PENERAPAN SUPPORT VECTOR MACHINE DALAM PENGENALAN TULISAN TANGAN HURUF HIRAGANA.

PENERAPAN SUPPORT VECTOR MACHINE DALAM PENGENALAN TULISAN TANGAN HURUF HIRAGANA

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Gelar Sarjana Komputer

Program Studi Ilmu Komputer

Oleh : Saepudin

0703933

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

Saepudin, 2013

PENERAPAN SUPPORT VECTOR MACHINE DALAM PENGENALAN TULISAN TANGAN HURUF HIRAGANA

Oleh Saepudin

Sebuah Skripsi yang Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

© Saepudin 2013

Universitas Pendidikan Indonesia Agustus 2013

Hak Cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian, dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.

PENERAPAN SUPPORT VECTOR MACHINE DALAM PENGENALAN TULISAN TANGAN HURUF HIRAGANA

Oleh:

Saepudin 0703933

Disetujui oleh: Pembimbing I

Eddy Prasetyo Nugroho, MT NIP. 197505152008011014

Pembimbing II

Enjang Ali Nurdin, Dr., M.Kom NIP. 196711211991011001

Mengetahui

Ketua Program Studi Ilmu Komputer FPMIPA UPI

Rasim, M.T

i Saepudin, 2013

ABSTRAK

Jenis huruf Jepang ada 3 yaitu Huruf Hiragana, Katakana dan Kanji. Huruf hiragana dan katakana berasal dari Jepang sendiri sedangkan huruf Kanji berasal dari Cina yang mengalami perubahan cara baca dan penulisannya. Selain itu penulisan karakter huruf Jepang relatif lebih komplek dan lebih banyak dengan huruf romawi. Hiragana sendiri digunakan untuk menuliskan kata-kata asli bahasa Jepang sedangkan Katakana digunakan untuk menulis kata-kata yang berasal dari bahasa asing yang kemudian diserap ke dalam bahasa Jepang. Seiring dengan perkembangan negara Jepang yang maju karena itu banyak sekali negara-negara lain memepelajari bahasa Jepang. Hal inilah salah satu yang mendorong pembuatan perangkat lunak pengenalan tulisan tangan Hiragana. Metode yang dipilih dalam pembuatan perangkat lunak ini adalah metode Support Vector Machine (SVM). Konsep SVM sendiri adalah mencari hyperplane terbaik yang memisahkan antar dua kelas. Dan untuk mengukur hyperplane pemisah terbaik adalah antar dua kelas adalah dengan mengukur margine hyperplane dan mencari titik maksimalnya. Dalam pengembangan perangkat lunak ini digunakan data hasil scan tulisan tangan Hiragana yang kemudian dibuat dengan ukuran tertentu dan metode percobaannya dengan cross validation. Dari penelitian ini diperoleh hasil dengan presentase terendah untuk pengenalan dengan 46 kelas sebesar 55,95% sedangkan untuk 2 kelas merupakan hasil presentase tertinggi bisa mencapai 100%. Jadi dapat diambil kesimpulan bahwa metode dapat digunakan dengan baik tapi untuk banyak kelas perlu dikembangkan penelitian lebih lanjut.

ABSTRACT

There are 3 types of Japanese characters are letters Hiragana, Katakana and Kanji. Hiragana and katakana letters come from Japan itself while Kanji originated from China that are changing the way reading and writing. Besides writing Japanese characters are relatively more complex and more with roman letters. Hiragana is used to write their own original words while Japanese Katakana is used to write the words derived from foreign languages are then absorbed into the Japanese language. Along with the development of advanced Japanese state because there were a lot of other countries my study Japanese. This is the one that led to the creation of software Hiragana handwriting recognition. The preferred method of making this software is a method of Support Vector Machine (SVM). SVM concept itself is looking for the best separating hyperplane between the two classes. And to measure the best separating hyperplane between the two classes is is to measure margine hyperplane and looking for maximum points. In software development is to use the data scanned handwritten Hiragana is then made with a certain size and method with cross validation experiments. Results obtained from this study with the lowest percentage for the introduction of the 46 class was 55.95%, while for the second class is the result of the highest percentage could reach 100%. So it can be concluded that the method can be used with either but for many classes need to be developed further research.

