i
SASTRA JAWA MENGGUNAKAN ALGORITMA WATERSHED
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik
Jurusan Teknik Informatika
Oleh :
Kartono Pinaryanto 055314067
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
i
OF THE JAVANESE LITERATURE DOCUMENT TEXT IMAGE
USING ALGORITHM WATERSHED
A THESIS
Presented as a Partial Fulfillment of the Requirements To Obtain Sarjana Teknik Degree
In Informatics Engineering
By :
Kartono Pinaryanto
055314067
INFORMATICS ENGINEERING STUDY PROGRAM
INFORMATICS ENGINEERING DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
iv
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.
Yogyakarta, 29 Juli 2009 Penulis
v
Dokumen teks sastra jawa merupakan akar budaya bangsa Indonesia yang perlu dilestarikan. Pengenalan huruf pada sebuah citra dokumen teks sastra Jawa adalah salah satu cara untuk melestarikan kebudayaan tersebut. Segmentasi adalah salah satu proses dalam pengolahan citra pada citra dokumen teks yang bertujuan untuk memisahkan obyek-obyek yang ada pada citra dokumen teks. Hasil pemisahan obyek tersebut akan digunakan sebagai masukan untuk proses pengenalan huruf citra dokumen teks sastra Jawa.
Pada tugas akhir ini dibuat perangkat lunak untuk melakukan segmentasi citra dokumen teks sastra Jawa menggunakan algoritma watershed. Algoritma watershed menganggap sebuah citra merupakan bentuk tiga dimensi yaitu posisi x, posisi y dan tinggi dengan tingkat warna piksel paling gelap menjadi dasarnya. Data masukan untuk perangkat lunak ini adalah sebuah file gambar dengan format *.jpg. Perangkat lunak ini dikembangkan dengan menggunakan bahasa pemrograman Java dan bahasa pemrograman MATLAB 6.5 yang dihubungkan dengan JMATLink.
vi
The Javanese literature texts are the roots of Indonesian people’s culture which need to be preserved. Knowing the image document texts of the Javanese litetures is one of the methods to process image in the image document texts which is inteded to split the objects on the image document text. The result of the splitting the objects would be used as the entry for the process to know the letters of image document texts in the Javanese literature texts.
In this final project, a software was made to do the segmenting of the image document texts from the Javanese literature documents using Watershed algorithm. Watershed algorithm considers an image as a tridemtional form of X position, Y position and its height with the deepest cell colour as its background. The entry of this software was an image file with .jpg format. This software was developed using Java language programing and MATLAB 6.5 language programming which was linked to JMATLink.
vii
PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN KAMPUS
Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Kartono Pinaryanto
NIM : 055314067
Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:
”Implementasi Segmentasi Citra Dokumen Teks Sastra jawa menggunakan algoritma watershed ” 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, mendistribusikannya secara terbatas, dan mempublikasikannya di internet dan media lain untuk kepentingan akademis tanpa perlu minta izin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.
Demikian pernyataan ini saya buat dengan sebenarnya.
Yogyakarta, 29 Juli 2009 Penulis,
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Esa atas berkat dan kasihnya sehingga penulis dapat menyelesaikan skripsi ini.
Skripsi ini ditulis untuk memenuhi salah satu syarat dalam memperoleh gelar Sarjana Teknik, Program Studi Teknik Informatika di Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.
Dalam penulisan skripsi ini penulis menyadari banyak pihak yang telah memberikan sumbangan baik pikiran, waktu, tenaga, bimbingan dan dorongan kepada penulis sehingga akhirnya skripsi ini dapat selesai. Oleh karena itu pada kesempatan ini penulis menyampaikan ucapan terimakasih kepada :
1. Anastasia Rita Widiarti, S.Si., M.Kom. selaku dosen pembimbing yang telah memberikan bimbingan, arahan dan petunjuk selama penulisan skripsi.
2. Yosef Agung Cahyanta, S.T., M.T. selaku Dekan Fakultas Sains dan Teknologi. 3. Puspaningtyas Sanjoyo Adi, S.T., M.T. selaku Kepala Program Studi Teknik
Informatika.
4. Eko Hari Parmadi, S.Si., M.Kom selaku dosen penguji yang telah memberikan masukan, saran dan kritik yang membangun untuk skripsi ini.
5. Drs. C. Kuntoro Adi, SJ, MA, M.Sc.,Ph.D. selaku dosen penguji yang telah memberikan masukan, saran dan kritik yang membangun untuk skripsi ini.
ix
memberikan dukungan secara moril maupun materi kepada penulis selama penyusunan skripsi ini.
