IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1. Implementasi Sistem
Dalam penelitian ini, seluruh metode yang digunakan akan diimplementasikan ke dalam sistem dengan menggunakan bahasa pemograman Visual C#.Net sesuai dengan perancangan yang telah dilakukan.
4.1.1. Spesifikasi perangkat keras dan perangkat lunak yang digunakan
Spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk membangun sistem ini adalah sebagai berikut :
1. Processor Intel ® CoreTM i3-3217U CPU 1.80GHz 2. Kapasitas harddisk 500GB
3. Memory RAM yang digunakan 2GB DDR3
4. Sistem operasi yang digunakan adalah Microsoft Windows 7 Home 5. Kamera webcam 15 MP dengan resolusi HD
6. Library yang digunakan EmguCV 2.4.0.1717
4.1.2. Implementasi perancangan antarmuka
Adapun implementasi perancangan antarmuka yang telah dilakukan pada Bab 3 adalah sebagai berikut :
Halaman utama merupakan halaman yang menampung seluruh proses utama dari sistem pengenalan pola tulisan citra biji catur cina. Halaman ini menampilkan menu utama yaitu File, Image processing, About. Tampilan halaman utama yang dibangun pada sistem dapat dilihat pada gambar 4.1.
Gambar 4.1 Tampilan Halaman Utama 2. Tampilan Halaman input character
Halaman input character merupakan halaman yang digunakan untuk menginput field- field berupa nama, warna dan jumlah dari setiap biji catur cina. Tampilan halaman input character yang dibangun pada sistem dapat dilihat pada gambar 4.2.
Gambar 4.2 Tampilan Halaman Input Character 3. Tampilan Halaman input set
Halaman input set merupakan halaman yang digunakan untuk menginput parameter yang digunakan pada tahap pre-processing image. Parameter dari setiap set biji catur cina yang dimaksud adalah Total, MaxRadius, MinRadius, ThresholdRed,
ThresholdBlack, Dilate Loop. Parameter Total menyimpan jumlah biji catur cina pada
setiap set catur. MaxRadius dan MinRadius menyimpan nilai maksimum dan minimum dari cincin biji catur. ThresholdRed dan ThresholdBlack menyimpan nilai
threshold pada biji catur merah dan biji catur hitam. Dilate Loop menyimpan nilai
iterasi dari operator dilasi pada citra yang bertujuan untuk memperbaiki citra (Image
Enhancement). Tampilan halaman input set yang dibangun pada sistem dapat dilihat
pada gambar 4.3.
Gambar 4.3 Tampilan Halaman Input Set 4. Tampilan Halaman capture chess image
Halaman capture chess image merupakan halaman yang digunakan untuk melakukan proses penangkapan citra, proses konversi citra berwarna menjadi citra keabuaan, proses pendeteksian dan penghapusan cincin pada biji catur cina dan proses menyimpan citra asli yang sesuai dengan set, warna dan nama catur yang akan dilakukan proses pre-processing. Halaman ini juga menyertakan nilai threshold yang digunakan pada setiap biji catur berdasarkan set dan warna. Tampilan halaman capture chess image dibangun pada sistem dapat dilihat pada gambar 4.4.
Gambar 4.4 Tampilan Halaman capture chess image 5. Tampilan Halaman binerization300x300
Halaman binerization300x300 merupakan halaman yang digunakan untuk melakukan proses membinerisasikan citra keabuan. Pada halaman binerization300x300 dilakukan penyimpanan data biner berupa matriks dengan ukuran 300x300. Tampilan halaman binerization300x300 dibangun pada sistem dapat dilihat pada gambar 4.5.
Gambar 4.5 Tampilan Halaman binerization300x300 6. Tampilan Halaman normalization300to24
Halaman normalization300to24 merupakan halaman yang digunakan untuk melakukan proses normalisasi ukuran citra. Pada halaman normalization300x24 ukuran citra 300x300 pixel akan diubah menjadi ukuran citra 24x24 pixel. Pada proses penormalisasian citra mengalami proses cropping dan proses resizing. Tampilan halaman normalization300to24 dibangun pada sistem dapat dilihat pada gambar 4.6.
Gambar 4.6 Tampilan Halaman normalization300to24 7. Tampilan Halaman Pixelization24x24
Halaman pixelization24x24 merupakan halaman yang digunakan untuk melakukan proses perubahan kontras pada pixel. Halaman ini berfungsi untuk mengubah citra asli hasil resized dari normalisasi menjadi citra yang memiliki nilai pixel yang lebih kontras antara foreground dengan background. Tampilan halaman pixelization 24x24 dibangun pada sistem dapat dilihat pada gambar 4.7.
Gambar 4.7 Tampilan Halaman pixelization24x24 8. Tampilan Halaman Thinning 24x24
Halaman Thinning 24x24 merupakan halaman yang digunakan untuk melakukan proses penipisan citra dari output pada halaman pixelization24x24. Halaman ini berfungsi untuk menipiskan citra sehingga citra output dari halaman ini memiliki
ketebalan sebesar satu pixel. Tampilan halaman thinning 24x24 dibangun pada sistem dapat dilihat pada gambar 4.8.
Gambar 4.8 Tampilan Halaman thinning 24x24 9. Tampilan Halaman Binerization24x24
Halaman Binerization 24x24 merupakan halaman yang digunakan untuk melakukan proses pengkorvesian dari citra menjadi matriks biner kembali dengan ukuran 24x24. Tampilan halaman binerization24x24 dibangun pada sistem dapat dilihat pada gambar 4.9.
Gambar 4.9 Tampilan Halaman binerization24x24 10. Tampilan Halaman Direction Feature Extraction
Halaman Direction Feature Extraction merupakan halaman yang digunakan untuk melakukan proses ekstraksi fitur pada output matriks 24x24 yang berasal dari halaman
binerization24x24. Tampilan halaman direction feature extraction dibangun pada sistem dapat dilihat pada gambar 4.10.
Gambar 4.10 Tampilan Halaman Direction Feature Extraction 11. Tampilan Halaman Training using Backpropagation
Halaman Training using Backpropagation merupakan halaman yang digunakan untuk melakukan proses pelatihan pada jaringan saraf tiruan pada input yang berasal dari output dari halaman direction feature extraction. Pada halaman ini data training dan data testing dapat dimuat dan dilatih menggunakan jaringan saraf tiruan Backpropagation. Hasil pelatihan ditunjukkan melalui hasil klasifikasi pada data training dan testing di dalam monitor view yang ada pada halaman ini Tampilan halaman training using backpropagation dibangun pada sistem dapat dilihat pada gambar 4.11.
Gambar 4.11 Tampilan Halaman Training using Backpropagation 12. Tampilan Halaman Implementation
Halaman Implementation merupakan halaman yang digunakan untuk mengimplementasikan proses dari awal yaitu pre-processing citra dan ekstrasi fitur sampai kalsifikasi pada data dari citra asing pada akhirnya. Halaman ini akan menunjukkan hasil klasifikasi pada setiap citra biji catur yang ditangkap. Halaman ini bertujuan untuk mencatat dan menghitung jumlah biji catur merah dan hitam yang telah terklasifikasi. Tampilan halaman implementation dibangun pada sistem dapat dilihat pada gambar 4.12.