vi Saepudin, 2013

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 4

1.3 Tujuan ... 4

1.4 Batasan Masalah ... 5

1.5 Metodologi ... 6

1.6 Sistematika Penulisan ... 7

BAB II TINJAUAN PUSTAKA ... 9

2.1 Sistem Pengenalan Tulisan Tangan ... 9

2.1.1 Pengenalan Secara Statistik ... 9

2.1.2 Pengenalan Secara Sintaktik ... 11

2.2 Pengolahan Citra Digital ... 12

2.3 Optical Character Recognition ... 15

2.3.1 Image Processing ... 18

2.3.1.1 Grayscale ... 18

2.3.1.2 Binerisasi ... 20

2.3.3 Connected Component Analysis ... 21

2.4 Computer Vision ... 22

2.5 Support Vector Machine ... 23

2.6 Pengenalan Huruf Tulisan Tangan Offline ... 26

2.7 Feature Extraction ... 28

2.8 Karakter Huruf Hiragana ... 31

2.9 Unicode ... 37

BAB III METODOLOGI PENELITIAN ... 40

3.1 Desain Penelitian ... 40

3.2 Metodologi Penelitian ... 44

3.2.1 Metodologi Pengumpulan Data ... 44

3.2.2 Metodologi Pengembangan Perangkat Lunak ... 44

3.3 Alat dan Bahan Penelitian ... 46

3.3.1 Alat Penelitian ... 46

3.3.2 Bahan Penelitian ... 47

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 48

4.1 Pengembangan Sistem Pengenalan Tulian Tangan Hiragana ... 48

4.1.1 Image Processing ... 49

4.1.2 Praproses ... 49

4.1.2.1 RGB to Binary ... 49

4.1.2.2 Potong Tepi ... 50

4.2 Analisis Kebutuhan Perangkat Lunak ... 51

4.2.1 Deskripsi Umum Perangkat Lunak ... 51

4.2.2 Batasan dan Asumsi Analisis ... 51

viii Saepudin, 2013

4.2.4 Model Proses Perangkat Lunak ... 53

4.2.5 Keluaran Perangkat Lunak ... 55

4.2.6 Perancangan Arsitektur ... 56

4.2.7 Implementasi Coding ... 57

4.2.7.1 Implementasi Modul Program ... 57

4.2.7.2 Implementasi Antarmuka ... 59

4.3 Perancangan Perangkat Lunak ... 63

4.3.1 Perancangan Data ... 63

4.3.2 Perancangan Antarmuka Perangkat Lunak ... 63

4.4 Pengujian ... 64

4.4.1 Skenario Pengujian ... 64

4.4.2 Hasil Pengujian ... 67

4.5 Analisis Hasil Pengujian ... 76

BAB V KESIMPULAN DAN SARAN ... 77

5.1 Kesimpulan ... 77

5.2 Saran ... 78

DAFTAR TABEL

Tabel 2.1 Unicode Huruf Hiragana ... 37

Tabel 4.1 Implementasi Modul Program ... 57

Tabel 4.2 Keterangan Proses Pengenalan ... 60

Tabel 4.3 Keterangan Antarmuka Hasil Pengenalan ... 62

Tabel 4.4 Percobaan 10 Kali ... 66

Tabel 4.5 Parameter Pengukuran Proses Trainning ... 67

Tabel 4.6 Hasil Akurasi Pelatihan 2 Kelas... 68

Tabel 4.7 Hasil Akurasi Pelatihan 15 Kelas... 70

Tabel 4.8 Hasil Akurasi Pelatihan 30 Kelas... 72

x Saepudin, 2013

DAFTAR GAMBAR

2.1 Pengenalan Pola Pendekatan Statistik ... 10

2.2 Pengenalan Pola Pendekatan Sintaktik ... 12

2.3 Diagram Blok Pengolahan Citra Digital ... 13

2.4 Sistem Blok Diagram OCR ... 16

2.5 Konversi Citra ke Grayscale ... 19

2.6 Konversi Citra Grayscale ke Biner ... 21

2.7 Analisis Pixel Tetangga ... 22

2.8 Hyperplane Terbaik SVM ... 24

2.9 Linear SVM. ... 25

2.10 Non Linear SVM. ... 26

2.11 Pengenalan Tulisan Tangan Offline ... 27

2.12 Klasifikasi Tipe Segmen ... 28

2.13 Ilustrasi Feature Extraction ... 28

2.14 Operasi Otomatis Feature ... 30

2.15 Huruf Hiragana Standar ... 32

2.16 Huruf Hiragana Standar ... 33

2.17 Huruf Hiragana Standar ... 34

2.18 Huruf Hiragana Standar ... 35

2.19 Huruf Hiragana Standar ... 36

3.1 Desain Penelitian ... 40

3.2 Model Pengembangan Perangkat Lunak ... 46

4.1 Flowchart Pengembangan Penelitian ... 48

4.3 Hasil Deteksi Tepi ... 50

4.4 Context Diagram HIRRE ... 53

4.5 DFD Level 1 HIRRE ... 54

4.6 Perancangan Arsitektur Sistem ... 56

4.7 Antarmuka Proses Pengenalan ... 59

4.8 Antarmuka Hasil Pengenalan ... 61

4.9 Prosedur 3 Kali Percobaan Cross Validation ... 65

4.10 Hasil Akurasi Dengan 2 Kelas ... 69

4.11 Hasil Akurasi Dengan 15 Kelas ... 71

4.12 Hasil Akurasi Dengan 30 Kelas ... 73

1 Saepudin, 2013

BAB I

PENDAHULUAN

1.1. Latar Belakang

Dengan perkembangan teknologi yang semakin pesat dan dengan banyaknya temuan-temuan terbaru hasil penelitian dari para pakar teknologi, menghasilkan beberapa karya yang mempermudah urusan manusia. Dan salah satu hasil dari penemuan teknologi yang bermanfaat bagi manusia adalah dengan ditemukannaya pengenalan pola dalam bidang pembelajaran mesin sehingga dapat meniru beberapa proses indrawi manusia walaupun tidak bisa menyamakan hasil secara utuh yang dilakukan oleh manusia.