8. Teman-temanku angkatan 2005 yang telah memberikan semangat kepada penulis selama penyusunan skripsi ini.
Penulis menyadari bahwa skripsi ini masih banyak kekurangan dan jauh dari kesempurnaan, sehingga segala kritik dan saran yang bersifat membangun sangat penulis harapkan demi perbaikan skripsi ini. Akhirnya dengan segala kekurangan yang ada, penulis berharap agar skripsi ini masih dapat diambil manfaatnya.
Yogyakarta, 29 Juli 2009 Penulis
x
HALAMAN JUDUL ……….. i
HALAMAN PERSETUJUAN PEMBIMBING ………. ii
HALAMAN PENGESAHAN ……… iii
PERNYATAAN KEASLIAN KARYA ………..………..……... iv
ABSTRAK ………..………..………..………... v
ABSTRACT ………..………..………..………... vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ... vii
BAB II LANDASAN TEORI ………..………..………... 7
2.1Pengertian Citra ………..………..………... 7
2.2Citra Dokumen Teks ………..………..………... 9
2.3Grayscaling………..………..………...…... 10
2.4Binerisasi ………..………..………..………... 11
2.5Morphological Processing ………..………..………... 15
2.5.1Dilasi ... 17
2.7.2 Algoritma Morphologi Watershed ………..………..……… 27
2.7.3 Contoh Algoritma Morphologi Watershed ………..………..…… 30
2.11 JMATLink ………..………..………..………...………... 37
2.12 Kompleksitas Waktu Asimptotik ………..………..………... 37
BAB III ANALISA DAN PERANCANGAN SISTEM ………..………... 39
3.1 Analisa Sistem ………..………..………..………... 39
3.1.1 Gambaran Sistem secara Umum ………..………..………... 39
3.1.2 Pre-processing ………..………..………..…………... 42
3.1.2.1 Proses Binerisasi ………..………..………... 42
3.1.2.2 Proses Morphological Gradient ………..…………... 43
3.1.2.2.1 Proses Dilasi ………..………..…... 43
3.2.3 Perancangan Halaman Daftar Data Hasil Segmentasi ... 48
4.1 Tampilan Halaman Utama ………..………..…....………..………... 53
4.2 Tampilan Halaman Segmentasi ………..………..…....………... 54
4.3 Tampilan Halaman Daftar Data Hasil Segmentasi ... 55
4.4 Tampilan Tentang Program ………..………..…....………..……... 56
4.5 Tampilan Halaman Bantuan ………..………..…....………..……... 57
4.6 Tampilan Halaman Keluar ………..………..…....………..………... 58
BAB V HASIL DAN PEMBAHASAN ………..………..…....………..…... 59
5.1 Data Masukan ………..………..…....………..………..…... 59
5.2 Pengujian Data Masukan ………..………..…....………..………... 60
5.3 Analisa Kompleksitas Waktu ... 67
5.4 Analisa Hasil Proses Pengujian ... 82
5.5 Analisa Hasil Segmentasi ………..………..…....………..………... 85
5.6 Rangkuman Hasil Segmentasi ………..………..…....………..…... 110
5.7 Kelemahan Sistem ………..………..…....………..………... 114
BAB VI KESIMPULAN DAN SARAN ………..………..…....………... 115
6.1 Kesimpulan ………..………..…....………..………..…... 115
6.2 Saran ………..………..…....………..………..…....………... 116
DAFTAR PUSTAKA ………..………..…....………..………..…... 117
xiv
Gambar 1.1 Model Waterfall ………..………..…....………..………..…... 4
Gambar 2.1 Citra biner dan representasinya dalam data digital ………..……….. 8
Gambar 2.2 Citra skala keabuan dan representasinya dalam data digital………..…... 8
Gambar 2.3 Citra warna dan representasinya dalam data digital ………..….……... 9
Gambar 2.4 Citra dokumen teks ………..………..…....………..………... 10
Gambar 2.5 Contoh perubahan data digital citra warna menjadi citra grayscale ... 11
Gambar 2.6 Contoh perubahan data digital citra warna menjadi citra baru ... 14
Gambar 2.7 Contoh citra warna sebelum mengalami proses binerisasi ... 15
Gambar 2.8 Contoh citra warna setelah mengalami proses binerisasi ... 15
Gambar 2.9 Moore Neighborhood ………..………..…....………..………... 16
Gambar 2.10 Titik Terisolasi, Titik Ujung dan Titik Batas ………..………... 17
Gambar 2.11 Contoh perubahan data digital citra baru menjadi citra dilasi ... 18
