Pengenalan secara real time huruf Jawa jenis cetak menggunakan ekstraksi ciri Wavelet dan fungsi jarak Euclidean

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR. PENGENALAN SECARA REAL TIME HURUF JAWA JENIS CETAK MENGGUNAKAN EKSTRAKSI CIRI WAVELET DAN FUNGSI JARAK EUCLIDEAN Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro. disusun oleh :. IGNASIUS ARDI ARYO PRABOWO NIM : 105114006. PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR. PENGENALAN SECARA REAL TIME HURUF JAWA JENIS CETAK MENGGUNAKAN EKSTRAKSI CIRI WAVELET DAN FUNGSI JARAK EUCLIDEAN Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro. disusun oleh :. IGNASIUS ARDI ARYO PRABOWO NIM : 105114006. PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015 i.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT. REAL TIME RECOGNITION OF PRINTED JAVA LETTER USING WAVELET FEATURE EXTRACTION AND EUCLIDEAN DISTANCE FUNCTIONS In partial fulfillment of the requirements For the degree of Sarjana Teknik Electrical Engineering Study Program. IGNASIUS ARDI ARYO PRABOWO NIM : 105114006. ELECTRICAL ENGINEERING STUDY PROGRAM DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY 2015 ii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. HALAMAN PERSETT}JUAI'I TT]GAS AKHIR. PENGENALAN SECARA ftElL TIME HUR{IF JAWA JtrNIS CETAK MENGGUNAKAN EKSTRAKSI CIRI IrUWLETDAN TUNGSI JARAK EUCLIDEAN (REAL TIME RECOGNITION OF PRINTED JAVA LETTER USING WAVELET F'trATTIRE EXTRACTION EUCLTDEAN DISTANCE. rrNCTroNs). Pembirnbing. r. W lr ransser. Dr. Linggo Sum{rno. III. ,7:{y{Ytf.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. HALAMA1Y PENGESAHAN TUGAS AKHIR. PENGENALAN SECARA REAL TIME HTIRTIF JAWA JENIS CETAK MENGGT]NAKAIT EKSTRAKSI CIRI WAYELETDAN TUNGSI JARAK EACLIDEAN (REAI, TrME RECOGNTTTON Otr'.PRrNTED JAVA LETTUR USrNG WAYELET FEATURE EXTRACTION EUCLIDEAN I}ISTANCE. ruNCTroNS) Oleh:. ICr}{ASIUS ARDI ARYO PRABOWO. NIM : 105 114006 Telah dipertahankan di depan Panitia Penguji Pada tanggal 23 Maret 2015 Dan dinyatakan memenuhi syarat Susunan Panitia Penguji:. Nama Lengkap. Ketua. :. fiendro, M,Kom. $skretaris. :. I)r. Linggo Sumarna. Anggota. : Petrus Setyo Prabowo,. S.T.,M.T.. Yogyakana,. bo APril. 2016. Fakultas $ains dan Teknalogr. Univ*rsita* Sanata Dh*rm*. r{trffi [.f ,m]]. \Bffi \Pffiingsih W:r3}"i'ry$*"*-. iv. Prirna Rcsa, s.si., M.Ss..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. HALAMAN PERSEMBAHAN DAN MOTTO HIDUP. MOTTO:. "Mintalah, maka akan diberikan kepadamu; carilah, maka kamu akan mendapat; ketoklah, maka pintu akan dibukakan bagimu. Mat 7:7”. Persembahan Skripsi ini kupersembahkan untuk Tuhan Yesus yang selalu membimbingku, menyertaiku dari awal sampai akhir. Kedua orang tua, saudara-saudara dan sahabat yang telah memberikan semangat dan doa. v.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. PERI\YATAAN KBASLIAN KARYA Saya menyatakan dengan sesungguhnya bahwa tugas akhir. ini tidak memuat karya. atau bagian karya orang lain, kecuali yang telah disebutkan dalarn kutipan dan daftar pustaka sebagai mana layaknya karya ilmiah.. Yogyakarta, 10 April 2015 Penulis. Ignasius Ardi Aryo Prabowo. V1.

a. PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAII UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma. :. Nama: Ignasius Ardi Aryo Frabowo Nomor Mahasiswa : 105 I 14006. Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya. ilmiah saya yang berjudul:. PENGENALAN SECARA REAL TIME HURUF JAWA JENIS CETAK MENGGLINAKAN EKSTRAKSI CIRI I4/AYELET DAN FUNGSI JARAK EUCLIDEAN beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk. media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas dan. mempublikasikannya pada media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama masih mencatumkan nzlma saya sebagai penulis.. Demikian pernyataan ini saya buat dengan sebenarnya.. Yogyakarta, 10 April 2Al5. Ignasius Ardi Aryo Prabowo. v11.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. INTISARI Banyak pendatang dari luar pulau jawa yang menetap, bekerja, bersekolah, ataupun berwisata di pulau Jawa yang terkadang ingin mengetahui kebudayaan jawa dari segi bahasa, yaitu bahasa jawa beserta dengan huruf jawa. Sedikit orang yang mampu memahami huruf yang rumit ini. Sehingga untuk memahami huruf jawa secara efisien, diperlukan sebuah sistem pengenalan untuk mengenali huruf jawa tersebut yang diharapkan lebih dapat dimengerti secara umum oleh masyarakat. Sistem pengenalan huruf jawa yang akan dibuat menggunakan webcam dan laptop. Webcam berfungsi untuk merekam dan mengambil citra dari potongan huruf jawa , dan laptop untuk mengoperasikannya. Citra potongan huruf jawa yang telah dicapture kemudian diolah dengan menggunakan preprocessing, ekstrasi ciri wavelet, jarak Euclidean dan kemudian program akan menampilkan hasil pengenalan. Sistem pengenalan huruf jawa secara real time dapat bekerja dengan baik. Berdasarkan hasil percobaan, parameter terbaik adalah pada variasi resizing 32x64 dan desimasi 2, yang mampu menghasilkan tingkat pengenalan sebesar 91% dan 92,8% dari berbagai variasi rotasi dan skala.. Kata kunci: Huruf Jawa, webcam, wavelet, jarak Euclidean,. viii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. ABSTRACT Many immigrants from outside java island which is settle, work, attend school, or traveled in java island which is somestimes wants to find out how culture in terms of java language, which is the java along with letters of java. Few people are able to understand the letter a complicated. So as to understand java letters, in an efficient way required a recognition systems to recognise java letter expected more intelligible in general by society. Java letter recognition system to be created using a webcam and a laptop. Webcam function for recording and retrieving images from a piece of Java letters, and laptops to operate it. Image java letter pieces that have been captured and processed by using preprocessing, wavelet characteristics extraction, Euclidean distance and then the program will display the recognition result. Java letter recognition systems in real time can work well. Based on the experiment results, the best parameter is the variation resizing 32x64 and Decimation 2, which is able to produce a recognition rate of 91% and 92,8% of the variations of rotation and scale respectively. Keywords: Java letters, webcam, wavelet, Euclidean distance.. ix.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. KATA PENGANTAR. Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa atas berkat dan rahmat kasih-Nya yang telah dilimpahkan-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul Pengenalan Secara Real Time Huruf Jawa Jenis Cetak Menggunakan Ekstraksi Ciri Wavelet dan Fungsi Jarak Euclidean. Tugas Akhir ini disusun sebagai salah satu syarat kelulusan untuk memperoleh gelar Sarjana Teknik pada Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta. Penulisan Tugas Akhir ini tidak lepas dari campur tangan dan bantuan dari banyak pihak baik secara langsung mapun tidak langsung. Penulis menyadari bahwa banyak pihak yang telah memberi dukungan, semangat, bimbingan dan arahan serta bantuan materil. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada : 1. Tuhan Yesus Kristus, yang selalu membimbingku, menyertaiku dari awal hingga terselesainya tugas akhir ini. Sungguh suatu karunia kasih-Mu. 2. Ibu Paulina Heruningsih Prima Rosa, S.si., M.Sc. selaku Dekan Fakultas Sains dan Teknologi.. 3. Bapak Petrus Setyo Prabowo, S.T., M.T. selaku Ketua Program Studi Teknik Elektro Universitas Sanata Dharma Yogyakarta yang memberikan arahan kepada penulis. 4. Bapak Dr. Linggo Sumarno, selaku dosen pembimbing yang telah banyak membimbing, membantu, serta memberikan arahan, jasa dan motivasi kepada penulis dalam menyelesaikan tugas akhir ini. 5. Bapak Petrus Setyo Prabowo, S.T., M.T. dan Bapak Ir. Tjendro, M.Kom. selaku dosen penguji tugas akhir yang telah memberikan ilmu dan arahan tambahan sehingga penulis dapat menyempurnakan penyusunan tugas akhir ini. 6. Seluruh Dosen dan Laboran Program Studi Teknik Elektro, Fakultas Sains dan Teknologi Universitas Sanata Dharma yang telah banyak memberikan ilmunya hingga saat ini.. x.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 7. Seluruh Staff Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta yang telah membantu dalam hal administrasi. 8. Kedua orang tua tercinta (Papa drg. Ludgerus Toto Utomo dan Mama Rosalia Resmiharti), seluruh keluarga besar Soegiardjo seluruhnya dan keluarga besar Suladi Wardoyo yang selalu mendukung serta mendoakan penulis. 9. Kakak-kakak dan adik saya ( Albertus Adi Atma Prasetya, Natalia Indira, Aegidia Dyah Pravita Sari, dan Sanca Christy Mareta) yang telah memberikan semangat dan doa demi terselesaikannya tugas akhir ini. Terima kasih untuk segala kasih dan kesabarannya. 