Identifikasi Tulisan Mandarin pada Citra Biji Catur Gajah Cina Berdasarkan Pola Menggunakan Direction Feature Extraction dan Backpropagation
IDENTIFIKASI TULISAN MANDARIN PADA CITRA BIJI CATUR GAJAH
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
WILLIAM
111402024
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
IDENTIFIKASI TULISAN MANDARIN PADA CITRA BIJI CATUR GAJAH
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
WILLIAM
111402024
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: IDENTIFIKASI TULISAN MANDARIN PADA
CITRA BIJI CATUR GAJAH CINA
BERDASARKAN POLA MENGGUNAKAN
DIRECTION FEATURE EXTRACTION DAN
BACKPROPAGATION
Kategori
: SKRIPSI
Nama
: WILLIAM
Nomor Induk Mahasiswa
: 111402024
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Seniman, S.Kom, M.Kom
Romi Fadillah Rahmat, B.Comp.Sc M.Sc
NIP. 19870525 201404 1 001
NIP. 19860303 201012 1 004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
IDENTIFIKASI TULISAN MANDARIN PADA CITRA BIJI CATUR GAJAH
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 14Januari 2016
William
111402024
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak selaku Romi
Fadillah Rahmat, B.Comp.Sc. M.Sc pembimbing pertama dan Bapak Seniman,
S.Kom, M.Kom selaku pembimbing kedua yang telah membimbing penulis dalam
penelitian serta penulisan skripsi ini. Penulis tidak akan dapat menyelesaikan skripsi
ini tanpa inspirasi serta motivasi yang diberikan dari kedua pembimbing,. Penulis juga
mengucapkan terima kasih kepada Bapak Muhammad Fadly Syahputra, B.Sc. M. Sc.
IT sebagai dosen pembanding pertama dan Bapak M. Anggia Muchtar, ST. MM.IT
sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang
bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditjukan kepada
semua dosen serta semua pegawai pada program studi S1 Teknologi Informasi, yang
telah membantu serta membimbing penulis selama proses perkuliahan.
Penulis tentunya berterima kasih kepada kedua orang tua penulis, Bapak
penulis Edi Limbasulinto, serta Ibu penulis Rostina yang telah membesarkan penulis
dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada adik penulis,
Wilianto dan Jenny, yang selalu memberikan dukungan kepada penulis. Penulis juga
berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat
disebutkan satu-satu.
Terima kasih juga penulis ucapkan kepada seluruh teman-teman angkatan
2011 yang telah bersama-sama penulis melewati perkuliahan pada program studi S1
Teknologi Informasi, serta teman-teman mahasiswa Teknologi Informasi lainnya.
Secara khusus penulis mengucapkan terima kasih kepada Venissa, atas mendukung
dan menginsiprasi penulis dalam pembuatan program dalam penelitian dan penulisan
penelitian ini.
Universitas Sumatera Utara
v
ABSTRAK
Identifikasi citra adalah satu dari tahapan-tahapan yang digunakan di dalam sistem
terautomatisasi, khususnya pengenalan biji catur cina. Pengenalan citra pada tulisan
karakter cina adalah sebuah proses untuk mengenali karakter cina yang terdapat pada
biji catur cina untuk mendapatkan jumlah dari setiap set catur. Dikarenakan biji catur
cina memiliki kontour dan goresan yang kompleks, tulisan pada biji catur susah untuk
dikenali oleh manusia awam. Berdasarkan pada fakta yang tertera di atas, pengenalan
biji catur cina berdasarkan pada pola sangat penting. Dalam mempermudah dan
mengoptimasi kinerja dari jaringan saraf tiruan, berbagai metode digunakan di dalam
penelitian ini, seperti pengdeteksian lingkaran dengan Hough Circle Detection,
Grayscaling, Binerisasi, Resizing, Thinning, Normalisasi dan Pixelization. Metode
yang diajukan di dalam penelitian ini adalah Direction Feature Extraction yang
diekstraksi dari citra sebagai fitur dan mengimplementasikan Backpropagation di
dalam mengenali biji catur cina berdasarkan pada pola. Di dalam penelitian ini,
didapatkan bahwa metode yang diajukan dapat mengenali tulisan pada biji catur cina
dengan tingkat keakuratan sebesar 98% untuk berbagai set catur cina dan meetode
yang diajukan juga tahan terhadap translasi pada citra, kecerahan, derau dan rotasi
sampai 60◦.