Gambar 2.12 Contoh citra baru sebelum mengalami proses dilasi ………...……... 19
Gambar 2.13 Contoh citra baru setelah mengalami proses dilasi ………..…….…... 19
Gambar 2.14 Contoh perubahan data digital citra baru menjadi citra erosi ... 20
Gambar 2.15 Contoh citra baru sebelum mengalami proses erosi …….…..………... 21
Gambar 2.16 Contoh citra baru setelah mengalami proses erosi ………..……..…... 21
Gambar 2.17 Hasil operasi Morphological Gradient dalam bentuk data digital ……... 22
Gambar 2.18 Contoh hasil operasi Morphological Gradient dalam bentuk citra …..… 22
Gambar 2.19 Konsep dasar Morphological Watershed ………..…….……….…... 25
xv
Gambar 2.22 Contoh digital algoritma Watershed Langkah 2 ………..………….…... 31
Gambar 2.23 Contoh digital algoritma Watershed Langkah 3 ………..………….…... 32
Gambar 2.24 Contoh digital algoritma Watershed Langkah 4 ………..……….... 33
Gambar 2.25 Aksara Jawa ………..………..…....………..………..…... 34
Gambar 3.4 Diagram proses Binerisasi ………..………..…....………..……….... 42
Gambar 3.5 Diagram proses Morphological Gradient ………..………..…....…... 43
Gambar 3.6 Diagram proses Dilasi ………..………..…....………..……….. 43
Gambar 3.7 Diagram Proses Erosi ………..………..…....………..………... 44
Gambar 3.8 Diagram proses Segmentasi Watershed………..………..…..……... 45
Gambar 3.9 Perancangan Halaman Utama ………..………..…....……..……... 46
Gambar 3.10 Perancangan Halaman Segmentasi Citra ………..………... 47
Gambar 3.11 Perancangan Halaman Daftar Data Hasil Segmentasi ... 48
Gambar 3.12 Perancangan Halaman Tentang Program ……..…..…………..…... 49
xvi
Gambar 4.1 Halaman Utama ………..………..…....………..………..…... 53
Gambar 4.2 Halaman Segmentasi ………..………..…....………..……….... 54
Gambar 4.3 Halaman Daftar Data Hasil Segmentasi ... 55
Gambar 4.4 Halaman Tentang Program ………..………..…....………..………... 56
Gambar 4.5 Halaman Bantuan ………..………..…....………..………..….... 57
Gambar 4.6 Halaman Keluar ………..………..…....………..………..…... 58
Gambar 5.1 Citra dokumen 1 ………..………..…....………..………..…... 60
Gambar 5.2 Citra dokumen 1 hasil proses binerisasi ………..………..…... 60
Gambar 5.3 Citra dokumen 1 hasil proses dilasi ………..………..…....……….... 61
Gambar 5.4 Citra dokumen 1 hasil proses erosi ………..………..…....………... 61
Gambar 5.5 Citra dokumen 1 hasil proses Morphological Gradient………... 62
Gambar 5.6 Potongan citra Morphological Gradient dokumen 1 ………..…....…….... 63
Gambar 5.7 Data digital potongan citra Morphological Gradient dokumen 1 ……... 63
Gambar 5.8 Inisialisasi daerah minima-minima baru pada data digital Potongan citra morphological gradient dokumen 1 ………..…....………..…... 64
Gambar 5.9 Proses segmentasi pada data digital potongan citra Morphological Gradient dokumen 1 ………..…....………..…....………..…....………..…... 65
Gambar 5.10 Hasil segmentasi potongan citra Morphological Gradient dokumen 1 ... 66
xvii
xviii
xix
1
PENDAHULUAN
1.1 Latar Belakang Masalah
Kota Yogyakarta kaya akan budaya-budaya karya sastra Jawa (aksara Jawa) yang merupakan akar budaya bangsa Indonesia dan mempunyai kekuatan untuk menyaring pengaruh kebudayaan asing serta meningkatkan kehidupan masyarakat Jawa khususnya dan bangsa Indonesia umumnya. Namun dengan berubahnya zaman, dimana sastra Jawa hanya sebagai pendukung bahasa dan budaya nasional, maka tradisi penerjemahan sastra Jawa perlu dihidupkan kembali. Penerjemah ini diharapkan mampu mengambil unsur yang dapat mengembangkan peradaban Jawa dalam sastra Indonesia atau sastra asing.
