah sebagai berikut

1. cell kolom ke 1 bertipe char array dipergunakan untuk menyimpan nama latin dari karakter Jawa

2. cell kolom ke 2 bertipe double array, dipergunakan untuk menyimpan ciri karakter Jawa

3. cell kolom ke 3 bertipe uint8 array (logical), dipergunakan untuk menyimpan citra biner karakter Jawa.

3.2.2 Diagram Aliran Data

Diagram aliran data dari sistem untuk pengenalan citra dokumen ini terdiri dari dua bagian, yaitu Sistem Pembuat Basis Data (SPBD) dan Sistem Pengenalan Citra Dokumen (SPCD). SPDC berfungsi untuk mengolah citra dokumen sehingga dihasilkan deretan karakter pembentuk dokumen beserta ciri dari setiap karakter yang diperoleh. SPBD berfungsi untuk membuat basis data yang berisi ciri karakter Jawa dan terjemahan karakter Jawa tersebut ke dalam karakter Latinnya. Ciri yang dimasukkan dalam SPBD dihasilkan oleh SPCD pada saat mengenal citra dokumen. Basis data yang dihasilkan oleh SPBD selanjutnya akan dipergunakan oleh SPCD untuk mengenal nama-nama Latin dari setiap karakter Jawa yang ditemukan berdasarkan ciri yang dipunyai oleh karakter tersebut.

3.2.2.1 Diagram Aliran Data Sistem Pembuat Basis Data (SPBD)

Diagram aliran data dari SPBD terdiri dari beberapa level, yaitu dimulai dari level 0 sampai level 2. DFD level 0 dari SPBD (gambar 3.3) terdiri dari 2 komponen, yaitu satu proses dan satu entitas luar yaitu pengembang (developer) yang memberikan input kepada sistem dan yang menerima output dari sistem.

Input yang diberikan developer kepada sistem adalah berupa citra karakter Jawa, dan nama Latin yang bersesuaian dengan karakter Jawa tersebut. Sedangkan outputnya adalah citra karakter, ciri karakter, dan nama latin dari karakter.

Developer _PembuatSistem

Basis Data citra karakter, nama latin

citra karakter, ciri karakter, nama latin

Gambar 3.3 DAD Level 0 Sistem Pembuat Basis Data

Informasi lebih rinci dari proses SPBD diperlihatkan dalam DFD level 1 (gambar 3.4). Dalam DFD level 1 SPBD ini terdapat dua buah proses, yaitu proses Olah Data, dan proses Cari Nama. Proses Olah Data berfungsi untuk mengelola citra karakter. Proses Cari Nama berfungsi untuk menemukan ciri dan citra dari nama latin karakter yang diberikan oleh developer.

1 Olah Data 2 cari nama citra kara kter, nam a lat

in nama latin citra kara kter, nama latin ,

ciri k arak ter File Pustaka Karakter Jawa citra kara

kter, _nama latin_, ciri k arak_ter citra kara kter, nama latin ,

ciri k arak

ter

citra _kara

kter, _nam a latin_, ciri k

arakt_er

Developer

citra karakter citra karakter

citra karakter ciri karakter

citra karakter ciri karakter

ciri karakter nama latin

citra karakter, nama latin citra karakter, nama latin,

ciri karakter

citra karakter, nama latin, ciri karakter citra karakter, nama latin, ciri karakter

Gambar 3.5. DAD Level 2 Proses Olah Data

Proses Olah Data dijabarkan secara lebih rinci dalam DAD level 2 (gambar 3.5 di atas). Proses Buka File berfungsi untuk membuka file citra karakter Jawa dari direktori data, dan menyimpan file tersebut dengan nama KarJawa.mat pada direktori program. Kemudian developer dapat melanjutkan proses untuk mencari ciri dari karakter Jawa masukan dengan mempergunakan proses Ekstraksi Ciri. Ciri dari karakter yang dihasilkan akan disimpan dalam file cirikar.mat. Proses Cari Ciri berfungsi untuk mencari citra karakter dan nama latin dari ciri karakter, dan kemudian memberikan keluaran berupa data ciri karakter Jawa dari citra karakter yang bersesuaian. Apabila citra dengan ciri karakter masukan sudah terdapat dalam