10. Sahabat-sahabat saya tercinta (Irenne Patricia, Nikki Gusti, Chesa Permita, Lukas Arma, Helena Dyah) yang telah banyak mendukung, membantu, memberikan semangat, motivasi dan menghibur penulis sampai menyelesaikan skripsi ini. 11. Teman-teman seperjuangan angkatan 2010 Teknik Elektro yang selalu mendukung dan menyemangati dalam menyelesaikan tugas akhir ini. 12. Dan kepada semua pihak yang telah banyak membantu dalam menyelesaikan skripsi ini yang tidak bisa disebutkan satu persatu. Penulis menyadari bahwa dalam penulisan tugas akhir ini masih terdapat banyak kekurangan dan jauh dari sempurna. Untuk itu, kritik dan saran yang membangun senantiasa penulis harapkan guna menyempurnakan tugas akhir ini. Akhir kata, penulis berharap agar hasil penelitian dan pembelajaran yang tertuang dalam tugas akhir ini dapat bermanfaat bagi semua pihak. Terima kasih.. xi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR ISI Halaman Sampul (Bahasa Indonesia) ............................................................................................. i Halaman Sampul (Bahasa Inggris) ................................................................................................. ii Halaman persetujuan ..................................................................................................................... iii Halaman Pengesahan .................................................................................................................... iv Halaman Persembahan dan Motto Hidup ........................................................................................v Pernyataan Keaslian Karya ........................................................................................................... vi Lembar Pernyataan Persetujuan Publikasi Karya Ilmiah untuk Kepentingan Akademis ............ vii Intisari .......................................................................................................................................... viii Abstract .......................................................................................................................................... ix Kata Pengantar .................................................................................................................................x Daftar Isi ....................................................................................................................................... xii Daftar Gambar ...............................................................................................................................xv Daftar Tabel ................................................................................................................................ xvii BAB I:PENDAHULUAN 1.1. LatarBelakang .............................................................................................................. 1 1.2. TujuandanManfaat Penelitian ...................................................................................... 2 1.3. BatasanMasalah ........................................................................................................... 2 1.4. MetodologiPenelitian ................................................................................................... 3 BAB II: DASAR TEORI 2.1. Aksara Jawa ................................................................................................................. 4 2.1.1. Aksara Carakan ..........................................................................................................4. xii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.2. Pengolahan Citra ...........................................................................................................4 2.2.1. Ruang Warna RGB ....................................................................................................5 2.2.2. Citra Grayscale...........................................................................................................6 2.2.3. Cropping dan Resizing ...............................................................................................6 2.2.4.Transformasi Affine (Affine Transformation) ............................................................7 2.3. Pengenalan Pola ............................................................................................................8 2.4. Wavelet .........................................................................................................................8 2.4.1. Wavelet secara umum ................................................................................................8 2.4.2.Wavelet Haar ............................................................................................................11 .. 2.4.3.Konvolusi ..........................................................................................................12. 2.5. Jarak Euclidean ...........................................................................................................13 2.6. Templete Matching .....................................................................................................14 2.7. Matlab .........................................................................................................................15 2.8. Webcam ......................................................................................................................16 2.9. GUIDE MATLAB ......................................................................................................17 BAB III:PERANCANGAN 3.1. GambaranSistem ........................................................................................................ 18 3.1.1.Fixture ...................................................................................................................... 18 3.1.2.Potongan Huruf Jawa Jenis Cetak............................................................................ 19 3.1.3.Webcam ....................................................................................................................19 3.2. Proses Pengenalan Potongan Huruf Jawa ...................................................................19 3.2.1.Citra Potongan Huruf Jawa ...............................................................................20 3.2.2.Tahap Preprocessing .........................................................................................21 3.2.3.Tahap Ekstraksi Ciri .........................................................................................23 3.2.4.Tahap Fungsi Jarak ............................................................................................25 xiii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.2.5.Penentuan Keluaran ...........................................................................................26 3.3.Perancangan Database Huruf ......................................................................................27 3.4.Huruf Uji ......................................................................................................................27 3.5.Perancangan Tampilan GUI ........................................................................................28 BAB IV:HASIL DAN PEMBAHASAN 4.1. Pengujian Program Pengenalan Huruf Jawa Carakan secara Real Time ....................29 4.1.1.Tombol Kamera Aktif ...............................................................................................30 4.1.2.Tombol Ambil Gambar .............................................................................................31 4.1.3. Pop-Up Menu ...........................................................................................................32 4.1.4. Tombol Proses .........................................................................................................33 4.1.5. Tombol Reset ...........................................................................................................38 4.1.6. Tombol Keluar .........................................................................................................38 4.2. Hasil Pengujian Program Pengenalan Terhadap Tingkat Pengenalan Citra Potongan Huruf Jawa Carakan..................................................................................39 4.2.1. Pengujian Parameter Pengenalan Potongan Huruf Jawa Carakan Secara Tidak Real Time ...................................................................................39 4.2.1. Pengujian Parameter Pengenalan Potongan Huruf Jawa Carakan Secara Real Time..............................................................................................42 BAB V:KESIMPULAN DAN SARAN 5.1. Kesimpulan .................................................................................................................48 5.2. Saran ...........................................................................................................................48 DAFTAR PUSTAKA ....................................................................................................................49 LAMPIRAN ...................................................................................................................................51. xiv.