proses awal, maka dibutuhkan algoritma segmentasi yang dapat melakukan pemisahan obyek dengan akurat, salah satunya adalah algoritma watershed. Menurut penelitian (Adipranata,dkk, 2008) algoritma watershed adalah algoritma yang menganggap sebuah citra merupakan bentuk tiga dimensi yaitu posisi x, posisi y dan tinggi dengan tingkat warna piksel (gray-scale) yang dimiliki, dan dari hasil penelitian mereka diperoleh informasi bahwa algoritma watershed baik digunakan untuk melakukan segmentasi citra gambar. Dari sini maka dalam penulisan tugas akhir ini, penulis akan mencoba menggunakan algoritma watershed untuk menguji apakah algoritma watershed baik digunakan untuk melakukan segmentasi pada citra dokumen teks sastra Jawa.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang dikemukakan, timbul permasalahan yang ingin dibahas yaitu :
1. Bagaimana cara kerja dan implementasi algoritma Watershed pada segmentasi ? 2. Bagaimana cara menguji unjuk kerja algoritma Watershed pada segmentasi citra
dokumen teks sastra Jawa ?
1.3 Batasan Masalah
Agar penulisan laporan tugas akhir ini lebih terarah, maka Penulis membatasi masalah :
2. Data sumber citra yang digunakan adalah citra dokumen teks sastra Jawa yang telah mengalami proses menghilangkan noise dan pengisian atau penebalan piksel.
3. Citra yang dapat diproses adalah citra dokumen teks sastra Jawa dengan ekstensi jpg dan memiliki ukuran baris diantara 285 sampai dengan 310 piksel dan ukuran kolom diantara 1270 sampai dengan 1300 piksel.
4. Menggunakan Sistem Operasi Windows XP.
5. Menggunakan bahasa pemrograman Java (NetBeans IDE 5.5) dan bahasa pemrograman MATLAB 6.5 yang dihubungkan dengan JMATLink.
1.4 Tujuan dan Manfaat Penelitian
1.4.3Tujuan Penelitian
Tujuan Penelitian dalam penulisan laporan tugas akhir ini adalah :
1. Memahami konsep dasar membuat program aplikasi segmentasi citra dengan algoritma Watershed.
2. Menguji unjuk kerja algoritma Watershed pada segmentasi citra dokumen teks sastra Jawa.
1.4.4Manfaat Penelitian
1.5 Metode Penelitian
Metode penelitian yang ditempuh penulis adalah sebagai berikut :
1. Studi pustaka tentang teknik segmentasi citra dengan algoritma Watershed melalui buku-buku pendukung, browsing di internet, handout dari materi kuliah Teknologi Citra.
2. Mengembangkan sistem segmentasi sebagai alat bantu pengujian perangkat lunak, yang menggunakan metode “Waterfall” (Pressman, 1992).
Tahapan metode ini meliputi :
a. System Engineering (Rekayasa Sistem)
dari perangkat lunaknya adalah teori-teori dasar yang berhubungan dengan topik (segmentasi citra), metode yang digunakan prosedure, perangkat lunak, dan perangkat keras.
b. Analysis (Analisis)
Pada tahap analisis ini dilakukan penentuan spesifikasi sistem yang akan dikembangkan.
c. Design (Perancangan)
Pada tahap perancangan dilakukan perancangan prosedure detil dan karakteristik antarmuka pemakai. Dalam penulisan tugas akhir ini tahap perancangan dimulai dari perancangan perangkat lunak yang terdiri dari perancangan proses detil dan perancangan antarmuka pemakai.
d. Code (Penulisan Program)
Pada tahap penulisan program ini, perangkat lunak diterjemahkan ke dalam bentuk program komputer. Didalam tugas akhir ini hasil dari rancangan perangkat lunak diterjemahkan ke dalam bentuk program menggunakan bahasa pemrograman Matlab dan Java yang dihubungkan dengan JMatLink.
e. Testing (Pengujian)
1.6 Sistematika Penulisan
Sistematika penulisan skripsi ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini secara umum menjelaskan mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, serta sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini membahas teori – teori mengenai pengertian citra, pengertian dan tujuan segmentasi, metode-metode segmentasi, algoritma watershed dan metode yang akan digunakan dalam pengembangan perangkat lunak.
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas analisa dan perancangan sistem secara umum, rancangan proses serta rancangan antar muka yang akan digunakan.
BAB IV IMPLEMENTASI
Bab ini membahas implementasi dalam bentuk program berdasarkan analisa dan perancangan yang telah dilakukan
BAB V HASIL DAN PEMBAHASAN
Bab ini berisi mengenai analisa hasil implementasi segmentasi citra dokumen teks sastra Jawa serta pembahasannya.