1.1 Buka File

1.4 Tambah

Data

1.3 Cari Ciri

1.2 Ekstraksi

Ciri

File Citra Karakter Jawa

File Ciri Karakter Jawa

File Pustaka Karakter Jawa Developer

database, maka proses juga akan menampilkan nama latin dari karakter Jawa tersebut kepada Developer. Apabila data citra karakter dengan ciri tertentu belum ada dalam database, maka proses Tambah Data akan memasukkan data citra karakter Jawa tersebut ke dalam basis data Pustaka Karakter Jawa.

3.2.2.2 Diagram Aliran Data Sistem Pengenalan Citra Dokumen (SPCD)

Diagram aliran data dari SPCD terdiri dari beberapa level, yaitu dimulai dari level 0 seperti terlihat dalam gambar 3.6., sampai level 2. Entitas luar yaitu user memberikan masukan kepada sistem berupa citra dokumen yang akan dikonversi. Selain itu sistem juga akan mengambil informasi dari basis data Pustaka Karakter Jawa, di mana basis data tersebut dihasilkan oleh Sistem Pembuat Basis Data. Sistem kemudian akan memproses citra dokumen yang diperoleh dari user untuk menghasilkan keluaran berupa teks dokumen dari citra dokumen yang bersangkutan, dan kemudian memberikan hasil tersebut kepada user.

User

Sistem Pengenalan

Citra Dokumen

(SPCD) citra dokumen

teks dokumen

File Pustaka Karakter Jawa ciri karakter Jawa,

Nama Latin

Developer

citra

kara

kter

Gambar 3.6 DAD Level 0 Sistem Pengenalan Citra Dokumen

Informasi lebih rinci dari proses SPCD diperlihatkan dalam DAD level 1 SPCD seperti terlihat dalam gambar 3.7. Terdapat tujuh buah proses dalam sistem

SPCD ini. Sedangkan masukan untuk sistem diperoleh dari user maupun dari Sistem Pembuat Basis Data.

User

citra _bin er 3 Filling 4 Thinning 5 Segmen 6 Pengenalan Karakter 7 Pembentukan Kata File citra biner citra terotasi citra tero tasi File citra filling citra filling citra filling File citra kerangka dokumen citra kerangka dokumen

citra keran

gka d_okum en File

citra-citra karakter _{citra-citra karakter} citra-citr

a karakt er 8 Tampil Data File Pustaka Karakter Jawa

ciri karakter jawa, nama latin File

Nama-nama latin

nama_-nam a latin nama-nama latin File Teks _{deretan k}

ata

deretan k ata CI tra Do kum en citra biner 2 Normalisasi Orientasi 1 Binarisasi File citra terotasi tasi

citra-citra baris _{File citra-citra baris} ciri karakter jawa, nama latin, citra karakter

Developer Te k s Dok u m e n citra k arakte r baru

Setelah user memberikan masukan berupa citra dokumen, kemudian sistem akan melakukan proses binarisasi. Proses binarisasi ini berfungsi untuk memisahkan citra utama dengan citra latar belakang. Sebagai hasil dari proses ini akan diperoleh data citra biner yang mempunyai nilai 1 jika piksel dari citra adalah bagian dari latar belakang, atau 0 jika piksel dari citra adalah bagian dari citra utama.

Proses selanjutnya adalah proses normalisasi orientasi. Proses normalisasi orientasi bertujuan untuk mengetahui seberapa besar sudut penyimpangan proses scanning, dan kemudian apabila ditemukan sudut dengan besar tertentu, maka citra

masukan kemudian dirotasi sebesar sudut penyimpangannya.