Dan pembahasan yang masih relevan untuk dikaji adalah tulisan tangan, walaupun sudah ada beberapa metode yang dikembangan tetapi masih banyak penelitian untuk menghasilkan inputan yang lebih baik. Karena zaman sekarang walaupun perkembangan proses perkembangan tulis menulis sudah banyak menggunakan komputerisasi, namun penulisan dengan tulis tangan masih banyak digunakan karena teknologi tidak bisa menggantikan peran semua manusia. Karena itu munculah penelitian mengenai penulisan tulis tangan agar dapat dikenali oleh komputer. Pengenalan tulisan tangan oleh manusia merupakan pekerjaan yang mudah tapi kalau dilakukan oleh komputer ternyata prosesnya tidak semudah itu dan alasan utama dari persoalan ini adalah banyaknya karakter yang harus diamati karena setiap orang pasti mempunyai ciri khas tersendiri dalam menulis dengan tulisan tangan.

2

Permasalahan yang muncul dalam melakukan proses pengenalan huruf komputer adalah bagaimana sebuah teknik pengenalan dapat mengenali berbagai jenis huruf dengan ukuran, ketebalan, dan bentuk yang berbeda (Tjokorda, 2009).

Pengenalan tulisan tangan umumnya melibatkan langkah-langkah berikut (Liwicki and Bunke, 2007) :

1. Segmentasi

Langkah ini berkaitan dengan pemecahan garis, kata-kata dan terakhir mendapatkan semua karakter yang sudah dipisahkan. Langkah ini melibatkan identifikasi batas-batas karakter dan memisahkannya untuk diproses lebih lanjut. Dalam algoritma ini kita berasumsi bahwa langkah ini sudah dilakukan. Maka input ke sistem adalah karakter tunggal.

2. Praproses

Langkah ini melibatkan pengolahan citra awal, sehingga dapat digunakan sebagai masukan untuk sistem pengenalan. Dalam algoritma ini kita mengasumsikan bahwa bagian dari langkah ini telah dilakukan. Kami berasumsi bahwa karakter tersegmentasi dibuat tipis dengan ketebalan unit pixel. Berbagai algoritma dapat digunakan untuk tujuan ini. Pengolahan lebih lanjut dapat dilakukan di algoritma ini.

3. Pengenalan

Setelah gambar input sudah tersedia dalam kondisi baik, maka dapat diproses untuk pengenalan. Peran sistem pengenalan adalah untuk mengidentifikasi karakter. Algoritma ini menggunakan gambar sebagai masukan untuk hal yang sama.

3

Saepudin, 2013

Seperti yang kita ketahui di dunia banyak sekali budaya-budaya tulisan yang beragam dan tentunya memiliki kelebihan tersendiri dalam hal tulisan. Kekayaan ini dapat menjadi penelitian tersendiri dengan melakukan pengenalan terhadap pola dari berbagai tulisan yang ada di dunia. Masing-masing budaya atau bangsa mempunyai bentuk huruf yang beragam dan memiliki keunikan sendiri.

Secara tradisional tulisan jepang ditulis secara vertikal, dimulai dari sudut kanan atas kertas. Cara lain menulis tulisan jepang adalah secara horisontal dari kiri atas kertas, seperti layaknya cara menulis tulisan latin. Untuk menulis huruf jepang kita dapat menggunakan aturan kanji dan syllabaries (kana) (Tjokorda, 2008)

Karakter huruf Jepang itu lebih kompleks kalau dibandingan dengan huruf romawi. Selain itu karekter huruf yang lebih banyak untuk itu dalam mempelajarinya biasanya membutuhkan waktu yang relatif lebih lama. Dengan skripsi ini diharapkan lebih mempermudah dalam memepelajari karakter huruf

Jepang terutama huruf Hiragana.

Banyak metode yang bisa digunakan dalam pengenalan tulisan tangan dan salah satunya adalah metode Support Vector Machine (SVM). Metode ini diperkenalkan pada tahun 1992 oleh Vapnik sebagai rangkaian konsep - konsep dalam bidang patern recognition.

Sebagai salah satu metode pattern recognition, usia SVM terbilang relatif muda. Walaupun demikian, evaluasi kemampuannya dalam berbagai aplikasinya menempatkannya sebagai state of the art dalam pattern recognition, dan dewasa ini merupakan salah satu tema yang berkembang denga pesat (Anto dkk, 2003).