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR GAMBAR Gambar 2.1. Aksara Jawa Carakan ....................................................................................... 4 Gambar 2.2. Koordinat citra digital ...................................................................................... 5 Gambar 2.3. Skema ruang warna RGB dalam bentuk kubus ............................................... 5 Gambar 2.4. Contoh hasil cropping....................................................................................... 6 Gambar 2.5. Proses penskalaan pada citra potongan huruf. (a ) Citra sebelum penskalaan (b) citra setelah penskalaan 64x128.................................................................. 8 Gambar 2.6. Algoritma pyramid. Dekomposisi wavelet satu level berdasarkan algoritma piramid; h(n) adalah tapis pelewat bawah; g(n) adalah tapis pelewat atas; CAj (ℎ). (𝑣). (𝑑). (LL) adalah koefisien rerata; 𝐶𝐷𝑗 (HL), 𝐶𝐷𝑗 (LH), dan 𝐶𝐷𝑗. (HH) masing-. masing adalah koefisien detil horisontal, vertikal dan diagonal ...................... 9 Gambar 2.7. Wavelet Haar ................................................................................................. 12 Gambar 2.8. Representasi matriks dari penjumlahan konvolusi, y = [1 5 14 26 29 21] ..... 13 Gambar 2.9. Contoh tampilan Matlab ................................................................................ 16 Gambar 2.10. Contoh webcam ........................................................................................... 17 Gambar 2.11. Tampilan Blank GUI (Default) .................................................................... 17 Gambar 3.1. Gambaran keseluruhan sistem ........................................................................ 18 Gambar 3.2. Contoh potongan huruf jawa carakan ............................................................. 19 Gambar 3.3. Blok diagram proses pengenalan potongan huruf jawa .................................. 20 Gambar 3.4. Diagram alir pemrosesan citra ........................................................................ 21 Gambar 3.5. Contoh konversi citra potongan huruf dengan RGB (a) menjadi grayscale (b) ................................................................................................... 22 Gambar 3.6. Contoh cropping pada citra potongan huruf ................................................. 22 Gambar 3.7. Contoh resizing pada citra potongan huruf. (a) Citra sebelum diresizing. (b) citra setelah diresizing 64x128. (c) citra a setelah diresizing 16x32 ........ 23 Gambar 3.8. Diagram ekstraksi ciri ..................................................................................... 24 Gambar 3.9. Diagram alir konvolusi ................................................................................... 24 Gambar 3.10. Diagram alir downsampling.......................................................................... 25 Gambar 3.11. Diagram alir fungsi jarak Euclidean ............................................................. 26 Gambar 3.12. Diagram alir penentuan keluaran .................................................................. 26 xv.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Gambar 3.13. Blok diagram perancangan database ............................................................ 27 Gambar 3.14. Sketsa perancangan GUI............................................................................... 28 Gambar 4.1. Icon Matlab R2010a ....................................................................................... 29 Gambar 4.2. Tampilan awal Matlab R2010a ....................................................................... 30 Gambar 4.3. Grafik Tingkat Pengenalan secara tidak real time .......................................... 41 Gambar 4.4. (a) Letak template yang diproses cropping, (b) Posisi dan jarak webcam harus tetap, serta peletakan huruf jawa jenis cetak harus pas pada templatenya. ....................................................................................... 41. xvi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR TABEL Tabel 3.1. Spesifikasi Webcam Logitech c 170h ................................................................. 18 Tabel 3.2. Jumlah kombinasi set database .......................................................................... 26 Tabel 4.1. Persentase Data Hasil Pengujian Secara Tidak Real Time ................................ 40 Tabel 4.2. Jumlah Koefisien Ekstraksi Ciri ......................................................................... 42 Tabel 4.3. Gambar Citra Huruf Jawa Carakan Setiap Variaasi Resizing dan Desimasi ..... 43 Tabel 4.4. Jumlah rata-rata persentase hasil percobaan 1, 2, 3, 4, 5 rotasi dan penskalaan(tabel 1-5 lihat lampiran) .................................................................. 45 Tabel 4.5. Jumlah rata-rata persentase keseluruhan dari tabel 6 sampai tabel 10 (lihat lampiran)............................................................................................................. 46. xvii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB I PENDAHULUAN. 1.1. Latar Belakang Penduduk Indonesia memiliki beraneka ragam kebudayaan yang memiliki. bahasa berbeda-beda sesuai dengan tempat tinggalnya. Mayoritas mempunyai dwibahasa yaitu kemampuan untuk menguasai kosakata bahasa Nasional yaitu bahasa Indonesia dan bahasa Daerah tempat tinggal masing-masing. Seperti penduduk jawa menguasai dua bahasa yang sering digunakan untuk berkomunikasi yaitu bahasa Indonesia sebagai bahasa pemersatu dan bahasa daerah yaitu bahasa jawa sebagai bahasa sehari-hari. Jawa merupakan sebuah pulau padat penduduk karena terdapat pusat pemerintahan, dengan begitu banyak pendatang dari luar pulau. Para pendatang tersebut terkadang ingin mengetahui kebudayaan jawa dari segi bahasa maupun sejarahnya. Misalnya dari segi bahasa, yaitu bahasa jawa beserta dengan huruf jawa biasa disebut dengan aksara jawa. Sayangnya, hanya sedikit orang yang mampu memahami aksara yang rumit ini. Sehingga untuk memahami huruf jawa secara efisien, diperlukan sebuah sistem pengenalan untuk mengenali huruf jawa tersebut yang diharapkan lebih dapat dimengerti secara umum oleh masyarakat. Dengan menerapkan salah satu contoh aplikasi computer vision masyarakat bisa mengenali beberapa huruf jawa secara real time. Computer vision adalah proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi data, pengolahan citra, klasifikasi, pengenalan, dan membuat keputusan [1]. Sudah ada penelitian mengenai pengenalan aksara jawa, antara lain oleh Wastu [2]. Metode yang digunakan untuk sistem pengenalan aksara jawa adalah Hidden Markov Models. Selain itu penulis juga menemukan penelitian yang berkaitan dengan pengenalan karakter huruf, diantaranya pernah diteliti oleh Kurniawan [3] tentang pengenalan huruf Jepang Hiragana menggunakan perluasan metode Feature point Extraction dan metode perbandingan dengan mengukur jarak Euclidean. Pada penelitian sebelumnya pengenalan huruf jawa maupun pengenalan huruf jepang hiragana belum. 1.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 2. dilakukan secara real time dan belum menyelidiki pengaruh variasi rotasi serta penskalaan. Maka penulis ingin membuat suatu pengenalan secara real time huruf jawa jenis cetak menggunakan ekstraksi ciri Wavelet dan fungsi jarak Euclidean dengan menyelidiki pengaruh variasi rotasi serta penskalaan.. 1.2. Tujuan dan Manfaat Penelitian Tujuan yang akan dicapai dalam penulisan ini adalah menerapkan salah satu. contoh aplikasi computer vision yang dapat mengenali beberapa huruf jawa jenis cetak secara real time menggunakan ekstraksi ciri Wavelet dan metode pengukuran jarak euclidean. Manfaat penelitian ini adalah sebagai dasar untuk penelitian selanjutnya dalam mengenali nama jalan dengan tulisan jawa yang berada di pinggir jalan, prasasti dan buku dengan tulisan jawa.. 1.3. Batasan Masalah Pembahasan dan penyelesaian masalah pada tugas akhir ini dibatasi pada:. 1.. Pengenalan huruf jawa carakan jenis cetak dengan ukuran huruf 6,8x3 cm dan ukuran template 10x5 cm. Huruf jawa berasal dari poster huruf jawa (lihat lampiran).. 2.. Huruf jawa carakan jenis cetak yang yang akan dikenali terdiri dari 1 huruf.. 3.. Hasil pengenalan yang sudah ditentukan di luar huruf jawa akan dikenali, tetapi hasilnya keliru.. 