Setelah dihasilkan citra biner yang normal, maka data citra biner normal akan disimpan dan diproses ke tahap berikutnya, yaitu proses Filtering. Dalam proses filtering citra tadi akan dikurangi sebanyak mungkin noisenya. Hasil dari proses filtering adalah berupa citra biner yang relatif sudah bebas dari noise, seperti tidak ada lagi piksel yang terasing, atau adanya lubang di dalam kerumunan piksel.

Tahap selanjutnya adalah proses thinning, yaitu proses yang berfungsi untuk menghasilkan kerangka dari setiap bentuk citra karakter Jawa. Sebagai hasil dari proses ini akan diperoleh citra dokumen yang setiap karakter dalam dokumen tersebut sudah berupa kerangka pokoknya saja.

Hasil dari proses thinning ini kemudian akan diolah lagi dalam proses segmentasi. Proses segmentasi berfungsi untuk memisahkan setiap karakter dari karakter yang lain. Keluaran dari proses ini adalah deretan citra karakter Jawa yang menyusun citra dokumen yang dimasukkan oleh user.

Proses pengolahan tingkat piksel berakhir di proses segmentasi. Langkah berikutnya adalah proses pengenalan karakter. Dalam proses ini setiap karakter Jawa yang diperoleh akan dicoba untuk dikenali dengan nama Latinnya. Sehingga sebagai hasil dari proses ini akan berupa deretan nama-nama Latin penyusun citra dokumen di awal.

Setelah deretan nama-nama Latin diperoleh maka nama-nama Latin itu akan dipakai sebagai masukan untuk proses pembentukan kata. Proses pembentukan kata ini akan menyusun kata-kata berdasarkan nama-nama Latin yang diperoleh. Jika semua nama sudah selesai diproses menunjukkan bahwa proses pembentukan kata juga selesai. Proses selanjutnya tinggal menampilkan hasil akhir dari keseluruhan proses konversi kepada user, yaitu berupa sebuah teks dokumen.

1.1 Cari Ambang

citra dokumen ambang 1.2

Ubah Biner

citra biner File

citra biner User

citra dokumen

Gambar 3.8 DAD Level 2 Proses Binarisasi

Penjabaran lebih rinci dari proses-proses binarisasi, normalisasi orientasi, filling, segmentasi, dan pengenalan karakter dinyatakan dalam DAD level 2. DAD level 2 proses Binarisasi (gambar 3.8 di atas) dijabarkan menjadi proses Cari Ambang, dan Ubah Biner. Proses Cari Ambang akan mencari nilai ambang threshold yang menjadi acuan pemisahan obyek dari latar. Nilai ambang threshold ini kemudian dikirim ke proses Ubah Biner. Proses Ubah Biner akan mengubah nilai

elemen dari matriks citra inputan menjadi hanya bernilai 0 atau 1, di mana nilai 0 menyatakan obyek sementara nilai 1 menyatakan latar belakang obyek.

DAD level 2 proses Normalisasi Orientasi dijabarkan menjadi proses Cari Teta dan Rotasi (gambar 3.9). Proses Cari Teta akan mencari besar sudut kemiringan teta (θ) hasil proses scanning citra. Kemudian nilai teta ini akan dikirim ke proses Putar Citra yang akan memutar citra biner sebesar sebagai teta apabila nilai teta tidak sama dengan nol.

2.1 Cari Teta

citra biner teta 2.2

Putar Citra

citra biner

citra terotasi File citra terotasi

Gambar 3.9 DAD Level 2 Proses Normalisasi Orientasi

Proses Filling dijabarkan lebih lanjut dalam DAD level 2 seperti ditunjukkan dalam gambar 3.10, yaitu terdiri dari proses Erosi dan Dilatasi. Proses Erosi akan mengubah nilai piksel dari obyek menjadi latar apabila ditemukan adanya piksel-piksel obyek yang terasing dalam piksel-piksel latar pada citra masukan. Citra baru hasil proses Erosi kemudian dipakai sebagai masukan dalam proses Dilatasi. Dalam proses Erosi piksel-piksel latar yang terasing dalam kelompok piksel obyek akan diubah menjadi piksel obyek.