4

Bentuk dasar SVM menerapkan dua klasifikasi kelas. Telah digunakan dalam beberapa tahun terakhir sebagai alternatif untuk metode yang populer seperti jaringan saraf tiruan. Keuntungan dari SVM adalah memperhitungkan data eksperimen dan perilaku struktural untuk kemampuan generalisasi yang lebih baik berdasarkan prinsip structural risk minimization (SRM). (Abdul dkk, 2004)

1.2. Rumusan Masalah

Rumusan masalah dari perancangan ini adalah:

1. Bagaimana Support Vector Machine (SVM) dapat diterapakan dalam pengenalan huruf tulisan tangan hiragana ?

2. Seberapa besarkah nilai akurasi yang diperoleh dari penerapan Support

Vector Machine (SVM) untuk permasalahan pengenalan tulisan tangan

Hiragana ?

3. Seberapa besarkan proses waktu dalam data pelatihan ?

4. Bagaimana membangun perangkat lunak tulisan tangan huruf hiragana ?

1.3. Tujuan

Tujuan yang ingin dicapai dari penelitian ini adalah menerapakan metode

Support Vector Machine (SVM) dalam pengenalan tulisan tangan Hiragana.

Adapun tujuan detailnya adalah :

1. Menerapkan metode Support Vector Machine (SVM) dalam penulisan tulisan tangan Hiragana.

5

Saepudin, 2013

2. Menganalisa keberhasilan berdasarkan nilai akurasi pengenalan huruf Hiragana.

3. Menganalisa waktu proses dalam data pelatihan

4. Membangun perangkat lunak untuk pengenalan tulisan tangan Hiragana dengan metode Sequensial Linear namun dalam klasifikasi huruf hiragana menggunakan metode Support Vector Machine (SVM).

1.4. Batasan Masalah

Dalam pengerjaan skripsi ini, terdapat beberapa batasan masalah, di antaranya sebagai berikut :

1. Tulisan tangan Hiragana yang dapat dikenali oleh sistem yaitu aksara standard yang sudah dikenal terutama dengan kaidah jepang.

2. Sistem dapat mengenali data berupa gambar yang sudah discan berupa format jpg.

3. Sistem hanya mengenali huruf Hiragana tunggal.

4. Pengenalan huruf tulisan tangan Hiragana dilakukan secara offline (offline

handwriting recognition).

5. Penelitian hanya mencakup tulisan tangan Hiragana. 6. Resolusi citra dalam penelitian ini 128 x 128 piksel

6

1.5. Metodologi

Metodologi yang diterapkan dalam pembuatan skripsi ini, antara lain: 1. Tahap pengumpulan data

Metode yang digunakan dalam penelitian ini adalah dengan studi literatur yang merupakan pengumpulan metode data dengan cara mengumpulkan literatur, jurnal, artikel dari internet dan bacaan-bacaan yang ada kaitannya dengan topik baik berupa textbook maupun paper.

2. Tahap pembuatan perangkat lunak a. Analisis Data

Analisis data dilakukan untuk menentukan permasalahan mengenai bahasa pemrograman yang akan digunakan, struktur data, input/output program dan permasalahan teknik algoritma yang akan digunakan.

b. Metode Perancangan

Perancangan dibangun dari hasil analisis sesuai dengan prinsip pembangunan perangkat lunak, sehingga diperoleh produk yang user

friendly dan dapat digunakan secara maksimal.

c. Metode Implementasi Sistem

Implementasi sistem dilakukan sesuai dengan hasil analisis pada tahapan sebelumnya. Hasil implementasi berupa perangkat lunak pengenalan huruf tulisan tangan Hiragana.

7

Saepudin, 2013 d. Metode Pengujian

Metode pengujian dilakukan pada implementasi Support Vector

Machine dalam pengenalan huruf Hiragana sehingga ditemukan hasil yang

akurat pada pengenalan huruf tulisan tangan tersebut. e. Hasil Akhir dan Penarikan Kesimpulan

Penarika hasil akhir dilakukan untuk mengetahui nilai akurasi sistem dengan menerapakan Support Vector Machine untuk permasalahan tulisan huruf Hiragana. Selanjutnya setelah mengetahui hasil akhir dari sistem dilakukanlah penarikan kesimpulan jika sistem tersebut baik.

1.6. Sistematika Penulisan

Sistematika penulisan proposal ini disusun untuk memberikan gambaran umum tentang perangkat lunak yang akan dibuat. Sistematika penulisan skripsi ini adalah sebagai berikut :

BAB I PENDAHULUAN

Bab ini menguraikan tentang latar belakang masalah, rumusan masalah, maksud dan tujuan, batasan masalah, metode penelitian dan sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini memaparkan bebarapa hal yaitu landasan teori yang mendukung dan berhubungan dengan penelitian ini.

8

BAB III ANALISIS DAN PERANCANGAN

Bab ini memaparkan tentang analisis sistem, analisis masalah, analisis yang sedang berjalan, analisis kebutuhan non fungsional, perancangan sistem, perancangan antar muka dan sebagainya.