4.. Gambar huruf jawa untuk pengujian akan menggunakan variasi rotasi -10o, -5o, 0o, 5o, 10o dan penskalaan 90%, 95%, 100%, 105%, 110%. Variasi rotasi untuk mensimulasikan. kamera. yang. berputar.. Variasi. penskalaan. untuk. mensimulasikan kamera yang naik turun. 5.. Menggunakan ekstraksi ciri wavelet Haar.. 6.. Menggunakan fungsi jarak Euclidean untuk metode pengenalan pola.. 7.. Hasil pengenalan secara real time.. 8.. Menggunakan webcam merk Logitech seri C170h yang diletakkan tegak lurus diatas poster huruf jawa dengan jarak 26cm.. 9.. Menggunakan software Matlab R2010a dalam pembuatan program.. 10.. Resizing citra yang digunakan ukurannya bervariasi seperti 64x128, 32x64, 16x32, 8x16 piksel..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 11.. 3. Nilai desimasi yang digunakan pada tahap ekstraksi ciri bervariasi seperti 1, 2, 3, 4, 5.. 12.. Pencahayaan menggunakan dua buah lampu LED 5 watt dengan jarak lampu ke objek 21 cm.. 13.. Hasil keluaran berupa teks di layar monitor dengan tambahan suara melalui speaker.. 1.4. Metodologi Penelitian Berdasarkan pada tujuan yang ingin dicapai metode-metode yang digunakan. dalam penyusunan tugas akhir ini adalah: 1.. Pengumpulan bahan-bahan referensi berupa buku-buku dan jurnal-jurnal ilmiah mengenai pengenalan suatu objek, pemograman matlab, image processing, Wavelet ,dan Euclidean.. 2.. Perancangan subsistem software Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor–faktor permasalahan dan kebutuhan yang ditentukan.. 3.. Pembuatan subsistem software Sistem akan bekerja apabila user menekan tombol push button yang sudah disediakan dalam software. Sebelum user memberikan interupsi untuk memulai pengenalan huruf jawa jenis cetak. Sistem akan mengolah data yang diterima dari webcam terlebih dahulu dan mulai menampilkan proses menampilkan video (record) sampai user memberikan perintah untuk pengambilan gambar (capture). Kemudian, Matlab akan mengolah huruf jawa jenis cetak dan menyajikan sebagai sebuah informasi.. 4.. Analisa data yang pertama dilakukan dengan menyelidiki pengaruh variasi resizing (ukuran citra) dan desimasi terhadap tingkat pengenalan. Penyimpulan hasil dilakukan untuk mencari ukuran resizing dan desimasi yang terbaik yang menghasilkan tingkat pengenalan yang optimal. Analisa data yang kedua adalah menyelidiki pengaruh penskalaan dan rotasi terhadap tingkat pengenalan. Penyimpulan akhir dilakukan untuk mengetahui kinerja sistem pengenalan terhadap pengaruh skala dan rotasi pada citra input..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB II DASAR TEORI. 2.1. Aksara Jawa. 2.1.1. Aksara Carakan Carakan (abjad Jawa) yang digunakan di dalam ejaan bahasa Jawa pada dasarnya terdiri atas 20 aksara pokok (lihat gambar 2.1) yang bersifat silabik (bersifat kesukukataan) [4].. Gambar 2.1 Aksara jawaCarakan. 2.2. Pengolahan Citra Sesungguhnya citra merupakan suatu fungsi intensitas dalam bidang dua dimensi.. Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai x, y, dan nilai amplitudo f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital. Gambar 2.2 menunjukkan posisi koordinat citra digital [5].. 4.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 5. Gambar 2.2 Koordinat citra digital Citra digital terdiri dari sejumlah elemen tertentu, setiap elemen mempunyai lokasi dan nilai tertentu. Elemen–elemen ini disebut picture element, image element, pels dan pixels. Istilah terakhir (pixel) paling sering digunakan pada citra digital.. 2.2.1 Ruang Warna RGB[6] Ruang warna RGB biasa diterapkan pada monitor CRT dan kebanyakan sistem grafika komputer. Ruang warna ini menggunakan tiga komponen dasar yaitu merah (R), hijau (G), dan biru (B). Setiap piksel dibentuk oleh ketiga komponen tersebut. Model RGB biasa disajikan dalam bentuk kubus tiga dimensi, dengan warna merah, hijau, dan biru berada pada pojok sumbu (Gambar 2.3). Warna hitam berada pada titik asal dan warna putih berada di ujung kubus yang berseberangan. Gambar 2.3 memperlihatkan kubus warna secara nyata dengan resolusi 24 bit. Perlu diketahui, dengan menggunakan 24 bit, jumlah warna mencapai 16.777.216 [6].. Gambar 2.3Skema ruang warna RGB dalam bentuk kubus.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 6. 2.2.2 Citra Grayscale Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain nilai bagian RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkatan keabuan di sini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale memiliki kedalaman warna 8 bit (256 kombinasi warna keabuan) [5]. Mengubah citra berwarna menjadi citra grayscale adalah proses awal yang dilakukan dalam pengolahan citra. Citra RGB diubah ke dalam grayscale dapat dilakukan dengan menggunakan persamaan (2.1) sebagai berikut:. 𝑆=. 𝑅 +𝐺 +𝐵 3. (2.1). di mana: R,G,B : Red, Green, Blue S. : nilai grayscale. 2.2.3 Cropping dan Resizing Salah satu jenis transformasi geometri atau perubahan bentuk adalah proses pemotongan citra (cropping) yang bertujuan untuk mengambil elemen citra yang diinginkan pada citra digital. Hal ini dilakukan untuk mendapatkan data yang tepat sehingga memudahkan dalam proses pengolahan data. Gambar 2.4 di bawah ini merupakan contoh gambar hasil cropping.. Gambar 2.4 Contoh hasil cropping.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 7. Penentuan titik yang akan diambil yaitu menggunakan matrik_titiksudut_crop yaitu yang merepresentasikan nilai [x,y,a,b] dimana x dan y adalah titik awal (sudut kiri atas) dari image yang akan dicrop sedangkan a adalah jumlah piksel memanjang kearah sumbu-x dan b adalah jumlahpiksel ke arah sumbu-y. Rezising citra adalah proses mengubah besar kecilnya ukuran citra dalam piksel. Pada tahap ini hanya ukuran pikseldan matriksnya yang dirubah, untuk tampilan citra tidak ada yang berubah.. 2.2.4Transformasi Affine (Affine Transformation)[5] Metode transformasi Affine ini menggabungkan proses dasar seperti rotasi dan penskalaan ke dalam satu proses untuk mendapatkan citra output yang diinginkan.. Secara matematis rumus transformasi Affine adalah sebagai berikut. 𝑥2 𝑥1 𝑦2 = 𝐴 × 𝑦1 + 𝐵. (2.2). Proses penskalaan didapat dengan mengganti nilai A dan B dengan nilai sebagai berikut. 𝐴=. 𝑆𝑃 0. 0 𝑆𝑙. (2.3). 𝐵=. 0 0. (2.4). Sehingga didapatkan rumus pengganti untuk proses penskalaan adalah sebagai berikut. 𝑥2 𝑆𝑃 𝑦2 = 0. 𝑥1 0 0 × 𝑦 + 𝑆𝑙 1 0. (2.5). Sehingga: 𝑥2 𝑆𝑃 = 𝑦2 0. 𝑥1 0 × 𝑦 𝑆𝑙 1. (2.6). Rumus diatas menggambarkan sebuah proses linear penskalaan dalam satu proses.. Penskalaan adalah sebuah operasi geometri yang memberikan efek memperbesar atau memperkecil ukuran citra input sesuai dengan variable penskalaan citranya. Ukuran baru hasil penskalaan didapat melalui perkalian antara ukuran citra input dengan variable penskalaan. Proses penskalaan dapat dilakukan dengan rumus: 𝑃𝑜 = 𝑆𝑃 × 𝑃𝑖 𝐿𝑜 = 𝑆𝑙 × 𝐿𝑖. (2.7) (2.8) (𝑃𝑖 , 𝐿𝑖 ). adalah ukuran citra input, (𝑃0 , 𝐿0 ) adalah ukuran citra output, dan (𝑆𝑃 , 𝑆𝑙 ) adalah variable pensklaan yang diinginkan. Jika variabel pensklaan bernilai lebih besar dari 1 maka hasil.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 8. penskalannya akan memperbesar ukuran citra, sebaliknya apabila variabel pensklaannya lebih kecil dari 1 maka hasilnya akan memperkecil ukuran citra. Gambar 2.5 berikut ini menunjukkan hasil implementasi dari proses penskalaan sebesar 64x128.. 20. 20. 40. 40. 60. 60. 80. 80. 100. 100. 120 50. 100. 150. 200. (a). 50. 100. 150. 200. (b). Gambar 2.5 Proses penskalaanpada citra potongan huruf. (a ) Citra sebelum penskalaan(b) citra setelah penskalaan64x128. 2.3. Pengenalan Pola Mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh. mesin (dalam hal komputer). Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskirpsi objek di dalam citra.. 2.4. Wavelet. 2.4.1Wavelet secara umum Menurut Sydney (1998), Wavelet merupakan gelombang mini (small wave) yang mempunyai kemampuan mengelompokkan energi citra dan terkonsentrasi pada sekelompok kecil koefisien, sedangkan kelompok koefisien lainnya hanya mengandung sedikit energi yang dapat dihilangkan tanpa mengurangi nilai informasinya. Wavelettelah banyak digunakan di berbagai bidang seperti pengolahan citra. Wavelet biasa digunakan untuk menyajikan data atau fungsi ke dalam komponen-komponen frekuensi yang.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 9. berlainan. Proses ini dinamakan dekomposisi, dan kemudian mengkaji setiap komponen dengan suartu resolusi yang sesuai dengan skalanya.Transformasi wavelet merupakan pengubahan sinyal kedalam berbagai wavelet basis dengan berbagai pergeseran dan penyekalaan, oleh karena itu koefisien wavelet dari beberapa skala atau resolusi dapat dihitung dari koefisien wavelet pada resolusi tinggi berikutnya. Hal ini memungkinkan mengimplementasikan transformasi wavelet menggunakan struktur pohon yang dikenal sebagai algoritma piramid (pyramid algorithm), bisa dilihat pada gambar 2.6 [7]. kolom h(n). baris h(n). 