3.1 Erosi

citra terotasi citra ubah1 3.2

Dilatasi

citra filling File citra filling

5.1 Proyeksi

vertikal

citra kerangka dokumen histogram vertikal 5.2

Cari indek baris

citra kerangka dokumen

indek baris File

indek baris indek baris 5.3 Potong baris citra-citr a baris

File citra-citra baris 5.4 Proyeksi horisontal citra-citra baris 5.5 Cari indek kolom citra-citra baris

indek kolom File

indek kolom indek kolom 5.6 Potong karakter cit_ra -c

itra _b aris

citra-citra karakter File

citra-citra karakter

Gambar 3.11 DAD Level 2 Proses Segmentasi

DAD level 2 proses Segmentasi (gambar 3.11 di atas) dijabarkan menjadi proses Proyeksi Vertikal, Cari Indek Baris, Potong Baris, Proyeksi Horisontal, Cari Indek Kolom, dan proses Potong Karakter. Proses Proyeksi Vertikal akan menghitung banyaknya piksel hitam yang tegak lurus sumbu y sesuai dengan rumus 2.13. Nilai proyeksi vertikal kemudian dipergunakan dalam proses Cari Indek Baris untuk menemukan indek-indek baris yang akan menjadi acuan untuk membagi citra masukan menjadi baris-baris karakter citra pada proses Potong Baris. Sehingga dari proses Potong Baris akan diperoleh baris-baris citra karakter yang akan disimpan dalam suatu file, serta akan dikirim ke proses Proyeksi Horisontal. Pada Proses Proyeksi Horisontal akan dihitung banyaknya piksel hitam yang tegak lurus sumbu x

dipergunakan dalam proses Cari Indek Kolom untuk menemukan indek-indek kolom setiap baris data yang akan menjadi acuan untuk membagi citra masukan menjadi citra-citra karakter pada proses Potong Karakter. Sehingga hasil akhir dari keseluruhan proses segmentasi adalah citra-citra karakter penyusun citra masukan, yang akan disimpan dalam sebuah file .

Penjabaran lebih rinci proses Pengenalan Karakter digambarkan dalam gambar 3.12. Terdapat dua buah proses utama dalam DAD tersebut, yaitu proses Ekstraksi Ciri dan proses Cari Ciri. Proses Ekstraksi Ciri berfungsi untuk menghitung ciri dari citra karakter masukan. Ciri hasil proses Ekstraksi Ciri ini kemudian akan dipergunakan sebagai masukan dalam proses Cari Ciri, untuk menemukan nama latin dari citra karakter masukan.

6.1 Ekstraksi

ciri

citra-citra karakter 6.2

Cari karakter ciri-ciri karakter nam a-na ma latin File nama-nama latin

ciri k arak

ter j awa,

nam a lati

n

citra-citra karakter

File Pustaka Karakter Jawa

citr_{a k} ara_kte

r b aru Developer

3.2.3 Struktur Program

Struktur suatu program adalah hasil pemetaan dari desain diagram aliran data. Tujuan dari pembuatan struktur program ini adalah agar sistem yang nanti dihasilkan akan lebih mudah untuk ditesting, diubah, dan dirawat. Struktur program dari sistem untuk konversi citra dokumen ke teks tediri dari dua bagian, yaitu struktur program Sistem Pembuat Basis Data dan struktur program Sistem Pengenalan Citra Dokumen. Struktur program Sistem Pembuat Basis Data secara garis besar dibagi menjadi tiga modul, seperti ditunjukkan dalam gambar 3.13. Modul baca citra berfungsi untuk membuka file citra karakter Jawa. Modul hitung ciri citra dipergunakan untuk menghitung ciri-ciri citra karakter Jawa, dan kemudian menyimpan ciri dari citra tersebut ke dalam basis data ciri citra karakter. Kemudian modul pasang nama berfungsi untuk memasangkan bunyi pembacaan karakter Jawa yang bersangkutan dalam huruf Latinnya. Sebagai contoh, karakter akan dipasangkan dengan kata pra.

