T1 612007009 BAB III

(1)

8

BAB III

PERANCANGAN PERANGKAT LUNAK

Sistem alih aksara pada skripsi ini bertujuan untuk mengalih aksarakan aksara jawa

menjadi aksara latin yang telah dikenal saat ini. Sistem alih aksara menerapkan metode

template matching sebagai klasifikatornya.

Pada sistem alih aksara, pengumpulan dataset dilakukan dengan melakukan cropping citra aksara jawa menggunakan program paint. Untuk perancangan perangkat lunak digunakan dengan menggunakan Matlab.

Alur kerja sistem alaih aksara meliputi cropping, konversi RGB ke biner, median filter, proyeksi vertikal, template matching, penyederhanaan matriks, pruning dan pencetakan ASCII.

3.1 Cropping

Citra digital yang telah didapat selanjutnya akan dipilah menjadi 2 bagian. Bagian

pertama adalah citra digital yang nantinya digunakan untuk penyusunan dataset dan bagian

kedua adalah citra digital yang digunakan sebagai citra uji. Proses cropping citra ini dilakukan dengan menggunakan perangkat lunak paint. Untuk citra digital yang digunakan sebagai penyusun dataset cropping akan dilakukan per-aksara, sedangkan cropping pada citra uji dilakukan hanya untuk menghilangkan bagian yang tidak diperlukan.

(2)

9

Gambar 3.2 Contoh Hasil Cropping Untuk Dataset

3.2 Konversi RGB ke Biner

Citra digitalisasi pada citra dataset maupun citra uji yang didapat pada proses

cropping berupa citra RGB selanjutnya diubah menjadi citra biner. Proses pengubahan RGB

ke biner seperti yang telah dijelaskan pada subbab 2.3.

(a) (b)

(3)

10

3.3 Median Filter

Hasil pengubahan citra RGB menjadi biner masih menyisakan noise berupa titik-titik hitam seperti yang terlihat pada gambar 3.1. Untuk menghilangkan titik-titik hitam tersebut

dilakukan median filtering.

(a) (b)

(c) (d)

(4)

11

Pada skripsi ini dipakai median filter berukuran 9× 9 karena tidak terlihat lagi titik-titik hitam pada citra keluaran median filter.

3.4 Proyeksi Vertikal

Seperti yang dijelaskan pada subbab 2.5 proyeksi vertikal digunakan untuk

memisahkan baris-baris penyusun sebuah citra. Pemisahan ini dilakukan dengan

menjumlahkan pixel hitam yang tegak lurus dengan sumbu y. Hasil proyeksi vertikal akan

menjadi acuan dalam menentukan koordinat awal baris (a) dan akhir baris (b). Tahapan untuk menghasilkan batas awal dan batas akhir bisa dilihat pada Gambar 3.5.

ya v=nilai batasan baris atas y=nilai batasan baris bawah

Jumlah tiap pixel dalam 1 baris (t)

(5)

12

ya

tidak

ya

Gambar 3.5. Alur kerja Proyeksi Vertikal

Selanjutnya nilai awal baris (a) akan dikurangi dengan sebuah nilai offset a sedangkan pada akhir baris (b) akan ditambah dengan nilai offset b. Batas baris baru hasil penambahan dan pengurangan offset ini selanjutnya menjadi batasan proses template matching yang akan dilakukan pada proses selanjutnya. Pada skripsi ini besar pengurangan nilai offset a berkisar antara 103-110 pixel sedangkan penambahan nilai offsetb antara 215-233 pixel.

Gambar 3.6. Ilustrasi Penambahan dan Pengurangan dengan Nilai Offset

3.5 TemplateMatching

Setelah citra uji maupun citra dataset telah melewati proses median filtering, selanjutnya kedua citra tersebut dibandingkan dengan metode template matching. Proses template matching akan menghasilkan nilai korelasi antara citra uji dengan citra dataset seperti yang telah dijelaskan pada subbab 2.6.

baris(i+1 )-baris(i)>y

Simpan Batas bawah

i+1<j

i+1 A

END

B

(6)

13

3.6 Penyederhanaan Matriks r(x,y)

Keluaran dari proses template matching berupa matriks yang berisi nilai korelasi per pixel antara citra template pada dataset dengan citra uji. Penyederhanaan matriks ini dilakukan untuk mengurangi data-data yang tidak diperlukan sehingga memper mudah proses

pengolahan data selanjutnya. Penyederhanaan matriks hasil template matching atau matriks r(x,y) dilakukan sebanyak 2 tahap. Tahap pertama adalah mencari nilai terbesar tiap kolom sehingga nantinya menghasilkan matriks baris q.

r(x,y)= [

Gambar 3.7. Ilustrasi Penyederhanaaan Matriks r(x,y)

Tahap kedua adalah membandingkan nilai matriks baris yang telah diperoleh dengan

th. Bila nilai korelasi kurang dari th, nilai korelasi akan diset dengan angka 0. Nilai th diperoleh dengan cara eksperimen. Hasil pembandingan matriks baris q dengan th disimpan dalam matriks qthuntuk digunakan pada proses pruning.

3.7 Pruning

Langkah selanjutnya adalah pruning. Pruning dilakukan untuk menghilangkan nilai-nilai korelasi yang berada diapit oleh 0 sehingga pada proses pencetakan ASCII tidak

ditemukan pencetakan aksara yang berlebihan.

Pruning akan bekerja saat nilai dalam penyederhanaan matriks r(x,y) tidak sama

dengan 0. Bila nilai penyederhanaan matriks r(x,y) tidak sama dengan nol pruning akan membandingkan nilai tersebut dengan nilai selanjutnya. Hasil yang terbesar akan disimpan

untuk dibandingkan dengan nilai selanjutnya. Nilai yang lebih kecil akan diset menjadi 0.

Proses pembandingan ini akan dilakukan hingga nilai dalam matriks qth sama dengan 0. Dibawah ini merupakan penggalan program pruning.

%set ee dengan nilai pertama matriks qth

ee=max_korelasiTH2(1); dd=0;

(7)

14 ee=[];dd=[];

for i=1:length(max_korelasiTH2)

Gambar 3.8. Ilustrasi Hasil Pruning

3.8 Pencetakan ASCII

Data yang disimpan lalu diolah menjadi ASCII. Pengolahan data ini menggunakan

nilai indeks n yang diperoleh dari nomer urutan baris dan matriks pruning. Nilai indeks n akan merepresentasikan alih aksara dari Aksara Jawa tersebut. Bila pada 1 kolom matriks

(8)

15

Gambar 3.9. Ilustrasi Kerja Pencetakaan ASCII

Pada gambar 3.10 dibawah ini merupakan cara kerja sistem secara keseluruhan mulai

dari membaca citra uji hingga proses pencetakan ASCII.

ya

(9)

16

ya

tidak

Gambar 3.10. Alur Kerja Sistem yang Dirancang

n ++