BAB IV IMPLEMENTASI

Pada bab ini diuraikan tentang lingkungan implementasi, implementasi antar muka, pengujian perangkat lunak.

BAB V KESIMPULAN DAN SARAN

Pada bab ini berisi tentang kesimpulan dan saran yang diajukan agar dapat menjadi bahan pertimbangan.

40 Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana BAB III

METODE PENELITIAN

3.1 Desain Penelitian

Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM).

Gambar 3.1 Desain Penelitian Studi Literatur

Image Capturing

Image Preprocessing

Citra RGB

RGB to Grayscale

Potong Tepi

Proses Pelatihan dan Testing

Data Pelatihan

Klasifikasi Support Vector Machine

Pengenalan Citra

Output Hasil Penelitian

Analisa Hasil Penelitian

Dokumentasi Hasil Penelitian

Pendekatan Terstrukutur Model Proses Sekuensial Linear

 Analisis  Desain  Coding  Testing Praproses

41

Penjelasan dari skema gambar diatas adalah sebagai berikut.

1. Studi Literatur

Studi Literatur dan kepustakaan merupakan tahanp awal dalam pembuatan penelitian ini dengan cara mengumpulkan data berupa buku, artikel, jurnal ataupun bahan-bahan lainnya yang menunjang dalam penelitian. Selain itu memahami juga teori tentang sistem pengenalan karakter, pengenalan tulisan tangan, mengenal tulisan tangan Bahasa Jepang terutama tentang Hiragana dan metode Support Vector Machine (SVM).

2. Data Penelitian

a. Menentukan sample huruf hiragana yang akan digunakan dalam penelitian.

b. Mengumpulkan sample huruf hiragana dengan cara menyebarkan angket kertas dan menuliskan huruf hiragana.

3. Pengembangan Perangkat Lunak

Di dalam tahapan ini merupakan tahapan utama dalam proses pengenalan tulisan tangan hiragana yang terdiri dari praposes yang meliputi penghalusan citra, mengubah citra ke grayscale, histogram equalization. Setelah praproses selanjutnya ke Feature Extraction dan terakhir menerapkan metode Support Vector Machine.

a. Praproses

Tahapan ini merupakan tahapan awal dalam pembuatan aplikasi ini, di dalam praproses yang pertama dilakukan adalah penghalusan citra karena suatu citra biasanya terdapat derau atau noise yang bisa terjadi

42

Saepudin, 2013

karena adanya sensor noise, photographic, grain noise, transmission

channel noise, dan lain-lain. Setelah penghalusan citra langkah

selanjutnya adalah mengubah citra ke grayscale yang berfungsi untuk menyederhanakan citra. Karena di dalam citra terdapat 3 layer matriks yaitu R-layer, G-layer, B-layer. Jadi di proses ini yang awalnya citra tersebut terdapat 3 layer dengan mengubah ke grayscale menjadikan citra tersebut memiliki 1 layer dan tidak lagi terdapat warna yang ada adalah derajat keabuan. Proses selanjutnya setelah diubah ke grayscale adalah histogram equalization yang merupakan proses perataan histogram, dimana distribusi derajat keabuan dalam suatu citra dibuat rata.

b. Feature Extraction

Feature Extraction merupakan metode suatu pengambilan ciri dari

suatu bentuk yang menjawab permasalahan model atau gambar karakter seperti bentuk, ukuran dan orientasi dengan cara memetakan ciri-ciri objek citra

c. Klasifikasi Dengan Metode Support Vector Machine

Di dalam tahapan ini merupakan proses yang sangat penting karena ini merupakan inti dari penelitian ini. Dimana hasil inputan yang berupa gambar akan dicari hyperplane – hyperplane terbaiknya.

4. Data Training

Di dalam proses ini bertujuan untuk menghasilkan pola keluaran yang sesuai dengan harapan. Jadi citra akan dimasukan ke dalam metode yang

43

tadi kita tentukan dan selanjutnya data tersebut akan dilatih dan ditentukan pola keluarannya dan jika terdapat pola yang lain dimasukan ke dalam metode dan menyerupai dengan pola masukan tersebut maka akan digolongkan kedalam objek yang sama.

5. Deskripsi atau Hasil Objek

Mendeskripsikan atau menjelaskan hasil dari penelitian 6. Analisa Hasil Penelitian

Setelah hasi dari penelitian atau objek sudah didapatkan melalui proses

training dan testing selanjutnya akan dianalisa berdasarkan beberapa

parameter berikut a. Waktu Training

Waktu yang dihabiskan pada saat proses training b. Tingkat Akurasi

Mengukur tingkat akurasi pengenalan huruf tulisan tangan c. Jumlah Data Training

Jumlah data training yang digunakan pada jaringan untuk mencapai tingkat akurasi yang sudah ditentukan

7. Dokumentasi Hasil Penelitian

Setelah proses dan tahapan sudah dilewati kemudian akan didokumentasikan menjadi sebuah hasil penelitian.