Gambar 3.13 Struktur Program Sistem Pembuat Basis Data Sistem Pembuat Basis Data

Olah Data Cari Nama

Tambah Data Cari Ciri

Ekstraksi Ciri Buka File

Struktur program Sistem Pembuat Basis Data, seperti ditunjukkan dalam gambar 3.13, secara garis besar dibagi menjadi 2 modul. Modul Olah Data berfungsi untuk mengelola citra karakter Jawa, dan modul Cari Nama berfungsi untuk membantu developer menemukan citra-citra karakter beserta cirinya dengan panduan nama latin dari Karakter Jawa. Modul Olah Data kemudian dibagi lagi menjadi sub modul Buka File, Ekstraksi Ciri, Cari Ciri, dan Tambah Data. Submodul Buka File berfungsi untuk membuka file citra karakter. Submodul Ekstraksi Ciri berfungsi untuk menghitung ciri citra karakter. Submodul Cari Ciri berfungsi untuk mencari citra karakter dalam basis data pustaka berdasarkan ciri dari karakternya. Submodul Tambah Data berfungsi untuk menambahkan data citra ke dalam basis data pustaka.

Struktur program Sistem Pengenalan Citra Dokumen, seperti ditunjukkan dalam gambar 3.14, secara garis besar dibagi menjadi delapan modul. Modul normalisasi orientasi berfungsi untuk merotasi citra dokumen sebesar sudut kemiringan hasil scanning. Modul binarisasi berfungsi untuk membuat citra asli menjadi citra biner. Citra biner tersebut akan berwujud sebagai matriks yang semua elemennya berupa nilai 0 atau 1. Modul filtering berfungsi untuk mengurangi sebanyak mungkin noise. Modul thinning akan berfungsi untuk menghasilkan kerangka dari setiap bentuk citra karakter Jawa. Hasil dari proses thinning ini kemudian akan dipakai untuk proses segmentasi, yang akan dijalankan oleh modul segmentasi. Modul segmentasi ini berfungsi untuk memisahkan setiap karakter dari karakter yang lain. Dalam modul pengenalan karakter, tiap karakter Jawa yang diperoleh dari modul segmentasi akan dikenali dengan nama Latinnya. Kemudian modul pembentukan kata semua nama-nama Latin yang diperoleh dari modul

pengenalan karakter akan dibentuk sebagai kata-kata dalam bahasa Latin juga. Dan terakhir modul tampil hasil akan memberikan user hasil konversi citra dokumen yang diproses.

filtering

Sistem Konversi Citra ke Teks

pengenalan karakter segmentasi

binarisasi thinning pembentukan tampil data

kata normalisasi

orientasi

Gambar 3.14. Struktur Program Sistem Pengenalan Citra Dokumen 3.2.4 Desain Antar Muka

a. Fitur yang disediakan oleh sistem Pembuat Basis Data adalah: i. Buka File

ii. Ekstraksi Ciri iii. Cari Ciri iv. Tambah Data

v. Cari Nama

b. Fitur yang disediakan oleh sistem Pengenal Citra Dokumen adalah: vi. Normalisasi Orientasi

vii. Binarisasi viii. Filling

ix. Thinning x. Segmentasi

xi. Pengenalan Karakter xii. Pembentukan Kata

c. Desain layar

Gambar 3.15 Desain Layar Sistem Pembuat Basis Data

filtering

Sistem Pengenalan Citra Dokumen

pengenalan karakter segmentasi

thinning Buat

BasisData pembentukan

kata

INPUT: OUTPUT:

Gambar citra

masukan Gambar citra

keluaran normalisasi

orientasi binarisasi

Gambar 3.16 Disain Layar Sistem Pengenalan Citra Dokumen

Buka File Ekstraksi Ciri Cari Ciri Tambah Data Cari Nama Keluar

Sistem Pembuat Basis Data

Karakter Jawa: pra

49

BAB IV

IMPLEMENTASI SISTEM

Implementasi proses-proses dalam diagram aliran data atau modul-modul dalam struktur program dalam tahap perancangan sistem dinyatakan dengan menggunakan bahasa pemrograman Matlab versi 5.0.