BAB VI. KESIMPULAN DAN SARAN
7
LANDASAN TEORI
Pada bab ini membahas teori–teori mengenai pengertian citra, pengertian dan tujuan segmentasi, metode-metode pre-processing dan segmentasi, algoritma watershed dan metode yang akan digunakan dalam pengembangan perangkat lunak.
2.1 Pengertian Citra
Citra merupakan suatu gambar pada bidang dua dimensi (Achmad dan Firdausy, 2004). Secara umum citra dapat dikelompokkan menjadi citra tampak seperti foto keluarga dan citra tak tampak seperti data gambar dalam file yang sering disebut citra digital. Dari antara kelompok citra tersebut, hanya citra digital yang dapat diolah menggunakan komputer.
Citra digital tersusun atas kumpulan titik atau elemen-elemen gambar yang disebut piksel (picture element). Piksel merupakan elemen terkecil dari sebuah citra digital, dengan jumlah total piksel adalah M x N, dimana M merupakan width (nilai lebar citra digital) dan N merupakan height (nilai tinggi citra digital). Setiap piksel memiliki nilai berupa angka digital yang mempresentasikan informasi yang mewakili piksel tersebut.
Format nilai piksel (Achmad dan Firdausy, 2004) ditentukan oleh format citra digital antara lain :
1. Citra Biner
(misalnya : warna hitam bernilai 0 dan warna putih bernilai 1). Setiap titik pada citra hanya membutuhkan 1 bit, sehingga setiap byte dapat menampung informasi 8 titik.
Gambar 2.1 Citra biner dan representasinya dalam data digital (Achmad dan Firdausy, 2004)
2. Citra Skala Keabuan
Citra skala keabuan biasanya juga disebut citra gray-level. Gray-level adalah tingkat warna abu-abu dari sebuah piksel, dapat juga dikatakan tingkat cahaya dari sebuah piksel. Maksudnya nilai yang terkandung dalam piksel menunjukkan tingkat terangnya piksel tersebut dari hitam ke putih. Biasanya ditetapkan nilainya antara 0 hingga 255 (untuk 256 gray-level), dengan 0 adalah hitam dan 255 adalah putih. Karena hanya terbatas 1 byte saja maka untuk mempresentasikan nilai piksel cukup 8 bit saja. Grayscale adalah citra yang memiliki gray-level sebagai nilai dari tiap piksel-nya.
3. Citra Warna
Pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan kombinasi dari tiga warna dasar, yaitu : merah, hijau dan biru. Format citra seperti ini sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit), misalnya warna kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB-nya adalah 255.255.0. Dengan demikian setiap tiitk pada citra warna membutuhkan data 3 byte.
Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 atau lebih dari 16 juta warna, dengan demikian bisa dianggap mencakup semua warna yang ada.
Gambar 2.3 Citra warna dan representasinya dalam data digital (Achmad dan Firdausy, 2004)
2.2 Citra Dokumen Teks
Sama halnya dengan dokumen teks, citra dokumen teks merupakan suatu citra yang berisi kumpulan teks atau tulisan, namun dalam format digital. Citra dokumen teks masukan yang diperlukan dalam proses segmentasi adalah berupa citra dokumen keabuan atau citra dokumen biner. Jika citra masukan berupa citra berwarna, maka citra tersebut akan diproses dan diubah menjadi citra keabuan (melalui proses grayscaling) atau menjadi citra biner (melalui proses binerisasi).
Gambar 2.4 Citra dokumen teks
2.3 Grayscaling
Grayscaling adalah proses perubahan nilai piksel dari warna (RGB) menjadi gray-level (Gonzales and Woods, 2002). Pada dasarnya proses ini dilakukan dengan mencari nilai rerata dari ketiga nilai elemen warna, sehingga nilai keabuan yang merepresentasikan intensitas dapat dihitung (Achmad dan Firdausy, 2004) dengan rumus :
Ri + Gi + Bi K0 =
Gambar 2.5 Contoh perubahan data digital citra warna menjadi citra grayscale
Untuk gambar 2.5 (a) adalah representasi citra warna yang terdiri dari 3 keping warna yaitu keping I (red), keping II (green) dan keping III (blue) yang digunakan adalah citra warna seperti gambar 2.3. Berdasarkan 3 keping warna tersebut maka dicari nilai rata-ratanya sehingga akan menghasilkan representasi citra grayscale seperti gambar 2.5 (b).