Kata kunci : Pengenalan citra, Handwritten Chinese Character Recognition , Catur
Cina, Direction Feature Extraction (DFE), Backpropagation
Universitas Sumatera Utara
vi
CHINESE CHESS CHARACTER IDENTIFICATION USING DIRECTION
FEATURE EXTRACTION AND BACKPROPAGATION
ABSTRACT
Image identification is one of the phases used in automated system, spesifically
Chinese character recognition. Image recognition on Chinese chess is a process to
recognize Chinese character on Chinese chess in order to obtain the number of each
chess set. Due to the fact that Chinese character’s pattern has complex contours and
strokes; Handwritten Chinese Character Recognition (HCCR) is difficult to be
recognized by new learners, especially humans. Based on the fact stated above,
Chinese chess recognition based on pattern becomes very essential. In order to ease
and optimize the neural network’s performance, several pre-processing methods are
applied in this research, such as Circular Hough Transform Detection, Grayscaling,
Binerization, Resizing, Thinning, Normalization and Pixelization. The methods
proposed in this research consist of using Direction Feature Extraction extracted from
an image as features and implementing Backpropagation in identifying Chinese chess
character on the image based on its pattern. In this research, it results that the
proposed methods are capable of identifying Chinese chess character images with
good accuracy of 98% for various chess sets and it is also robust from image
transition, brightness, noise and rotation up to 60◦.
Keywords: Image Recognition, Handwriten Chinese Character Recognition (HCCR),
Chinese Chess, Direction Feature Extraction (DFE), Backpropagation.
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
xi
Daftar Gambar
xii
BAB 1 Pendahuluan
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
3
1.3. Batasan Masalah
4
1.4. Tujuan Penelitian
4
1.5. Manfaat Penelitian
4
1.6. Metodologi Penelitian
5
1.7. Sistematika Penulisan
6
BAB 2 Landasan Teori
8
2.1. Citra
8
2.2. Image Processing
8
2.2.1. Canny Edge Detection
2.2.1.1. Hough Circle Transform
2.2.2. Image Enhancement
9
9
9
Universitas Sumatera Utara
viii
2.2.2.1. Dilation
10
2.2.2.2. Gaussian Blur
10
2.2.3. Min-Max Linear Contrast Strecth
10
2.2.4. Colour Space Conversion
11
2.2.4.1. RGB2Grayscale
11
2.2.5. Resizing
12
2.2.6. Image Normalization
12
2.2.7. Thresholding
12
2.2.8. Thinning
12
2.3. Ekstraksi Fitur
13
2.3.1. Direction Feature
13
2.5. Backpropagation
15
2.6. Penelitian Terdahulu
19
BAB 3 Analisis dan Perancangan
23
3.1. Data yang Digunakan
23
3.2. Analisis Sistem
23
3.2.1. Colour Space Conversion
3.2.1.1. RGB2Grayscale
3.2.2. Image Enhancement
25
25
26
3.2.2.1. Gaussian Blur
27
3.2.2.2. Dilation
27
3.2.3. Canny Edge Detection
27
3.2.3.1. Hough Circle Transform
28
3.2.4. Cropping
30
3.2.5. Erase Circle
33
3.2.6. Thresholding
34
3.2.7. Image Normalization
35
3.2.8. Resizing Image
39
Universitas Sumatera Utara
ix
3.2.9. Min-Max Linear Contrast Stretch
40
3.2.10. Thinning
41
3.2.11. Binerization
46
3.2.12. Feature Extraction