Secara garis besar implementasi proses dibagi menjadi dua bagian, yaitu bagian untuk membuat basis data karakter Jawa, dan bagian untuk pengenalan citra dokumen. Namun kedua bagian tersebut tidak dapat berdiri sendiri-sendiri, karena bagian untuk mengenal citra dokumen mempergunakan basis data karakter Jawa, sedangkan bagian pembuatan basis data mempergunakan sebagian modul dari bagian pengenalan citra dokumen.

4.1. Antar Muka Pemakai Sistem

Antar Muka Pemakai merupakan sarana untuk menghubungkan antara pemakai dengan sistem.

4.1.1 Antar Muka Pemakai Sistem Pembuat Basis Data (SPBD)

Tampilan antar muka dari Sistem Pembuat Basis Data (SPBD) digambarkan dalam gambar 4.1. Menu yang terdapat dalam SPBD adalah Buka File, Ekstraksi Ciri, Cari Ciri, Tambah Data, Cari Dengan Nama, Info, dan Keluar.

a. Menu Buka File

Menu Buka File berfungsi untuk membaca file citra karakter dari direktori data, kemudian menyimpannya ke file KarJawa.mat pada direktori program.

b. Menu Ektraksi Ciri

Menu Ekstraksi Ciri berfungsi untuk menghitung ciri citra karakter, dan kemudian menyimpannya dalam file.

Gambar 4.1 Tampilan antar muka pemakai Sistem Pembuat Basis Data

c. Menu Cari Data

Menu Cari Data berguna untuk membantu mencari data citra berdasarkan ciri dari citra.

d. Menu Cari Dengan Nama

Menu Cari Dengan Nama berguna untuk membantu mencari data citra berdasarkan nama latin dari citra karakter.

121

kt=strrep(kt,' m bang','mbang'); kt=strrep(kt,' l ya','l ya'); kt=strrep(kt,' nga la','ngla'); kt=strrep(kt,' p ta','p ta'); kt=strrep(kt,' m bar','mbar'); kt=strrep(kt,' n ding','nding'); kt=strrep(kt,' n na','n na'); kt=strrep(kt,' g ge','gge'); kt=strrep(kt,' n de','nde'); kt=strrep(kt,' n di','ndi'); kt=strrep(kt,' n be','nbe'); kt=strrep(kt,' n mu','nmu'); kt=strrep(kt,' n ku','n ku'); kt=strrep(kt,' s ti','sti'); kt=strrep(kt,' s ta','s ta'); kt=strrep(kt,' s thi','sthi'); kt=strrep(kt,' s wa','s wa'); kt=strrep(kt,' l nga','lnga'); kt=strrep(kt,' l ya','lya'); kt=strrep(kt,' p ta','pta'); kt=strrep(kt,' ha','a '); kt=strrep(kt,' he','e '); kt=strrep(kt,' hi','i '); kt=strrep(kt,' ho','o '); kt=strrep(kt,' err',''); dokKata{i,1}=kt;

i=i+1; end

savefile = 'dokKata.mat'; save(savefile,'dokKata');

Judul_t2=uicontrol(f,'style','text','units','norm','back',[.15 .35 .69],'pos',[.0 .0 1 .38],...

'string',dokKata,'fontsize',[13],'fontname','verdana'); 19.Implementasi Modul TampilData

function tampil(f,info_b1,info_b2, gb1, gb2);

Judul_b1=uicontrol(f,'style','text','units','norm','back',[.15 .75 .89],'pos',[.0 .86 0.5 .04],...

'string',info_b1,'fontsize',[14],'fontname','verdana'); Judul_b2=uicontrol(f,'style','text','units','norm','back',[.15 .75 .89],'pos',[.51 .86 .40 .04],...