Pada proses grayscaling yang merupakan metode asli dari segmentasi watershed (Adipranata dkk, 2008), tetapi untuk penulisan tugas akhir ini, Penulis tidak menggunakan proses grayscaling melainkan menggunakan proses binerisasi.
2.4 Binerisasi
penulis memodifikasi nilai warna putih menjadi nilai 255. Sehingga akan dihasilkan citra baru yang telah mengalami proses binerisasi.
Dalam proses binerisasi menggunakan metode otsu. Tujuan dari metode otsu adalah membagi histogram citra gray level kedalam dua daerah yang berbeda secara otomatis tanpa membutuhkan bantuan user untuk memasukkan nilai ambang (Darma Putra, 2009). Pendekatan yang dilakukan oleh metode otsu adalah dengan melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis Diskriminan akan memaksimumkan variabel tersebut agar dapat membagi objek latardepan (foreground) dan latarbelakang (background).
Formulasi dari metode otsu adalah sebagai berikut :
Nilai Ambang yang akan dicari dari suatu citra gray level dinyatakan dengan k. Nilai berkisar antara 1 sampai dengan L, dengan nilai L = 255. Probabilitas setiap pixel pada level ke i dapat dinyatakan:
Pi = ni / N (2-2)
Keterangan : ni menyatakan jumlah pixel pada level ke i dan N menyatakan total jumlah pixel pada citra.
L µT = ∑i . Pi i=1
(2-5) Nilai ambang k dapat ditentukan dengan memaksimumkan persamaan :
σ2B(k*) = max σ2B(k)
1≤k<L (2-6)
Dengan
[µTω(k) - µ(k)]2 σ2B(k) =
Gambar 2.6 Contoh perubahan data digital citra warna menjadi citra baru
citra grayscale lebih dari nilai Threshold seperti gambar 2.6 (c). Pada gambar 2.7 adalah citra warna sebelum mengalami proses binerisasi dan gambar 2.8 merupakan citra warna yang telah mengalami proses binerisasi.
Gambar 2.7 Contoh citra warna sebelum mengalami proses binerisasi
Gambar 2.8 Contoh citra warna setelah mengalami proses binerisasi
2.5 Morphological Processing
morfologi dapat dimanfaatkan untuk pengambilan keputusan dengan analisis lebih lanjut. Operasi ini antara lain meliputi: dilasi, erosi dan morphologi gradient.
Operasi morfologi biasanya didasarkan pada nilai-nilai dari tetangga langsung di sekeliling titik obyek yang ditinjau (Moore neighborhood). Untuk operasi terhubung-4 (4-connected) maka tetangga yang diperhatikan hanya yang langsung bersebelahan, yaitu titik di sebelah kiri, kanan, atas dan bawah, sedangkan untuk operasi terhubung-8 (8-connected) tetangga diagonalnya diikutsertakan (Gambar 2.9).
Gambar 2.9 Moore Neighborhood ( - , Morphologi.pdf, 2008)
Beberapa definisi yang dipakai dalam operasi morfologi (- ,Morphologi.pdf, 2008) :
• Titik obyek, adalah titik yang merupakan bagian dari obyek (p1 = obyek)
• Titik latar, adalah titik yang merupakan bagian dari latar (p1 = latar)
• B(p1) = banyaknya tetangga dari p1 yang merupakan titik obyek A(p1) =
banyaknya pola “latar, obyek” untuk urutan p2-p4-p6-p8-p2 pada operasi terhubung-4 atau urutan p2-p3-p4-p5-p6-p7-p8-p9-p2 pada operasi terhubung-8.
• Titik terisolasi, adalah titik obyek yang semua tetangganya adalah titik latar.
• Titik ujung, adalah titik obyek yang mempunyai tepat sebuah tetangga yang
merupakan titik obyek juga. B(p1) = 1.
• Titik batas, adalah titik obyek yang salah satu atau lebih tetangganya adalah titik
latar. B(p1) < 4 pada operasi terhubung-4 dan B(p1) < 8 pada operasi terhubung-8. Apabila semua titik tetangganya adalah titik obyek maka dapat dipastikan titik tersebut berada di dalam obyek (bukan titik batas).
• Titik simpel, adalah titik obyek yang jika diubah menjadi titik latar maka tidak
mengubah kondisi hubungan antar titik-titik obyek tetangganya.
Gambar 2.10 Titik terisolasi, titik ujung dan titik batas ( - , Morphologi.pdf,2008)
2.5.1 Dilasi
Algoritma untuk operasi dilasi adalah sebagai berikut :
Untuk semua titik dalam citra, cek apakah titik tersebut adalah titik obyek :
Jika ya maka ubah semua tetangganya menjadi titik obyek Jika tidak maka lanjutkan ke titik berikutnya.