47
48
3.2.12.1. Direction Feature Extraction
55
3.2.13. Backpropagation
3.3. Perancangan Sistem
62
62
3.3.1. Perancangan Antarmuka
3.3.1.1. Rancangan Tampilan Halaman Menu Utama
62
3.3.1.2. Rancangan Tampilan Halaman Image Preprocessing 63
3.3.1.3. Rancangan Tampilan Halaman Implementasi
BAB 4 Implementasi dan Pengujian
64
66
4.1. Implementasi Sistem
66
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak yang
66
digunakan
4.1.2. Implementasi Perancangan Antarmuka
4.2. Pengujian Sistem
66
74
4.2.1. Pengujian terhadap Dataset Biji Catur Cina dengan
Orientasi Sudut 90◦
74
4.2.2. Pengujian Hasil terhadap Dataset Biji Catur Cina dengan
Sudut60◦sampai 120◦
86
BAB 5 Kesimpulan dan Saran
97
5.1. Kesimpulan
97
5.2. Saran
98
Daftar Pustaka
100
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1 Nilai Label dan Arah pada Direction Feature
13
Tabel 2.2 Matriks neighbour pixel P dalam pelabelan nilai arah
14
Tabel 2.3 Tabel Peneltian Terdahulu
20
Tabel 3.1 Matriks RGB pada citra 3x3 pixel
25
Tabel 3.2 Matriks Grayscale pada citra 3x3 pixel
26
Tabel 3.3 Urutan elemen pixel tetangga pada matriks boolean
43
Tabel 4.1 Ukuran Kinerja Hasil Pengujian
74
Tabel 4.2 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi I
76
Tabel 4.3 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi II
81
Tabel 4.4 Persentase Hasil Pengujian Pengidentifikasian Dataset Pengujian Font
Digital Terhadap Dataset Pelatihan Citra Biji Catur Cina
Tabel 4.5 Ukuran Kinerja Hasil Pengujian
84
87
Tabel 4.6 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi I
89
Tabel 4.7 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi II
91
Tabel 4.8 Persentase Hasil Pengujian Pengidentifikasian
Dataset Citra Biji Catur Cina Peneliti Kondisi III
93
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Hal.
Gambar 3.1
Arsitektur umum
24
Gambar 3.2
Citra RGB webcam dan Citra grayscale hasil konversi
26
Gambar 3.3
Hasil pendeteksian Hough Circles Detection dan parameter
warna pada citra terdeteksi
Gambar 3.4
30
Citra RGB dan grayscale yang tercrop dengan dimensi
300x300 pixel
Gambar 3.5
32
Cincin pada citra grayscale yang telah terbuang
dan hanya karakter Cina
33
Gambar 3.6
Citra hasil normalisasi dengan ukuran yang bervariasi
38
Gambar 3.7
Citra resize berukuran 24x24 pixel
39
Gambar 3.8
Citra thinning berukuran 24x24 pixel
40
Gambar 3.9
Gambar hasil konversi citra thinning menjadi file matriks biner
46
Gambar 3.10 Matriks Direction 24x24 yang mengandung nilai arah 2-5
47
Gambar 3.11 Transisi nilai keempat arah berukuran 4x24 pada
masing-masing arah
49
Gambar 3.12 Matriks normalisasi transisi keempat sisi berukuran 4x6
52
Gambar 3.13 Matriks Direction Feature Extraction berdimensi 4x24
54
Gambar 3.14 Tampilan Halaman Menu Utama
55
Gambar 3.15 Tampilan Halaman Menu Preprocessing
63
Gambar 3.16 Tampilan Halaman Implementasi
63
Gambar 4.1
Tampilan Halaman Utama
67
Gambar 4.2
Tampilan Halaman Input Character
67
Gambar 4.3
Tampilan Halaman Input Set
68
Gambar 4.4
Tampilan Halaman capture chess image
69
Universitas Sumatera Utara
xii