'string',info_b2,'fontsize',[14],'fontname','verdana'); subplot('position',[0 0.0 0.5 0.86]);

imshow(gb1);

subplot('position',[0.5 0.0 0.5 0.86]); imshow(gb2);

122

Lampiran 3. Data Dokumen Panji Sekar

123

Tabel Hasil Pengenalan Citra Dokumen Panji Sekar Halaman 3:

Baris Karakter Dikenali

1 1 : : adeg-adeg sang pra bu ing ke dhi ri ka dha teng nga na u err err err err err err err

2 tu sa s na sa king ma ka sar PadaLingsa err

3 PadaMadya pandhang ku la err PadaMadya sa mur ma ning ri re sa pa ing ma nis ka dhing wi

4 tu tarung err pa pa ing wu da pa2 na ha wah err err ji err ma sa la sang ka la taling da taling ka1 err PadaLingsa ingndri

5 err na tarung ga2 hi gu PadaLingsa kang si ne wa la ma pa PadaLingsa ing ring git ge ga2 pa :g kang ka ha

6 errnnan su ni jeng gi nu tun ka dhing sa tu gu ra kar ta err err err kang ya ya 7 tarung ing mangkya dhi na ngun ma tarung li PadaLingsa err si nung se kar

sa wa sat err PadaMadya mrih ngu

8 err ti ta ta kang ti ni ti PadaLingsa nadyan bu da kar ya tu tu la ddan ing kang 9 noise taling ya adeg-adeg gi la ma pa PadaLingsa taling ha PadaLingsa na ta

na ing kar wi nu pus na li kannya

10 li err ta na err ja wi PadaLingsa ri kang sa tur na taling ra errndra PadaLingsa jeng err la la pa nga yun dhing

11 err li PadaLingsa na ga ri da ha PadaLingsa kang ka ping tri ngu ra sa na ing kang me ha sa si err na

12 na ri Si nga se ka PadaLingsa PadaMadya sa yu ha ji kang hu ma err ne ga ha ji PadaLingsa err err samya

13 err dang ru gunta na su la ya err nung gi noise err ri ba pa taling na PadaLingsa ma ma ka

14 err ha tarung ja ta ha gung PadaLingsa ka lu gu ranning na err PadaLingsa pa ti err na ka ring nga na pa rang err mu

15 err PadaLingsa pa ma ra yu ma tu err samya pra dhi taling rang nga yu da err PadaLingsa sa meng ku taling na

16 mring sadya bi napti tapti err si ta su mung gu ning padya PadaLingsa PadaMadya kang pu ni

17 err sa ma pun ma ra ninni err mangkya we dhar su gi PadaLingsa wu tra err gang pa err me sa PadaLingsa hi ka

18 err hur ra taling errnna PadaLingsa ya ta ing kang wi ngu pus kang ngu ngu nung la ma pa PadaLingsa ing ring

19 errt nar pa ti ing jeng Ga da adeg-adeg errnnam Bu ya mi lu hu PadaLingsa err na li ka ha taling ba

20 err err ti te dhakka na pa king bu bu wapca wa pan we dalla na ka1 ing pa nge dha wa pan taling ja err adeg-adeg

21 taling wa par err tir err taling ra kar da err tarung tarung tarung adeg-adeg err err

125

Hasil Pengenalan Citra Dokumen Panji Sekar Halaman 4:

Baris Karakter Dikenali

1 4 err err err

2 taling ta sanna n la sanna gri na ra na ha ing Ke mi ri PadaLingsa srinnam Bu ha mi ja

3 ha PadaLingsa PadaMadya pu tra jeng la la ka1 err ma sang sanyji PadaLingsa pu tri Ke dhi ri taling sa tarungndra

4 Ki ra na PadaLingsa su ni ka dhi na u sa pa taling ka PadaLingsa sa ma pu na hanta wis da ngu PadaLingsa ka

5 par gi PadaLingsa nya pu tra la ka1 err pu tri PadaLingsa ra err ja pu tra jeng la la PadaLingsa sa mang kya sa ma