Berdasarkan algoritma operasi dilasi maka proses perubahan data digital citra baru menjadi citra dilasi dapat dilihat pada gambar 2.11. Karena proses dilasi adalah proses mengubah titik tetangga menjadi titik obyek maka proses pemeriksaan nilai piksel (nilai obyek) akan dimulai dari nilai obyek yang terkecil sampai nilai obyek yang terbesar. Pada gambar 2.12 dan gambar 2.13 adalah contoh citra baru sebelum dan setelah mengalami proses dilasi.
Gambar 2.12 Contoh citra baru sebelum mengalami proses dilasi
Gambar 2.13 Contoh citra baru setelah mengalami proses dilasi
2.5.2 Erosi
Algoritma untuk operasi erosi adalah sebagai berikut :
Untuk semua titik dalam citra, cek apakah titik tersebut adalah titik latar : Jika ya maka ubah semua tetangganya menjadi titik latar
Jika tidak maka lanjutkan ke titik berikutnya.
Berdasarkan algoritma operasi erosi maka proses perubahan data digital citra baru menjadi citra erosi dapat dilihat pada Gambar 2.14. Karena proses erosi adalah proses mengubah titik tetangga menjadi titik latar maka proses pemeriksaan nilai piksel (nilai obyek) akan dimulai dari nilai latar yang terbesar sampai nilai latar yang terkecil. Pada gambar 2.15 dan gambar 2.16 adalah contoh citra baru sebelum dan setelah mengalami proses erosi.
Gambar 2.15 Contoh citra baru sebelum mengalami proses erosi
Gambar 2.16 Contoh citra baru setelah mengalami proses erosi
2.5.3 Morphological Gradient
g = (f b)-( f θ b)
(2-8)
Gambar 2.17 Hasil operasi morphological gradient dalam bentuk data digital
Berdasarkan definisi morphological gradient maka proses perubahan data digital pada citra hasil dilasi dan citra hasil erosi menjadi data digital citra morphological gradient dapat dilakukan dengan menggunakan proses pengurangan kedua nilai citra tersebut (gambar 2.17). Contoh hasil akhir citra operasi morphological gradient dapat dilihat pada gambar 2.18.
Gambar 2.18 Contoh hasil operasi morphological gradient dalam bentuk citra
2.6 Segmentasi Citra
tiap-tiap segmen. Partial segmentation adalah pemisahan sejumlah data dari latar dimana data yang disimpan hanya data yang dipisahkan saja untuk mempercepat proses selanjutnya.
Ada 3 tipe dari segmentasi (Adipranata,dkk, 2008) yaitu:
1 Classification-based yaitu segmentasi berdasarkan kesamaan suatu ukuran dari nilai piksel. Salah satu cara paling mudah adalah thresholding. Thresholding ada 2 macam yaitu global dan lokal. Pada thresholding global, segmentasi berdasarkan pada sejenis histogram. Pada thresholding lokal, segmentasi dilakukan berdasarkan posisi pada citra, citra dibagi menjadi bagian-bagian yang saling melengkapi.
2 Edge-based yaitu mencari garis yang ada pada citra, dan garis tersebut digunakan sebagai pembatas dari tiap segmen.
3 Region-based yaitu segmentasi dilakukan berdasarkan kumpulan piksel yang memiliki kesamaan (tekstur, warna atau tingkat warna abu-abu) dimulai dari suatu titik ke titik-titik lain yang ada disekitarnya.
2.7 Morphologi Watershed
ketinggian yang semakin tinggi. Dengan anggapan bentuk topografi tersebut, maka didapat tiga macam titik yaitu : (a) titik yang merupakan minimum regional, (b) titik yang merupakan tempat dimana jika setetes air dijatuhkan, maka air tersebut akan jatuh hingga ke sebuah posisi minimum tertentu, dan (c) titik yang merupakan tempat dimana jika air dijatuhkan, maka air tersebut mempunyai kemungkinan untuk jatuh ke salah satu posisi minimum (tidak pasti jatuh ke sebuah titik minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik minimum yang lain). Untuk sebuah minimum regional tertentu, sekumpulan titik yang memenuhi kondisi (b) disebut sebagai catchment basin, sedangkan sekumpulan titik yang memenuhi kondisi (c) disebut sebagai garis watershed.