44

Saepudin, 2013

3.2 Metodelogi Penelitian

Dalam penelitian pengenalan tulisan tangan hiragana ini terdiri dari dua, yaitu metodologi pengumpulan data dan metodologi pengembangan perangkat lunak.

3.2.1 Metodologi Pengumpulan Data

Metodologi pengumpulan data dalam penelitian ini dibagi menjadi dua :

1. Studi Literatur

Studi literatur bertujuan untuk mempelajari teori-teori yang berhubungan dengan pengenalan tulisan tangan Hiragana seperti image

processing, pattern recognition, character recognition, feature extraction, algoritma Support Vector Machine, karakter alfabet jepang

terutama huruf hiragana dan aturan penulisannya. 2. Observasi

Melakukan pengamatan penggunaan Support Vector Machine dalam aplikasi lain seperti prediksi, klasifikasi maupun membandingkan pengenalan tulisan tangan dengan metode lain baik itu pengenalan tulisan tangan secara offline maupun online.

3.2.2 Metodologi Pengembangan Perangkat Lunak

Dalam tahap pengembangan aplikasi perangkat lunak ini menggunakan metode pendekatan terstruktur denga menggunakan model sekuensial linear. Dimana tahapan – tahapan model ini adalah analisis, desain, coding dan testing.

45

1. Analisis

Di dalam proses ini merupakan tahap awal dalam melakukan analisis terhadap kebutuhan sistem dan selanjutnya didefinisikan sebagai kebutuhan yang harus dipenuhi dalam pengembangan sistem.

2. Desain

Dalam tahapan desain bertujuan untuk memudahkan dalam pemahaman terhadap proses yang terjadi, menjelaskan alur sistem dalam perangkat lunak tersebut. Di dalam proses ini terdapat empat atribut diantaranya struktur data, arsiterktur perangkat lunak, representasi antarmuka, dan algoritma prosedural.

3. Coding

Setelah tahapan desain selanjutnya ketahapan coding. Di tahapan ini hasil desain akan diterjemahkan ke dalam bahasa yang dimengerti oleh komputer dan didalam penelitian ini perangkat lunak yang digunakan untuk coding adalah MATLAB.

4. Testing

Setelah perangkat lunak berhasil dibuat selanjutnya adalah menguji apakah perangkat lunak tersebut sesuai dengan rancangan ataukah ada permasalahan seperti error.

Dibawah ini digambarkan model pengembangan perangkat lunak dengan meggunakan model sekuensial linear.

46

Saepudin, 2013

Gambar 3.2 Model Pengembangan Perangkat Lunak Sequensial Linear

(Pressman, 2001)

3.3 Alat dan Bahan Penelitian

Dalam pengembangan perangkat lunak ini dibutuhkan seperangkat alat komputer yang disertai dengan perangkat lunak pendukung. Sedangkan bahan yang digunakan berupa dokumen tulisan tangan Hiragana.

3.3.1 Alat Penelitian

1. Kebutuhan Perangkat Keras

a. Processor Core i3-2100 3.10 GHz

b. RAM 4 GHz c. Harddisk 320 GB

d. Monitor Resolusi 1366 x 768, 32 bit colour quality

e. Mouse dan Keyboard

2. Kebutuhan Perangkat Lunak a. Windows 7 Ultimate b. Matlab 7.8 (R2009a)

Analisis Desain Coding Testing

47

3.3.2 Bahan Penelitian

Objek penelitan dalam skripsi ini menggunakan 30 responden dari Jurusan Bahasa Jepang Universitas Pendidikan Indonesia dalam penulisan tulisan tangan

Hiragana dengan kaidah – kaidah yang terdapat dalam penulisan huruf bahasa Jepang. Sampel tulisan terdiri dari 46 jenis huruf Hiragana, jadi semua sampel adalah 30 x 46 = 1380 sampel.

77

Saepudin, 2013

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah dilakukan pembangunan sistem pengenalan tulisan tangan hiragana, maka dapat diambil beberapa kesimpulan sebagai berikut :

5.1Penelitian ini telah berhasil menerapkan metode Support Vector Machine dalam menyelesaikan masalah pengenalan tulisan tangan hiragana

6.1Dalam penerapan dengan metode Support Vector Machine dapat memberikan nilai rata - rata akurasi 100% dengan 2 kelas, untuk 15 kelas diperoleh nilai rata – rata akurasi 88,43%, untuk 30 kelas diperoleh nilai rata – rata akurasi 73,53% dan untuk 46 kelas dapat memberikan nilai rata-rata akurasi 55,95%. Di sini mengindikasikan semakin kecil kelas yang digunakan akan semakin baik tingkat akurasinya.

7.1Waktu proses data pelatihan dengan 2 kelas hanya 1 detik, sedangkan waktu terlama 7 jam 1 menit 26 detik diperoleh dengan 46 kelas.