Gambar 4.5
Tampilan Halaman binerization300x300
69
Gambar 4.6
Tampilan Halaman normalization300to24
70
Gambar 4.7
Tampilan Halaman pixelization24x24
70
Gambar 4.8
Tampilan Halaman thinning 24x24
71
Gambar 4.9
Tampilan Halaman binerization24x24
71
Gambar 4.10 Tampilan Halaman Direction Feature Extraction
72
Gambar 4.11 Tampilan Halaman Training using Backpropagation
73
Gambar 4.12 Tampilan Halaman Implentation
73
Gambar 4.13 Hasil pengujian terhadap biji catur merah dan hitam
dengan orientasi sudut 90◦ dan font yang berbeda
79
Gambar 4.14 Gambar dataset font biji catur cina pada posisi 90◦
80
Gambar 4.15 Gambaran hasil pengidentifikasian dengan pergeresan
5◦ searah maupun berlawanan arah jarum jam
dari biji catur cina
82
Gambar 4.16 Gambar dataset font pada posisi 5◦ searah jarum jam
dari posisi tegak lurus
83
◦
Gambar 4.17 Gambar dataset font pada posisi 5 berlawanan arah jarum jam
dari posisi tegak lurus
83
Gambar 4.18 Hasil pengujian dataset biji catur terhadap font digital mandarin
85
Gambar 4.19 Citra Testing Font Digital
86
Gambar 4.20 Hasil pengujian kondisi II pada biji catur merah dan hitam
93
Gambar 4.21 Hasil pengujian kondisi III pada biji catur merah
dan hitam secara acak
96
Universitas Sumatera Utara
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
WILLIAM
111402024
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
IDENTIFIKASI TULISAN MANDARIN PADA CITRA BIJI CATUR GAJAH
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
WILLIAM
111402024
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: IDENTIFIKASI TULISAN MANDARIN PADA
CITRA BIJI CATUR GAJAH CINA
BERDASARKAN POLA MENGGUNAKAN
DIRECTION FEATURE EXTRACTION DAN
BACKPROPAGATION
Kategori
: SKRIPSI
Nama
: WILLIAM
Nomor Induk Mahasiswa
: 111402024
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Seniman, S.Kom, M.Kom
Romi Fadillah Rahmat, B.Comp.Sc M.Sc
NIP. 19870525 201404 1 001
NIP. 19860303 201012 1 004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
IDENTIFIKASI TULISAN MANDARIN PADA CITRA BIJI CATUR GAJAH
CINA BERDASARKAN POLA MENGGUNAKAN DIRECTION FEATURE
EXTRACTION DAN BACKPROPAGATION
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 14Januari 2016
William
111402024
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak selaku Romi
Fadillah Rahmat, B.Comp.Sc. M.Sc pembimbing pertama dan Bapak Seniman,
S.Kom, M.Kom selaku pembimbing kedua yang telah membimbing penulis dalam
penelitian serta penulisan skripsi ini. Penulis tidak akan dapat menyelesaikan skripsi
ini tanpa inspirasi serta motivasi yang diberikan dari kedua pembimbing,. Penulis juga
mengucapkan terima kasih kepada Bapak Muhammad Fadly Syahputra, B.Sc. M. Sc.
IT sebagai dosen pembanding pertama dan Bapak M. Anggia Muchtar, ST. MM.IT
sebagai dosen pembanding kedua yang telah memberikan masukan serta kritik yang
bermanfaat dalam penulisan skripsi ini. Ucapan terima kasih juga ditjukan kepada
semua dosen serta semua pegawai pada program studi S1 Teknologi Informasi, yang
telah membantu serta membimbing penulis selama proses perkuliahan.