2. 1. 1. 2. 𝐶𝐴𝑗 +1. (ℎ). 𝐶𝐷𝑗 +1. kolom h(n). baris g(n). 2. 1. (𝑣). 1 2 𝐶𝐷 𝑗 +1. kolom g(n). baris X kolom X. 2. kolom g(n). CAj. 1. 1. 2. (𝑑). 𝐶𝐷𝑗 +1. : konvolusikan baris dengan tapis g(n) atau h(n) : konvolusikan kolom dengan tapis g(n) atau h(n). 21 1 : downsampling dengan menjaga kolom yang genap 2 :1downsampling dengan menjaga baris yang genap Gambar 2.6Algoritma pyramid. Dekomposisi wavelet satu level berdasarkan algoritma piramid; h(n) adalah tapis pelewat bawah; g(n) adalah tapis pelewat atas; (ℎ). (𝑣). (𝑑). CAj(LL) adalah koefisien rerata; 𝐶𝐷𝑗 (HL), 𝐶𝐷𝑗 (LH), dan 𝐶𝐷𝑗 masing-masing adalah koefisien detil horisontal, vertikal dan diagonal. (HH).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 10. Proses dekomposisi tersebut dapat dilakukan sebanyak lebih dari satu kali, yaitu sebanyak jumlah level yang telah ditentukan sebelumnya. Untuk melakukan dekomposisi lebih dari satu kali, proses dekomposisi selanjutnya dilakukan dekomposisi pada koeficien aproksimasi (cA) atau LL, karena berisi sebagian besar dari informasi citra. Kemudian didapat 4 subband lagi, yaitu LL1, LH1, HL1 dan HH1. Begitu seterusnya hingga mencapai level yang diinginkan. Sebagai contoh, terdapat citra dengan matriks input sebagai berikut: 1 𝑀= 5 2 7. 2 8 5 4. 3 2 8 7. 2 6 9 4. filter lowpass dan filter highpass dengan jenis haar adalah sebagai berikut: 1. 1. 2. 𝐿𝑜𝑤𝑝𝑎𝑠𝑠 =. 2. 0 0. 1. 0 0 1. 𝐻𝑖𝑔ℎ𝑝𝑎𝑠𝑠 =. 1. 2. 2. −. 1 1. 0 0. 2. 0 0. 2. 2. −. 1 2. Langkah pertama adalah mengalikan filter lowpass dengan matriks M terhadap baris. Untuk memudahkan perkalian terhadap baris dilakukan transpose pada matriks M, sehingga didapat :. Kemudian. dilakukan. 2 5 8 9. 7 4 7 4. 1 𝑀 = 2 3 4. 5 8 2 6. perkalian. matriks. 𝑇. MT dengan. filter lowpass yang. menghasilkan matriks D1T. 1 D1T. =. 1. 2 0 0 Untuk. 2. 1 × 2 1 3 4 2. 0 0 1 2. mengembalikan. 5 8 2 6 ke. 2 5 8 9. 7 4 = 2,1213 7 3,5355 4. baris. prosestranspose kembali pada matriks D1T. dan. 9,1923 5,6568. kolom. 4,9497 7,7781 12,0207 7,7781. sebenarnya,. dilakukan.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2,1213 9,1923 𝐷1 = 4,9497 7,7781. 11. 3,5355 5,6568 12,0207 7,7781. Langkah selanjutnya adalah melakukan perkalian filter lowpass dengan matriks D1 terhadap kolom. Proses tersebut menghasilkan matriks D2, sebagai berikut : 1 𝐷2 =. 1. 2. 0. 2. 2,1213 3,5355 9,1923 5,6568 8 × = 1 4,9497 12,0207 9 7,7781 7,7781 2. 0. 1. 0 0. 2. 6,5 14. Matriks D2 ini yang disebut dengan koeficien aproksimasi (LL). Untuk mencari nilai HL, LH dan HH, sama seperti langkah diatas, namun dilakukan dengan mengalikan filter lowpass terhadap baris dan filter highpass terhadap kolom untuk HL, mengalikan filter highpass terhadap baris dan filter lowpass terhadap kolom untuk LH dan mengalikan filter highpass terhadap baris dan kolom untuk HH.. 2.4.2Wavelet Haar[5] Haar adalah wavelet paling tua dan paling sederhana, diperkenalkan oleh Alfred 1 1. Haar pada tahun 1909. Koefisien transformasi h0 = (h0(0), h0(1)) = 2 , 2 (tapis low pass) dan h1 = (h1(0), h1(1)) =. 1 2. 1. , − 2 (tapis high pass) ini merupakan fungsi basis wavelet Haar.. Pada citra, tapis high pass dan tapis low pass dapat direpresentasikan sebagai matriks 2D. Dekomposisi perataan dan pengurangan yang telah dilakukan sebelumnya sebenarnya sama dengan melakukan dekomposisi (transformasi) citra dengan wavelet Haar. Kedua tapis tersebut bersifat ortogonal namun tidak ortonormal. Tapis Haar yang bersifat ortogonal dan juga ortonormal adalah: h0 =. 1 2. ,. 1 2. (2.9) h1 =. 1 2. ,−. 1 2. (2.10).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 12. Haar Wavelet. 1 0.5 0 -0.5 -1 0. 0.5. 1. Gambar 2.7 Wavelet Haar. 2.4.3 Konvolusi Konvolusi merupakan sebuah operasi matematika sederhana yang umum digunakan pada pengolahan citra. Jika ada dua barisan u dan hmaka hasil konvolusinya (y) dinyatakan dengan persamaan: ∞. 𝑦𝑘 =. 𝑢𝑗 ℎ𝑘−𝑗. (2.11). 𝑗 =−∞. Di mana Notasi ringkas yang digunakan bagi konvolusi adalah. 𝑦𝑘 = 𝑢𝑘 ∗ ℎ𝑘 atau𝑦 = 𝑢 ∗ ℎ. 2.12). Yang berarti juga bahwa konvolusi adalah komutatif (dapat dipertukarkan), yaitu: 𝑦 = ℎ∗𝑢 = 𝑢∗ℎ. (2.13). Dengan menggunakan cara matriks, dapat memudahkan dalam perhitungan tersebut seperti gambar 2.7 merupakan contoh penyelesaian sebuah konvolusi dari dua baris u = {1 2 3} dan h = {1 3 5 7} [8]..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 13. Gambar 2.8Representasi matriks dari penjumlahan konvolusi, y = [1 5 14 26 29 21] Berdasarkan masukan yang diterima dapat digunakan sebagai low pass filter. Low pass filter dari sinyal x(n) dengan masukan w(n) merupakan suatu proses konvolusi antara x(n) dengan w(n). Bila sinyal x(n) memiliki panjang yang terbatas, dan juga ujung-ujung sinyalnya diskontinu, akan memunculkan distorsi pada ujung-ujung sinyal hasil konvolusinya. Ada suatu metode memperpanjang sinyal x(n) dengan cara sinyal pengulangan yang disebut periodisasi. Metode ini untuk mengatasi masalah akan sinyal x(n) yang memiliki panjang terbatas yang diusulkan oleh Misiti et al[9]. Berikut contoh dari metode tersebut, x(n) = {x(1), x(2), ..., x(M)} yang akan dikonvolusi dengan masukan w(n)= {w(1), w(2), ..., w(N)}, di mana N adalah bilangan genap, dan M>N, sehingga sinyal pengulangan dengan cara periodisasi akan menjadi 𝑥𝑝𝑒𝑟 𝑛 = {𝑥 𝑀 − 𝑛 + 1 , … , 𝑥 𝑀 , 𝑥 1 , … , 𝑥 𝑀 , 𝑥 1 , … , 𝑥 𝑁 − 1 } (2.20) Konvolusi sinyal yang diperpanjang xper (n) dengan masukan w(n) akan menghasilkan sinyal keluaran 𝑦 𝑛 = 𝑥𝑝𝑒𝑟 𝑛 ∗ ℎ(𝑛). (2.14). atau 𝑦 𝑛 =. 𝑥𝑝𝑒𝑟 𝑗 ℎ 𝑛 + 1 − 𝑗. (2.15). 𝑗. di mana M + N– 1 lebih besar dari panjang x(n). Agar sinyal output memiliki panjang yang sama dengan sinyal input, maka hanya bagian-bagian tertentu dari sinyal output yang dipilih. Contohnya y(n)= {y(1), y(2), … , y(L)}, di mana L= M + N – 1,.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 14. jadi yang dipilihbagian-bagian tertentu dari y(n) adalah 𝑦𝑘𝑒𝑒𝑝 𝑛 = {𝑦 𝑁 + 1 , … , 𝑦 𝑁 + 𝑀 }. 2.5. (2.16). Jarak Euclidean[6] Jarak Euclidean dapat dianggap sebagai jarak yang paling pendek antar dua poin-. poin, dan pada dasarnya sama halnya dengan persamaan Pythagoras ketika digunakan di dalam 2 dimensi. Secara matematis dapat dituliskan di dalam persamaan berikut:. d(i,j)= (𝑖1 − 𝑗1 )2 + (𝑖2 − 𝑗2 )2 + ⋯ (𝑖𝑛 − 𝑗𝑛 )2. (2.17). di mana: d(i,j). : jarak euclidean antara idan j. i. : nilai matriks hasil ekstraksi ciri. j. : nilai matriks dari database Dengan d(i,j) adalah titik koordinat jarak Euclidean. Jika rumus jarak pada dua titik. berbentuk segitiga diukur dengan menggunakan rumus Phytagoras, maka untuk penerapan penghitungan jarak dan kasus yang nyata digunakan rumus jarak Euclidean. Penerapan ini digunakan karena ada banyak faktor yang menentukan jarak yang nyata seperti kecepatan dan bentuk permukaan sehingga penerapan jarak Euclidean tersebut lebih cocok diterapkan pada berbagai kasus.. 2.6. Template Matching Template matching adalah salah satu teknik dalam pengolahan citra digital yang. berfungsi untuk mencocokan tiap-tiap bagian dari suatu citra dengan citra yang menjadi template (acuan). Teknik ini banyak digunakan dalam bidang industri sebagai bagian dari quality control. Metode template matching sering digunakan untuk mengindentifikasi citra karakter huruf, angka, sidik jari (fingerprint) dan aplikasi-aplikasi pencocokan citra lainnya..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 15. Prinsip metode ini adalah membandingkan antara image objek yang akan dikenali dengan image template yang ada. Image objek yang akan dikenali,diukur tingkat kemiripannyadengan masing-masing image template. Pengecekan kemiripan dapat dilakukan menggunakan fungsi jarak ataupun korelasi. Pengenalan dilakukan dengan melihat nilai tingkat kemiripan tertinggi dari image objek tersebut[11].. 2.7. Matlab[12] Matlab adalah sebuah bahasa (pemrograman) dengan unjuk kerja tinggi untuk. komputasi teknis, yang mengintegrasikan komputasi, visualisasi, dan pemrograman di dalam lingkungan yang mudah penggunaannya dalam memecahkan persoalan dengan solusinya yang dinyatakan dengan notasi matematik. Nama MATLAB merupakan singkatan dari ‘matrix laboratory’. Sistem MATLAB terdiri dari 5 bagian utama, yaitu: 1. Bahasa (pemrograman) MATLAB Bagian ini adalah bahasa (pemrograman) tingkat tinggi yang menggunakan matriks/arraydengan. pernyataan. aliran. kendali. program,. struktur. data,. masukan/keluaran, dan fitur-fitur pemrograman berorientasi objek. 2. Lingkungan kerja MATLAB Bagian ini adalah sekumpulan kakas dan fasilitas MATLAB yang digunakan oleh pengguna atau pemrogram. Fasilitas yang dimaksutkan misalnya untuk mengelola variabel di dalam ruang kerja (workspace) dan melakukan impor dan ekspor data. Sedangkan kakas yang disediakan untuk pengembangan, pengelolaan, proses ‘debugging’, dan pembuatan profil M-files untuk aplikasi MATLAB. 