8.1Penelitian ini berhasil membangun perangkat lunak tulisan tangan hiragana dengan metode Support Vector Machine

78

5.2Saran

Berikut ini adalah saran yang ditujukan untuk penelitian lebih lanjut sistem pengenalan tulisan tangan hiragana.

1. Penelitian selanjutnya diharapkan dapat meningkatkan akurasi untuk multi kelas, walaupun pada awalnya Support Vector Machine ditujukan untuk klasifikasi dengan 2 kelas.

2. Pengenalan tulisan tangan tidak hanya mengenali satu huruf saja, tapi dapat mengenali kata ataupun kalimat.

3. Dilakukan penenlitian dengan menggunakan ekstraksi ciri yang lain untuk melihat seberapa penting ekstraksi ciri untuk meningkatkan akurasi dengan metode Support Vector Machine.

4. Pengenalan tulisan tangan dapat dicoba menggunakan jenis tulisan tangan yang lain, karena tulisan tangan hiragana mempunyai tingkat kompleksitas huruf yang besar

5. Karena metode ini dikembangkan untuk dua kelas dan untuk banyak kelas masih dalam tahap perkembangan jadi untuk penelitian dicari jumlah kelas yang tidak terlalu banyak.

79 Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana DAFTAR PUSTAKA

Ahmad, Abdul Rahim dkk. 2004. Online Handwriting Recognition using Support

Vector Machine. Universiti Tenaga Nasional Malaysia

Bahri, R. S. 2011. Perbandingan Algoritma Template Matching dan Feature

Extraction Pada Optical Character Recoginiton. Skripsi. Bandung.

UNIKOM

Burges, Christopher. 1998. A Tutorial on Support Vector Machine for Pattern

Recognition. Boston. Kluwer Academic Publisher.

Cheriet, Mohmaed. 2007. Character Recogniton System A Guide for Student and

Partitioners. John Willey.

Febrianto, Krisna. 2010. Penerapan Fuzzy Feature Extraction Dan Jaringan

Syaraf Tiruan Resilient Propagation Dalam Pengenalan Tulisan Tangan Katakana. Skripsi. Universitas Pendidikan Indonesia

Hunt, Brian. dkk. 2001. A Guide To Matlab for Beginners and Experience Users. Cambridge University Press.

Munir, Rinaldi. 2007. Pengolahan Citra Digital. Bandung. Penerbit Informatika.

Nugroho, Satriyo; & Witarto, Arif; & Handoko, Dwi. 2003. Support Vector

Machine Teori dan Aplikasinya dalam Bioinformatika. Ilmu Komputer.com

80

Prasetyo, Eko. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan

Matlab. Gresik: Penerbit Andi

Pressman, Roger. 2001. Software Engineering A Practitioner’s Approach Fifth

Edition. New York: Mcgraw-Hill.

Putra, Darma. 2009. Sistem Biometrika. Yogyakarta. Penerbit Andi.

Ridwan, Achmad. 2010. Pengenalan Tulisan Tangan Aksara Sunda Ngalagenda

Dengan Algoritma Fuzzy C-Means. Skripsi. Bandung. Universitas

Pendidikan Indonesia.

Santosh K.C. 2009. A Comprehensive Survey On-Line Handwriting Recognition

Technology and Its Real Aplication To The Nepalese Naturah Handwriting.

Kathmandu University Journal of Science, Engineering and Technology Vol 5. No.I. January, 2009. pp 31-55.

Suryani, Dewi. 2009. Pengenalan Huruf Hiragana dan Katakana Dengan

Integral Proyeksi. Skripsi. Surabaya: Institut Teknologi Sepuluh

November.

Theodoridis, Sergios; & Koutroumbas, Konstantinos. 2006. Pattern Recognition

Third Edition. USA. Academic Press.

Tjokorda, Sylvia & Retno. 2009. Pengenalan Huruf Komputer Menggunakan

Algoritma Berbasis Chain Code dan Algoritma Sequence Alignment.

81

Saepudin, 2013

Wijaya, Marvin; & Prijono, Agus. 2007. Pengolahan Citra Digital Menggunakan

47

Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.3.2 Bahan Penelitian

Objek penelitan dalam skripsi ini menggunakan 30 responden dari Jurusan Bahasa Jepang Universitas Pendidikan Indonesia dalam penulisan tulisan tangan Hiragana dengan kaidah – kaidah yang terdapat dalam penulisan huruf bahasa Jepang. Sampel tulisan terdiri dari 46 jenis huruf Hiragana, jadi semua sampel adalah 30 x 46 = 1380 sampel.