Penulis tentunya berterima kasih kepada kedua orang tua penulis, Bapak
penulis Edi Limbasulinto, serta Ibu penulis Rostina yang telah membesarkan penulis
dengan sabar dan penuh cinta. Terima kasih juga penulis ucapkan kepada adik penulis,
Wilianto dan Jenny, yang selalu memberikan dukungan kepada penulis. Penulis juga
berterima kasih kepada seluruh anggota keluarga penulis yang namanya tidak dapat
disebutkan satu-satu.
Terima kasih juga penulis ucapkan kepada seluruh teman-teman angkatan
2011 yang telah bersama-sama penulis melewati perkuliahan pada program studi S1
Teknologi Informasi, serta teman-teman mahasiswa Teknologi Informasi lainnya.
Secara khusus penulis mengucapkan terima kasih kepada Venissa, atas mendukung
dan menginsiprasi penulis dalam pembuatan program dalam penelitian dan penulisan
penelitian ini.
Universitas Sumatera Utara
v
ABSTRAK
Identifikasi citra adalah satu dari tahapan-tahapan yang digunakan di dalam sistem
terautomatisasi, khususnya pengenalan biji catur cina. Pengenalan citra pada tulisan
karakter cina adalah sebuah proses untuk mengenali karakter cina yang terdapat pada
biji catur cina untuk mendapatkan jumlah dari setiap set catur. Dikarenakan biji catur
cina memiliki kontour dan goresan yang kompleks, tulisan pada biji catur susah untuk
dikenali oleh manusia awam. Berdasarkan pada fakta yang tertera di atas, pengenalan
biji catur cina berdasarkan pada pola sangat penting. Dalam mempermudah dan
mengoptimasi kinerja dari jaringan saraf tiruan, berbagai metode digunakan di dalam
penelitian ini, seperti pengdeteksian lingkaran dengan Hough Circle Detection,
Grayscaling, Binerisasi, Resizing, Thinning, Normalisasi dan Pixelization. Metode
yang diajukan di dalam penelitian ini adalah Direction Feature Extraction yang
diekstraksi dari citra sebagai fitur dan mengimplementasikan Backpropagation di
dalam mengenali biji catur cina berdasarkan pada pola. Di dalam penelitian ini,
didapatkan bahwa metode yang diajukan dapat mengenali tulisan pada biji catur cina
dengan tingkat keakuratan sebesar 98% untuk berbagai set catur cina dan meetode
yang diajukan juga tahan terhadap translasi pada citra, kecerahan, derau dan rotasi
sampai 60◦.
Kata kunci : Pengenalan citra, Handwritten Chinese Character Recognition , Catur
Cina, Direction Feature Extraction (DFE), Backpropagation
Universitas Sumatera Utara
vi
CHINESE CHESS CHARACTER IDENTIFICATION USING DIRECTION
FEATURE EXTRACTION AND BACKPROPAGATION
ABSTRACT
Image identification is one of the phases used in automated system, spesifically
Chinese character recognition. Image recognition on Chinese chess is a process to
recognize Chinese character on Chinese chess in order to obtain the number of each
chess set. Due to the fact that Chinese character’s pattern has complex contours and
strokes; Handwritten Chinese Character Recognition (HCCR) is difficult to be
recognized by new learners, especially humans. Based on the fact stated above,
Chinese chess recognition based on pattern becomes very essential. In order to ease
and optimize the neural network’s performance, several pre-processing methods are
applied in this research, such as Circular Hough Transform Detection, Grayscaling,
Binerization, Resizing, Thinning, Normalization and Pixelization. The methods
proposed in this research consist of using Direction Feature Extraction extracted from
an image as features and implementing Backpropagation in identifying Chinese chess
character on the image based on its pattern. In this research, it results that the
proposed methods are capable of identifying Chinese chess character images with
good accuracy of 98% for various chess sets and it is also robust from image
transition, brightness, noise and rotation up to 60◦.