3. Penanganan Grafik Bagian ini adalah sistem grafik MATLAB, termasuk perintah-perintah (program) tingkat tinggi untuk visualisasi data dimensi-2 dan dimensi-3, pengolahan citra, animasi, dan presentasi grafik. Selain itu, bagian ini juga termasuk perintahperintah (program) tingkat rendah untuk menetapkan sendiri tampilan grafik seperti halnya membuat antarmuka pengguna grafis untuk aplikasi MATLAB. 4. Pustaka (library) fungsi matematis MATLAB Bagian ini adalah koleksi algoritma komputasi mulai dari fungsi dasar seperti menjumlahkan (sum), menentukan nilai sinus (sine), kosinus (cosine), dan.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 16. aritmatika bilangan kompleks; fungsi-fungsi seperti invers matriks, nilai eigan matriks, fungsi Bessel, dan FFT (fast fourier transform). 5. API (Apllication Program Interface) MATLAB Bagian ini adalah pustaka (library) untuk menuliskan program dalam bahasa C dan Fortran yang berinteraksi dengan MATLAB, termasuk fasilitas untuk memanggil rutin program dari MATLAB (dynamic linking), memanggil MATLAB sebagai. mesin komputasi (computational engine), dan untuk pembacaan serta penulisan MAT-files.. Gambar 2.9Contoh tampilan Matlab. 2.8. Webcam Webcam atau web cameraadalah sebuah kamera video digital kecil yang. dihubungkan ke komputer melalui port USB. Webcam digunakan juga sebagai pengambil citra/gambar yang akan diolah.Gambar yang diambil oleh WebCam ditampilkan ke layar monitor, karena dikendalikan oleh komputer maka ada interface atau port yang digunakan untuk menghubungkan webcamdengan komputer atau jaringan. Ada beberapa orang mengartikan WebCam sebagai Web pages + Camera, karena dengan menggunakan WebCam untuk mengambil gambar video secara aktual bisa langsung di upload bila komputer yang mengendalikan terkoneksi internet [13]. Sebuah web camera yang sederhana terdiri dari sebuah lensa standar, dipasang di sebuah papan sirkuit untuk menangkap sinyal gambar; casing (cover), termasuk casing depan dan casing samping untuk menutupi lensa standar dan memiliki sebuah lubang lensa di casing depan yang berguna untuk memasukkan gambar; kabel support, yang dibuat dari bahan yang fleksibel, salah satu ujungnya dihubungkan dengan papan sirkuit dan ujung.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 17. satu lagi memiliki connector, kabel ini dikontrol untuk menyesuaikan ketinggian, arah dan sudut pandang web camera.. Gambar 2.9 menunjukkan salah satu contoh webcam.. Gambar 2.10 Contoh webcam. 2.9. GUIDE MATLAB[14] GUIDE atau GUI Builder merupakan sebuah Graphical User Interface (GUI) yang. dibangun dengan objek grafis seperti tombol (pushbutton), edit, slider, text, combo,sumbu(axes), maupun menu dan lain-lain untuk kita gunakan. Sebagai contoh, ketikamenggerakkan slider, maka. kita. dapat melihat. perubahan sebuah nilai.. Kemudianketika kita menekan tombol OK, maka aplikasi akan dijalankan. Aplikasi yangmenggunakan GUI umumnya lebih mudah dipelajari dan digunakan karena orangyang menjalankannya tidak perlu mengetahui perintah yang ada dan bagaimanaperintah bekerja. Gambar 3.0 merupakan Blank GUI (Default).. Gambar 2.11 Blank GUI (Default).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB III PERANCANGAN. 3.1. Gambaran Sistem Gambaran sistem yang akan dibuat adalah sistem pengenalan huruf jawa jenis cetak. secara real time. Secara keseluruhan sistem tersebut dapat dilihat pada gambar 3.1 Sudut 65o 21cm. 26cm 26cm 26cm. Gambar 3.1 Gambaran keseluruhan sistem Sistem pengenalan huruf jawa jenis cetak terdiri dari hardware dan software. Hardware yang digunakan adalah potongan huruf jawa, fixture, laptop, lampu dan webcam yang dihubungkan dengan laptop untuk pengambilan citra. Pemrograman Matlab R2010a merupakan software pada laptop yang berfungsi sebagai user interface dalam proses pengenalan.. 3.1.1 Fixture Fixture digunakan sebagai alat pemegang serta dudukan webcam dan serpihan huruf jawa jenis cetak. Fixture yang digunakan terbuat dari kayu. Posisi webcam tegak lurus dengan posisi potongan huruf jawa jenis cetak agar mendapatkan hasil citra yang simetris.. 18.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 19. 3.1.2 Potongan Huruf Jawa Jenis Cetak potongan huruf jawa jenis cetak yang digunakan merupakan potongan dari poster, sesuai dengan poster-poster yang sering digunakan pada umumnya untuk proses pembelajaran anak sekolahan. Potongan huruf jawa yang digunakan mempunyai ukuran template 9x5 cm dengan ukuran huruf yang paling besar adalah 6,8x3, dan dapat dilihat pada contoh gambar 3.2.. gambar 3.2 Contoh potongan huruf jawa. 3.1.3 WebCam Webcam yang digunakan adalah webcam merk Logitech seri c 170h, sebagai perangkat untuk mengambil citra potongan huruf jawa. Pada proses pengambilan citra menggunakan resolusi 640x480. Spesifikasi webcam dapat diihat pada tabel 3.1. Tabel 3.1 Spesifikasi Webcam Logitech c 170h. 3.2. High definition video (HD). VGA. Photo Quality. 5 Megapixel. Video Quality. Good. Focus Type. Always Focused. Auto Light Correction. -. Proses Pengenalan Potongan Huruf Jawa Proses di mana potongan huruf jawa yang dicapture dikenali bentuknya adalah. proses pengenalan potongan huruf jawa. Secara garis besar proses pengenalan terdiri dari empat tahap yaitu pengambilan citra, preprocessing, pengenalan, dan keluaran. Proses pengenalan dapat dilihat pada gambar 3.3..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. Pengambilan citra potongan huruf jawa. Preprocessing. Ekstraksi ciri menggunakan wavelet. Penghitungan fungsi jarak euclidean. Penentuan keluaran. 20. Keluaran berupa teks dan suara. Database potongan huruf. Gambar 3.3 Blok diagram proses pengenalan potongan huruf jawa. Citra masukan berupa potongan huruf jawa masuk ke tahapan pengambilan citra, kemudian tahap preprocessing adalah tahap di mana citra yang telah dikonversi ke dalam bentuk grayscale akan dicropping sebesar citra potongan huruf jawa, setelah citra dicropping selanjutnya citra diresizing sesuai dengan ukuran yang diinginkan. Citra yang telah diresizing menjadi masukan ke tahap selanjutnya adalah tahap pengenalan. Tahap pengenalan terdiri dari ekstraksi ciri, penghitungan fungsi jarak, dan database citra huruf. Terakhir dari tahap pengenalan huruf yaitu tahap penentuan keluaran. Hasil pengenalan huruf ditentukan berdasarkan jarak minimum yang diperoleh setelah proses penghitungan jarak.. 3.2.1 Citra Potongan Huruf Jawa Citra potongan huruf jawa diambil menggunakan webcam, gambar yang akan diambil (capture) oleh webcam akan disimpan dalam satu folder. Jarak pengambilan gambar oleh webcam dengan potongan huruf jawa adalah 21cm dengan sudut kemiringan 65º dan menghasilkan gambar yang fokus. Pada proses ini memakai cahaya sendiri yaitu dengan menggunakan cahaya dua lampu LED 5 watt yang dipasang pada lampu belajar agar tidak bergantung pada cahaya sekitar. Pada proses pengambilan citra, sebelumnya webcam terlebih dulu diinisialisaasi ke dalam program dengan menggunakan fungsi imaqhwinfo. Fungsi imaqhwinfo bertujuan untuk mengetahui nama adaptor dalam webcam tersebut. Kemudian diinisialisasi sesuai nama adaptornya yaitu winvideo dan untuk mengambil citra menggunakan perintah getsnapsot. Berikut ini merupakan perintah program inisialisasi webcam dan pengambilan citra. vidobj = videoinput('winvideo',1,'YUY2_640x480'); preview(vidobj); pause.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 21. frame = getsnapshot(vidobj); stop(vidobj) delete(vidobj) gambar=yuy2torgb(frame); imshow(gambar). 3.2.2 Tahap Preprocessing Preprocessing merupakan proses di mana ada tiga tahap yaitu grayscale, cropping, dan resizing. Secara garis besar dapat dilihat pada gambar 3.4.. Mulai. Input: Citra potongan huruf. Grayscale. Cropping. Resizing. Output: Citra hasil Preprocessing. Selesai. Gambar 3.4 Diagram alir pemrosesan citra Tahap grayscale menggunakan perintah program rgb2gray yang berada di dalam matlab. Fungsinya untuk mengubah citra potongan huruf jawa yang telah diambil menjadi berwarna keabuan. Citra hasil grayscale dapat dilihat pada gambar 3.5..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a). 22. (b). Gambar 3.5 contoh konversi citra potongan huruf dengan RGB (a) menjadi grayscale (b) >> >> >> >>. a=imread('1.jpg'); x=double(rgb2gray(a)); gmbr=x/255; imshow(gmbr). Tahap cropping menggunakan perintah program imcrop (I,*x y Δx Δy+) yang telah disediakan di dalam matlab. Hal tersebut dilakukan untuk memotong bagian citra atau potongan huruf jawa yang tidak digunakan dalam proses pengenalan. Nilai x dan y adalah koordinat pada sumbu x dan y kiri atas ditunjukkan pada Gambar 3.6 bagian a, Δx adalah selisih antara sumbu x kanan atas dengan sumbu x kiri atas ditunjukkan pada Gambar 3.6 bagian b, Δy adalah selisih antara sumbu y kiri bawah dengan sumbu y kiri atas ditunjukkan pada Gambar 3.6 bagian c. Citra hasil cropping dapat dilihat pada gambar 3.6 bagian d.. X: 248 Y: 208 Index: 0.851 RGB: 0.851, 0.851, 0.851. X: 496 Y: 208 Index: 0.3098 RGB: 0.294, 0.294, 0.294. X: 248 Y: 338 Index: 0.8196 RGB: 0.816, 0.816, 0.816. ). (a). (b). (c). 