6 ngun ku tha sandhak ka sa tri yan ba banyji ngan la na pu ra pra bu Ke 7 mi ri err cu ku sa sa pa err errdya ha la PadaLingsa PadaMadya ka dang ka

taling err da ya na samya

8 tu mi ring PadaLingsa ta gu gu su mung taling gang na gri da n ga1 err PadaLingsa Bra ja na ta sa ngi ri taling dda tarung err

9 ngu mar sa sri ka ngu lu PadaLingsa gu ku wung taling nga na gri Ke mi ri err kang taling ganna na pa

10 ra pu tra err we wa PadaLingsa har ja ni pun PadaLingsa mang ka na ing kang wi nar na PadaLingsa ngu pi mi

11 ga1 ya err sa si taling na ba na ga2 tang Ke dhi ri PadaLingsa mung taling gang ing si ti bentar PadaLingsa PadaMadya

12 we sa ka sa gung pung ga pa tang nang ti ya1l err taling ka ri ga1 dda ning err sa ti PadaLingsa ja ya Ba dra err

13 tu wi na pa ra su tra ha talingndha err mung taling gang nang sa sang pra bu PadaLingsa pang nga Panyji sa

14 ma pu na ha nang bil la na har ma Bra ja na ma err err har ya pu Kir santu n 15 wi ru na handa Ga Kar ta la PadaLingsa err err kang pa ra ri su we nu :

mung taling gang ing pu ri PadaLingsa bu

16 sa na sri ta wur yan PadaLingsa PadaMadya dhi taling ya err sa si ra na sa ti Ke dhi ri : err ha

17 mang gi PadaLingsa hi du ta ning na taling randra PadaLingsa sa king ma Ka sang wi ji talingl la PadaLingsa sa sa bi PadaLingsa

18 kang ing ngu tus err sa sa ra bya sri na ra sa ti PadaLingsa pra bu Bra ma ku ma ra PadaLingsa err err err err

19 ma ka sar dilya nung PadaLingsa ma ga2 su pra pra wi taling err rang err ing prang err dhi tarung li PadaLingsa tandhing ing sa err err err err 20 brang tang la la nar ngi PadaLingsa da ka ring nga na ing nga taling ma

errnyca PadaLungsi PadaMdya ing kang da err err err err err

21 dya ngu ta kya na pa ti PadaLingsa PadaLingsa ta sa sa ra ba Sang Gu na sa taling ra tarungnta err munyja

22 l li ka pra dhi ra talingnna err nga gu na ka sab lembat prapta ni ra pa kya na err err

da err lung taling ma wu PadaLingsa ti ti err err

Analisis Hasil Output Pada Dokumen Panji Sekar:

No Halaman 3 Halaman 4

Baris Jumlah Karakter Jumlah Karakter

citra dikenali benar salah citra dikenali benar salah

1 17 23 15 2 1 4 1 0

2 10 11 10 0 24 24 19 5

3 21 22 14 7 23 23 18 5

4 25 30 18 7 26 26 24 2

5 25 26 16 9 24 26 18 6

6 22 24 12 10 22 25 21 1

7 24 25 15 9 22 22 17 5

8 22 22 20 2 26 28 18 8

9 25 25 19 6 25 26 18 7

10 24 27 21 3 26 26 22 4

11 25 25 20 5 25 25 22 3

12 22 25 17 5 26 28 17 9

13 22 23 18 4 25 26 19 6

14 26 28 21 5 23 25 18 5

15 24 25 15 9 26 27 24 2

16 22 22 15 7 24 25 18 6

17 26 27 18 8 26 26 19 5

18 24 25 18 6 23 28 20 3

19 23 24 17 6 24 31 18 6

20 32 32 20 12 23 28 19 4

21 16 18 6 10 25 25 19 6

22 - - - - 23 25 21 2

23 - - - - 26 28 19 7