Keywords: Image Recognition, Handwriten Chinese Character Recognition (HCCR),
Chinese Chess, Direction Feature Extraction (DFE), Backpropagation.
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
xi
Daftar Gambar
xii
BAB 1 Pendahuluan
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
3
1.3. Batasan Masalah
4
1.4. Tujuan Penelitian
4
1.5. Manfaat Penelitian
4
1.6. Metodologi Penelitian
5
1.7. Sistematika Penulisan
6
BAB 2 Landasan Teori
8
2.1. Citra
8
2.2. Image Processing
8
2.2.1. Canny Edge Detection
2.2.1.1. Hough Circle Transform
2.2.2. Image Enhancement
9
9
9
Universitas Sumatera Utara
viii
2.2.2.1. Dilation
10
2.2.2.2. Gaussian Blur
10
2.2.3. Min-Max Linear Contrast Strecth
10
2.2.4. Colour Space Conversion
11
2.2.4.1. RGB2Grayscale
11
2.2.5. Resizing
12
2.2.6. Image Normalization
12
2.2.7. Thresholding
12
2.2.8. Thinning
12
2.3. Ekstraksi Fitur
13
2.3.1. Direction Feature
13
2.5. Backpropagation
15
2.6. Penelitian Terdahulu
19
BAB 3 Analisis dan Perancangan
23
3.1. Data yang Digunakan
23
3.2. Analisis Sistem
23
3.2.1. Colour Space Conversion
3.2.1.1. RGB2Grayscale
3.2.2. Image Enhancement
25
25
26
3.2.2.1. Gaussian Blur
27
3.2.2.2. Dilation
27
3.2.3. Canny Edge Detection
27
3.2.3.1. Hough Circle Transform
28
3.2.4. Cropping
30
3.2.5. Erase Circle
33
3.2.6. Thresholding
34
3.2.7. Image Normalization
35
3.2.8. Resizing Image
39
Universitas Sumatera Utara
ix
3.2.9. Min-Max Linear Contrast Stretch
40
3.2.10. Thinning
41
3.2.11. Binerization
46
3.2.12. Feature Extraction
47
48
3.2.12.1. Direction Feature Extraction
55
3.2.13. Backpropagation
3.3. Perancangan Sistem
62
62
3.3.1. Perancangan Antarmuka
3.3.1.1. Rancangan Tampilan Halaman Menu Utama
62
3.3.1.2. Rancangan Tampilan Halaman Image Preprocessing 63
3.3.1.3. Rancangan Tampilan Halaman Implementasi
BAB 4 Implementasi dan Pengujian
64
66
4.1. Implementasi Sistem
66
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak yang
66
digunakan
4.1.2. Implementasi Perancangan Antarmuka
4.2. Pengujian Sistem
66
74
4.2.1. Pengujian terhadap Dataset Biji Catur Cina dengan
Orientasi Sudut 90◦
74
4.2.2. Pengujian Hasil terhadap Dataset Biji Catur Cina dengan
Sudut60◦sampai 120◦
86
BAB 5 Kesimpulan dan Saran
97
5.1. Kesimpulan
97
5.2. Saran
98
Daftar Pustaka
100
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1 Nilai Label dan Arah pada Direction Feature
13
Tabel 2.2 Matriks neighbour pixel P dalam pelabelan nilai arah
14
Tabel 2.3 Tabel Peneltian Terdahulu
20
Tabel 3.1 Matriks RGB pada citra 3x3 pixel
25
Tabel 3.2 Matriks Grayscale pada citra 3x3 pixel
26
Tabel 3.3 Urutan elemen pixel tetangga pada matriks boolean
43
Tabel 4.1 Ukuran Kinerja Hasil Pengujian
74
Tabel 4.2 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi I
76
Tabel 4.3 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi II
81
Tabel 4.4 Persentase Hasil Pengujian Pengidentifikasian Dataset Pengujian Font
Digital Terhadap Dataset Pelatihan Citra Biji Catur Cina
Tabel 4.5 Ukuran Kinerja Hasil Pengujian
84
87
Tabel 4.6 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi I
89
Tabel 4.7 Persentase Hasil Pengujian Pengidentifikasian Dataset Citra Biji
Catur Cina Peneliti Kondisi II
91
Tabel 4.8 Persentase Hasil Pengujian Pengidentifikasian
Dataset Citra Biji Catur Cina Peneliti Kondisi III
93
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Hal.