20 40 60 80 100 120 50. 100. 150. 200. (d) Gambar 3.6 Contoh cropping pada citra potongan huruf.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 23. >> a2=imcrop(gmbr,[248 208 248 130]); >> imshow(a2). Tahap resizing menggunakan perintah program imresize. Ukuran resizing yang digunakan akan bervariasi dan ukuran dari ekstraksi ciri wavelet akan menyesuaikan dengan ukuran resizing yang digunakan. Contoh nilai-nilai pikel yang bervariasi seperti 32x64, 16x32, 8x16. Citra hasil resizing dapat dilihat pada gambar 3.7. 20 40. 20. 5. 80. 40. 10. 100. 60. 60. 120 50. 100. 150. 200. (a). 15 10. 20. 30. 20 40 60 80 100120. (b). (c). Gambar 3.7 Contoh resizing pada citra potongan huruf. (a) Citra sebelum diresizing. (b) citra setelah diresizing 64x128. (c) citra gambar a setelah diresizing 16x32 >> a3=imresize(a2,[64 128]); >> imshow(a3); axis on. 3.2.3 Tahap Ekstraksi Ciri Wavelet adalah ekstraksi ciri yang digunakan dalam tahap pengambilan ciri pada suatu citra. Wavelet yang digunakan yaitu wavelet Haar yang memiliki 4 macam filter, tetapi yang digunakan hanya low-pass filter dekomposisi karena hanya bentuk dasar dari citra yang akan dicari. Wavelet Haar dilakukan dengan menerapkan konvolusi dan low-pas filter dekomposisi secara simultan untuk mendapatkan sinyal global. Secara keseluruhan tahap ekstraksi ciri dapat dilihat pada gambar 3.8. Masukan dari proses ekstraksi ciri adalah citra hasil preprocessing yang kemudian akan dikonvolusi dilanjutkan dengan tahap downsampling. Output dari ekstraksi ciri tergantung dari jumlah desimasi (N) yang akan di tentukan oleh user. Tahap ini akan melakukan pengulangan sampai menghasilkan jumlah N=0..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 24. Mulai Input: Citra Hasil Preprocessing Desimasi = N Konvolusi menggunakan wavelet Haar Downsampling. N=N-1 Tidak N=0 Ya Output: Hasil ekstraksi ciri. Selesai. Gambar 3.8 Diagram ekstraksi ciri Tahap konvolusi merupakan tahap untuk melakukan filtering, menggunakan decomposition low pass filter Wavelet Haar. Tahap konvolusi ini berada pada bidang dimensi dua, maka konvolusi diterapkan dua kali yaitu pada kolom dan baris citra input. Dari masukan berupa citra hasil preprocessing yang kemudian akan dikonvolusi per baris dan per kolom (lihat gambar 3.9). Mulai. Input: Citra hasil preprocessing. Konvolusi (1D) dengan ekstensi per baris. Konvolusi (1D) dengan ekstensi per kolom. Output: Hasil Konvolusi 2D. Selesai. Gambar 3.9 Diagram alir konvolusi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 25. Tahap downsampling adalah tahap setelah konvolusi, di mana hasil dari konvolusi merupakan masukan untuk downsampling. Untuk memproses masukan ada dua proses yaitu menghilangkan baris dan kolom ganjil dengan menjaga baris dan kolom genap seperti diperlihatkan pada gambar 3.10 Mulai. Input: Hasil konvolusi 2D. Menghilangkan baris ganjil. Menghilangkan kolom ganjil. Output: Hasil Downsampling(hasil ekstraksi ciri). Selesai. Gambar 3.10 Diagram alir downsampling. 3.2.4 Tahap Fungsi Jarak Tahap fungsi jarak ini adalah tahap membandingkan citra masukan huruf yang dicapture dengan database huruf yang telah dimasukkan sebelumnya. Dalam sistem ini yang digunakan yaitu fungsi jarak Euclidean. Jarak euclidean adalah jarak untuk mencari selisih dari data yang dibandingkan. Hasil dari selisih perbandingan merupakan jarak yang paling pendek yang kemudian akan digunakan dalam proses selanjutnya yaitu penentuan keluaran. Proses fungsi jarak direpresentasikan pada diagram alir gambar 3.11..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 26. Mulai Input: Hasil Ekstraksi ciri masukan, Ekstraksi ciri database Penghitungan jarak: Ekstraksi ciri data masukan dengan ekstraksi ciri database Output: Hasil perhitungan jarak menghasilkan jarak minimum Selesai. Gambar 3.11 Diagram alir fungsi jarak Euclidean. 3.2.5 Penentuan Keluaran Pada proses penentuan keluaran ini hasil pengenalan potongan huruf jawa ditentukan berdasarkan selisih perbandingan jarak yang paling pendek yang didapatkan setelah proses penghitungan jarak. Proses ini adalah bagian sistem terakhir dari proses pengenalan potongan huruf jawa jenis cetak, dapat dilihat pada gambar 3.12.. Mulai. Input: Hasil perhitungan jarak minimum (r). Citra keluaran = jarak minimum (r). Output: Hasil berupa teks dan suara. Selesai. Gambar 3.12 Diagram alir penentuan keluaran.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 3.3. 27. Perancangan Database Huruf Pada sistem pengenalan huruf jawa jenis cetak ada sebuah penentuan yang. digunakan sebagai acuan dalam pengenalan yaitu database. Database akan dibandingkan dengan citra masukan huruf yang telah dicapture. Perancangan database pada sistem pengenalan ini terdiri dari 20 huruf aksara jawa yaitu ha na ca...ba tha nga. Gambar 3.13 menunjukkan blok diagram perancangan database.. Pengambilan citra. preprocessing. Ekstraksi ciri menggunakan wavelet. Database potongan huruf. Gambar 3.13 Blok diagram perancangan database. Dalam penelitian ini, terdapat 14 set database huruf jawa yang dibuat berdasarkan kombinasi nilai–nilai yang akan dievaluasi. Nilai yang dievaluasi dapat dilihat pada tabel 3.2. Tabel 3.2 Jumlah kombinasi set database Dari (pixel). Ke (pixel) 2x4. 3.4. 8x16. 2. 16x32. 3. 32x64. 4. 64x128. 5. Jumlah keseluruhan. 14. Huruf Uji Huruf uji diambil setelah pengguna menekan tombol “Ambil Gambar”. Hasil citra. atau sampel diambil dengan posisi potongan huruf jawa jenis cetak sudah tetap dan menggunakan pencahayaan yang sudah ditentukan. Proses yang berlangsung meliputi input.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 28. citra potongan huruf jawa jenis cetak, preprocessing, ekstraksi ciri wavelet, dan fungsi jarak euclidean. Hasil proses tersebut disimpan dan kemudian diproses kembali untuk mendapatkan hasil pengenalan potongan huruf jawa jenis cetak secara real time.. 3.5. Perancangan Tampilan GUI Tampilan interface pada perancangan sistem pengenalan huruf menggunakan GUI. (Graphical User Interface) matlab yang bertujuan untuk membantu dalam proses pengenalan huruf. Secara keseluruhan sistem tersebut dapat dilihat pada gambar 3.14.. Sketsa Perancangan GUI Camera. Variasi Desimasi. Preprocessing. Cropping. Resizing. Variasi Resizing. Kamera aktif. Ambil gambar Proses. Keluaran berupa huruf. Keluaran berupa suara. Ekstraksi CIri Reset Hasil wavelet Keluar Page 1. Gambar 3.14. Sketsa perancangan GUI.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB IV HASIL DAN PEMBAHASAN. Sistem program yang telah dirancang akan dilakukan sebuah pengujian. Dari pengujian tersebut muncul hasil berupa data-data. Dalam bab ini membahas mengenai hasil pengujian sistem program tersebut dalam melakukan pengenalan huruf jawa carakan. Pengujian sisterm perlu dilakukan untuk mengetahui suatu sistem dapat bekerja dengan baik sesuai dengan perncangan.. 4.1. Pengujian Program Pengenalan Huruf Jawa Carakan secara Real. Time Pengujian sistem program bertujuan untuk mengetahui suatu sistem dapat bekerja dengan baik sesuai perncangan yang sudah dibuat sebelumnya. Pada pengujian program menggunakan laptop dengan spesifikasi sebagai berikut: a. Processor Intel(R) Core(TM) i5-2430M CPU @ 2.40GHz b. RAM 2 GB c. Matlab R2010a d. Tipesistem operasi32 bit Di bawah ini adalah proses untuk menjalankan program pengenalan huruf aksara jawa carakan: 1. Mengklik dua kali icon Matlab R2010apada layar dekstop seperti gambar 4.1. Gambar 4.1. Icon Matlab R2010a. 29.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 30. 2. Setelah melakukan langkah 1, akan muncul tampilan awal software Matlab seperti pada gambar 4.2.. Gambar 4.2. Tampilan awal Matlab R2010a 3. Perlu memastikan terlebih dahulu pada Current Directory(1) sebelum membuka tampilan program utama dari software Matlab, sudah sesuai dengan tempat penyimpanan program yang telah dirancang. 4. Kemudian ketik mulai pada command window untuk memunculkan tampilan jendela pengenalan huruf jawa carakan seperti yang ditunjukkan pada gambar 4.3, klik run untuk menjalankan program. 5. Setelah di run, akan muncul tampilan seperti gambar 4.4.. 4.1.1. Tombol Kamera Aktif Tombol kamera aktif digunakan untuk menghubungkan antara webcam dengan Matlab dan kemudian ditampilkan ke dalam proses pengenalan huruf jawa carakan. Proses tombol kamera aktif sebagai berikut: % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',1);.