77

Saepudin, 2013

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah dilakukan pembangunan sistem pengenalan tulisan tangan hiragana, maka dapat diambil beberapa kesimpulan sebagai berikut :

5.1Penelitian ini telah berhasil menerapkan metode Support Vector Machine dalam menyelesaikan masalah pengenalan tulisan tangan hiragana

6.1Dalam penerapan dengan metode Support Vector Machine dapat memberikan nilai rata - rata akurasi 100% dengan 2 kelas, untuk 15 kelas diperoleh nilai rata – rata akurasi 88,43%, untuk 30 kelas diperoleh nilai rata – rata akurasi 73,53% dan untuk 46 kelas dapat memberikan nilai rata-rata akurasi 55,95%. Di sini mengindikasikan semakin kecil kelas yang digunakan akan semakin baik tingkat akurasinya.

7.1Waktu proses data pelatihan dengan 2 kelas hanya 1 detik, sedangkan waktu terlama 7 jam 1 menit 26 detik diperoleh dengan 46 kelas.

8.1Penelitian ini berhasil membangun perangkat lunak tulisan tangan hiragana dengan metode Support Vector Machine

78

Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

5.2Saran

Berikut ini adalah saran yang ditujukan untuk penelitian lebih lanjut sistem pengenalan tulisan tangan hiragana.

1. Penelitian selanjutnya diharapkan dapat meningkatkan akurasi untuk multi kelas, walaupun pada awalnya Support Vector Machine ditujukan untuk klasifikasi dengan 2 kelas.

2. Pengenalan tulisan tangan tidak hanya mengenali satu huruf saja, tapi dapat mengenali kata ataupun kalimat.

3. Dilakukan penenlitian dengan menggunakan ekstraksi ciri yang lain untuk melihat seberapa penting ekstraksi ciri untuk meningkatkan akurasi dengan metode Support Vector Machine.

4. Pengenalan tulisan tangan dapat dicoba menggunakan jenis tulisan tangan yang lain, karena tulisan tangan hiragana mempunyai tingkat kompleksitas huruf yang besar

5. Karena metode ini dikembangkan untuk dua kelas dan untuk banyak kelas masih dalam tahap perkembangan jadi untuk penelitian dicari jumlah kelas yang tidak terlalu banyak.

79

Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana DAFTAR PUSTAKA

Ahmad, Abdul Rahim dkk. 2004. Online Handwriting Recognition using Support Vector Machine. Universiti Tenaga Nasional Malaysia

Bahri, R. S. 2011. Perbandingan Algoritma Template Matching dan Feature Extraction Pada Optical Character Recoginiton. Skripsi. Bandung. UNIKOM

Burges, Christopher. 1998. A Tutorial on Support Vector Machine for Pattern Recognition. Boston. Kluwer Academic Publisher.

Cheriet, Mohmaed. 2007. Character Recogniton System A Guide for Student and Partitioners. John Willey.

Febrianto, Krisna. 2010. Penerapan Fuzzy Feature Extraction Dan Jaringan Syaraf Tiruan Resilient Propagation Dalam Pengenalan Tulisan Tangan Katakana. Skripsi. Universitas Pendidikan Indonesia

Hunt, Brian. dkk. 2001. A Guide To Matlab for Beginners and Experience Users. Cambridge University Press.

Munir, Rinaldi. 2007. Pengolahan Citra Digital. Bandung. Penerbit Informatika.

Nugroho, Satriyo; & Witarto, Arif; & Handoko, Dwi. 2003. Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika. Ilmu Komputer.com

80

Saepudin, 2013

Penerapan Support Report Mechine Dalam Pengenalan Tulisan Tangan Huruf Hiragana Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Prasetyo, Eko. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab. Gresik: Penerbit Andi

Pressman, Roger. 2001. Software Engineering A Practitioner’s Approach Fifth Edition. New York: Mcgraw-Hill.

Putra, Darma. 2009. Sistem Biometrika. Yogyakarta. Penerbit Andi.

Ridwan, Achmad. 2010. Pengenalan Tulisan Tangan Aksara Sunda Ngalagenda Dengan Algoritma Fuzzy C-Means. Skripsi. Bandung. Universitas Pendidikan Indonesia.

Santosh K.C. 2009. A Comprehensive Survey On-Line Handwriting Recognition Technology and Its Real Aplication To The Nepalese Naturah Handwriting. Kathmandu University Journal of Science, Engineering and Technology Vol 5. No.I. January, 2009. pp 31-55.

Suryani, Dewi. 2009. Pengenalan Huruf Hiragana dan Katakana Dengan Integral Proyeksi. Skripsi. Surabaya: Institut Teknologi Sepuluh November.

Theodoridis, Sergios; & Koutroumbas, Konstantinos. 2006. Pattern Recognition Third Edition. USA. Academic Press.

Tjokorda, Sylvia & Retno. 2009. Pengenalan Huruf Komputer Menggunakan Algoritma Berbasis Chain Code dan Algoritma Sequence Alignment. Konferensi Nasional Sistem dan Informatika, Vol 6, KNS&I109-004.

Saepudin, 2013

Wijaya, Marvin; & Prijono, Agus. 2007. Pengolahan Citra Digital Menggunakan Matlab Image Processing Toolbox. Bandung: Penerbit Informatika.