Gambar 3.1
Arsitektur umum
24
Gambar 3.2
Citra RGB webcam dan Citra grayscale hasil konversi
26
Gambar 3.3
Hasil pendeteksian Hough Circles Detection dan parameter
warna pada citra terdeteksi
Gambar 3.4
30
Citra RGB dan grayscale yang tercrop dengan dimensi
300x300 pixel
Gambar 3.5
32
Cincin pada citra grayscale yang telah terbuang
dan hanya karakter Cina
33
Gambar 3.6
Citra hasil normalisasi dengan ukuran yang bervariasi
38
Gambar 3.7
Citra resize berukuran 24x24 pixel
39
Gambar 3.8
Citra thinning berukuran 24x24 pixel
40
Gambar 3.9
Gambar hasil konversi citra thinning menjadi file matriks biner
46
Gambar 3.10 Matriks Direction 24x24 yang mengandung nilai arah 2-5
47
Gambar 3.11 Transisi nilai keempat arah berukuran 4x24 pada
masing-masing arah
49
Gambar 3.12 Matriks normalisasi transisi keempat sisi berukuran 4x6
52
Gambar 3.13 Matriks Direction Feature Extraction berdimensi 4x24
54
Gambar 3.14 Tampilan Halaman Menu Utama
55
Gambar 3.15 Tampilan Halaman Menu Preprocessing
63
Gambar 3.16 Tampilan Halaman Implementasi
63
Gambar 4.1
Tampilan Halaman Utama
67
Gambar 4.2
Tampilan Halaman Input Character
67
Gambar 4.3
Tampilan Halaman Input Set
68
Gambar 4.4
Tampilan Halaman capture chess image
69
Universitas Sumatera Utara
xii
Gambar 4.5
Tampilan Halaman binerization300x300
69
Gambar 4.6
Tampilan Halaman normalization300to24
70
Gambar 4.7
Tampilan Halaman pixelization24x24
70
Gambar 4.8
Tampilan Halaman thinning 24x24
71
Gambar 4.9
Tampilan Halaman binerization24x24
71
Gambar 4.10 Tampilan Halaman Direction Feature Extraction
72
Gambar 4.11 Tampilan Halaman Training using Backpropagation
73
Gambar 4.12 Tampilan Halaman Implentation
73
Gambar 4.13 Hasil pengujian terhadap biji catur merah dan hitam
dengan orientasi sudut 90◦ dan font yang berbeda
79
Gambar 4.14 Gambar dataset font biji catur cina pada posisi 90◦
80
Gambar 4.15 Gambaran hasil pengidentifikasian dengan pergeresan
5◦ searah maupun berlawanan arah jarum jam
dari biji catur cina
82
Gambar 4.16 Gambar dataset font pada posisi 5◦ searah jarum jam
dari posisi tegak lurus
83
◦
Gambar 4.17 Gambar dataset font pada posisi 5 berlawanan arah jarum jam
dari posisi tegak lurus
83
Gambar 4.18 Hasil pengujian dataset biji catur terhadap font digital mandarin
85
Gambar 4.19 Citra Testing Font Digital
86
Gambar 4.20 Hasil pengujian kondisi II pada biji catur merah dan hitam
93
Gambar 4.21 Hasil pengujian kondisi III pada biji catur merah
dan hitam secara acak
96
Universitas Sumatera Utara