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 31. vidobj = videoinput('winvideo',1,'YUY2_640x480'); vidobj.FramesPerTrigger = 1 ; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes2); preview(vidobj, hImage);. Perintah program imaqhwinfo dijalankan sebelum memulai mengambil data dari video kamera untuk memastikan adapter kamera terbaca dengan baik. Secara garis besar perintah program tersebutuntuk menampilkan informasi yang akan disampaikan oleh webcam dan kemudian informasi tersebut akan diinisialisasi di dalam program agar antara webcam dengan software Matlab dapat melakukan komunikasi. Dalam proses tersebut yang tertampil seperti video resolusi, lebar, panjang, port webcam, dan band dari video. Handle Image telah didapatkan maka perintah program preview dapat berjalan yang berfungsi untuk menampilkan video pada saat kamera aktif dengan inisialisasi yang telah digunakan.. 4.1.2. Tombol Ambil Gambar Tombol ambil gambar digunakan untuk meng-capture potongan gambar huruf jawa carakan yang akan dikenali dalam proses pengenalan citra. Program tombol ambil gambar sebagai berikut: % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',1); vidobj = videoinput('winvideo',1,'YUY2_640x480'); vidobj.FramesPerTrigger = 1 ; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640 ; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes2); preview(vidobj, hImage);. Perintah program di atas sama dengan program pada “tombol kamera aktif” tetapi pada “tombol ambil gambar” ditambah dengan perintah grayscale yang berfungsi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 32. mengubah warna citra menjadi keabu-abuan. Citra berwarna keabu-abuan karena pada saat preprocessing citra yang telah dicapture harus mengalami proses grayscale. start(vidobj); pause(1); trigger(vidobj); stoppreview(vidobj); capt1=double(getdata(vidobj)); gambar=yuy2torgb1(capt1);. Perintah program getdata adalah untuk capturing citra pada saat webcam dalam kondisi aktif. handles.b=gambar; guidata(hObject,handles) axes(handles.axes2); imshow(gambar). Citra yang sudah mengalami capturing akan diinisialisasi menggunakan handles agar dapat dipanggil dalam file figure maupun file.m, kemudian akan tampil pada axes2.. 4.1.3. Pop-Up Menu Pop-up menu digunakan untuk memilih variasi ukuran atau nilai yang diinginkan sebelum melanjutkan ke tombol proses pengenalan. Variasi tersebut terdapat pada pop-up menu1 dan pop-up menu2. Perintah program yang digunakan pada pop-up menu1 adalah sebagai berikut: % --- Executes on selection change in popupmenu3. function popupmenu3_Callback(hObject, eventdata, handles) % hObject handle to popupmenu3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) indeks=get(handles.popupmenu3,'Value'); switch indeks case 2 des=1; case 3 des=2; case 4 des=3; case 5 des=4; case 6 des=5; end handles.des=des; guidata(hObject,handles);.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 33. Program di atas adalah pemilihan nilai variasi desimasi. Nilai variasi desimasi diinisialisasi dengan nama “des” yang terdiri dari nilai 1,2,3,4, dan 5. Inisialisasi kata “des” diubah menjadi “handles.des” agar nilai desimasi yang telah dipilih oleh user dapat dikenali sebagai bahasa program untuk proses selanjutnya. Perintah program yang digunakan pada pop-up menu2 adalah sebagai berikut: % --- Executes on selection change in popupmenu4. function popupmenu4_Callback(hObject, eventdata, handles) % hObject handle to popupmenu4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) indeks=get(handles.popupmenu4,'Value'); switch indeks case 2 ukuran=64; case 3 ukuran=32; case 4 ukuran=16; case 5 ukuran=8; end handles.ukuran=ukuran; guidata(hObject,handles);. Program pada pop-up menu2 hampirsama dengan program pop-up menu1, yang membedakan adalah pada pop-up menu2 untuk pemilihan nilai variasi resizing. Nilai variasi resizing diinisialisasi dengan nama “ukuran”yang terdiri dari nilai 64(64x128), 32(32x64), 16(16x32), dan 8(8x16). Kata “handles” pada program di atas sama dengan di program pop-up menu1yaituuntukmembuat agar nilairesizing yang telahdipilihuser dapatdikenalisebagaibahasa program untuklangkahselanjutnya.. 4.1.4. Tombol Proses Tombol proses adalah tombol yang berfungsi untuk menjalankan proses pengenalan mulai dari processing yang terdiri dari cropping dan resizing, ekstraksi ciri, jarak Euclidean dan hasil keluaran berupa teks. Tombol proses ini berkaitan dengan yang sudah dibahas pada bab III pada gambar 3.4 tentang diagram alir pemrosesan citra Berikut adalah program dari tombol proses: % --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % handles. 34. structure with handles and user data (see GUIDATA). ukuran=handles.ukuran; des=handles.des; if (ukuran==64) &(des==1) load dB1r64d1; elseif (ukuran==64) &(des==2) load dB1r64d2; elseif (ukuran==64) &(des==3) load dB1r64d3; elseif (ukuran==64) &(des==4) load dB1r64d4; elseif (ukuran==64) &(des==5) load dB1r64d5; elseif (ukuran==32) &(des==1) load dB1r32d1; elseif (ukuran==32) &(des==2) load dB1r32d2; elseif (ukuran==32) &(des==3) load dB1r32d3; elseif (ukuran==32) &(des==4) load dB1r32d4; elseif (ukuran==16) &(des==1) load dB1r16d1; elseif (ukuran==16) &(des==2) load dB1r16d2; elseif (ukuran==16) &(des==3) load dB1r16d3; elseif (ukuran==8) &(des==1) load dB1r8d1; elseif (ukuran==8) &(des==2) load dB1r8d2; else set(handles.text9,'string','Pilihan Salah'); return end. Tombol proses dapat berjalan setelah memilih variasi desimasi dan resizing. Program di atas merupakan bagian dari tombol proses yaitu untuk mengeluarkan database yang akan. dibandingkan. dalam. perhitungan. jarak.. Pengeluaran. menyesuaikan pemilihan pop-up menu yang telah dipilih oleh user. %Proses Grayscale x0=handles.b; axes(handles.axes2); x0=double(rgb2gray(x0)); x1=x0/255; imshow(x1) axis on %Proses Cropping x1=handles.b; axes(handles.axes3); x2=imcrop(x1,[154 203 246 121]); mx2=max(x2(:));. databasepembanding.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 35. x2=x2/mx2; x2=1-x2; mx2a=max(x2(:)); x2=x2/mx2a; imshow(x2) axis on. Perintah program di atas adalah proses cropping yang berfungsi untuk memotong gambar yang tidak digunakan dalam proses pengenalan. Proses cropping dilakukan secara manual yaitu dengan mencari koordinat x dan y, kemudian dari nilai koordinat tersebut dimasukkan ke dalam program dengan perintah imcrop yang telah disediakan di dalam Matlab. %Proses Resizing axes(handles.axes4); if ukuran==128 ukuran=[128,256]; elseif ukuran==64 ukuran=[64,128]; elseif ukuran==32 ukuran=[32,64]; elseif ukuran==16 ukuran=[16,32]; elseif ukuran==8 ukuran=[8,16]; end x3=imresize(x2,ukuran); imshow(x3) axis on. Program di atas adalah proses resizing. Perintah program imresize berfungsi untuk mengeksekusi ukuran resizing yang akan digunakan dalam pengenalan. Ukuran resizing gambar yang akan digunakan, menyesuaikan pilihan yang telah dipilih oleh user. x4=xcwav2(x3,des); axes(handles.axes5); mx4=max(x4(:)); nx4=x4/mx4; imshow(nx4) axis on x4=x4(:);. Program di atas adalah proses ekstraksi ciri. Program ini berkaitan dengan yang sudah dibahas pada bab III pada gambar 3.8 tentang diagram ekstraksi ciri. Perintah program “xcwav2” berfungsi untuk memanggil fungsi ekstraksi ciri. Ekstraksi ciri yang digunakan yaitu wavelet haar. Input dari program di atas adalah “x3”, x3 sendiri merupakan hasil proses resizing dan “des” adalah nilai desimasi hasil pilihan user dari.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 36. pop-up menu.Output dari fungsi “xcwav2” adalah x4, yang merupakan hasil dari ekstraksi cirri wavelet haar. for n=1:180 r(n)=jarak(x4,z(:,n)); end. Program di atas adalah program untuk menghitung jarak antara citra input dengan citra database. Program ini berkaitan dengan perancangan pada bab III gambar 3.11 diagram alir fungsi jarak euclidean. minr=min(r) b1=find(minr==r) b2=ceil(b1/9);. Program di atas adalah program untuk mencari nilai minimum dari perhitungan jarak Euclidean yang diinisialisasi dengan nama b1. Inisialisasi dengan nama b2 adalah letak dari nilai terkecil tersebut. z2={'ha_','na_','ca_','ra_','ka_','da_','ta_','sa_','wa_','la_','pa_',... 'dha','ja_','ya_','nya','ma_','ga_','ba_','tha','nga'}; y1=z2(b2) set(handles.edit3,'string',y1);. Program di atas adalah program penamaan keluaran teks dari 20 huruf aksara jawa carakan. Variabel z2 merupakan inisialisasi dari 20 huruf aksara jawa carakan. Nilai yang paling minimum akan dipanggil sesuai nama inisialisasi dan kemudian ditampilkan ke dalam file figure dengan menggunakan set.. if (b2==1); y=wavread('Ha.wav'); sound(y,8000) elseif (b2==2); y=wavread('Na.wav'); sound(y,8000) elseif (b2==3); y=wavread('Ca.wav'); sound(y,8000) elseif (b2==4); y=wavread('Ra.wav'); sound(y,8000) elseif (b2==5); y=wavread('Ka.wav'); sound(y,8000) elseif (b2==6); y=wavread('Da.wav'); sound(y,8000) elseif (b2==7); y=wavread('Ta.wav');.