Gambar 2.19 Konsep dasar morphologicalwatershed (Adipranata,dkk, 2005)
Pada gambar 2.19 (a) ditampilkan gambar dua dimensi dari konsep transformasi watershed dimana dua bagian yang berwarna gelap adalah dua buah catchment basin dan bagian di tengah kedua catchment basin merupakan daerah dimana garis watershed akan berada, sedangkan pada gambar 2.19 (b) ditampilkan gambar tiga dimensi dari konsep transformasi watershed.
2.7.1 Pembentukan Dam
merupakan kumpulan koordinat titik pada dua regional minima. Terdapat pula sekumpulan koordinat titik pada catchment basin yang berasosiasi dengan dua regional minima tersebut pada tahap n-1 aliran air dan diberi tanda Cn-1 (M1) dan Cn-1 (M2). Bagian ini ditandai dengan warna hitam pada
gambar 2.20 (a).
Union dari dua kumpulan tersebut diberi tanda C[n-1]. Terdapat dua komponen terkoneksi pada gambar 2.20 (a) dan hanya satu komponen terkoneksi pada gambar 2.20 (b). Perubahan dari dua komponen menjadi satu komponen terkoneksi mengindikasikan bahwa air antara dua catchment basin telah bergabung pada langkah ke n. Komponen yang terkoneksi ini diberi simbol q. Dua komponen dari langkah n-1 dapat diambil dari q dengan menggunakan operasi AND q∩C[n-1]. Semua titik individu lain yang terdapat pada catchment basin juga membentuk sebuah komponen terkoneksi.
Diasumsikan bahwa setiap komponen terkoneksi pada gambar 2.20 (a) telah dilakukan dilasi menggunakan matriks 3x3 oleh elemen yang terdapat pada gambar 2.20 (c) dengan dua kondisi :
1) Dilasi harus dibatasi oleh q dan
2) Dilasi tidak dapat dilakukan pada titik yang dapat menyebabkan kumpulkan titik yang satu dengan kumpulan titik yang lain menjadi bergabung.
dilasi kedua, beberapa titik tidak dapat memenuhi kondisi (1) yang disyaratkan, sehingga menyebabkan terputusnya perimeter seperti ditunjukkan pada gambar tersebut. Dengan demikian, maka hanya titik pada q yang dapat memenuhi dua kondisi di atas dan tebal q adalah satu piksel dan merupakan dam yang dibentuk.
Gambar 2.20 Pembentukan dam (Adipranata,dkk, 2008)
2.7.2 Algoritma Morphologi Watershed
Diketahui M1, M2, M3,……, MR adalah kumpulan koordinat titik
dalam regional minima sebuah gambar g(x,y). Terdapat C(M1) yang
merupakan kumpulan koordinat pada catchment basin dan berhubungan dengan daerah minimum Mi. Notasi min dan max digunakan untuk
menandai nilai minimum dan nilai maksimum dari g(x,y). Kemudian dianggap T[n] adalah kumpulan koordinat (s,t) di mana g(s,t) < n, sehingga dapat didefinisikan :
Secara geometri, T[n] adalah kumpulan koordinat dari titik yang berada pada g(x,y) dan terletak di bawah bidang g(x,y) = n.
Topografi akan dialiri dengan penambahan integer mulai dari n = min hingga n = max+1. Pada setiap penambahan n, algoritma perlu mengetahui jumlah titik yang berada di bawah kedalaman aliran. Pada umumnya, daerah yang berada di bawah g(x,y) = n diberi warna hitam atau nilai 0 dan yang berada diatasnya diberi warna putih atau nilai 1.
Kemudian diasumsikan Cn(Mi) merupakan kumpulan koordinat titik
didalam catchment basin yang berhubungan dengan minimum Mi yang
dialiri pada tahap n. Cn(Mi) dapat dilihat sebagai gambar pada tahap n.
Cn(Mi) dapat dilihat sebagai gambar biner dengan menggunakan persamaan :
Cn(Mi)=C(Mi) ∩ T[n] (2-10)
Dengan kata lain Cn(Mi) = 1 terletak pada lokasi (x,y) jika (x,y) є
T[n], selain itu maka nilai Cn(Mi)= 0. Berikutnya, diasumsikan C[n]
merupakan gabungan dari aliran di catchmentbasin pada tahap n :
C[n] =
R
U Cn(Mi) i=1
(2-11) dan C[max + 1] adalah gabungan dari semua catchment basin.
terkoneksi dari C[n-1] terdapat pada persis satu komponen terkoneksi dari T[n]. Algoritma untuk mencari garis watershed pertama kali diinisialisasi dengan :
C[min+1] = T[min+1] (2-13)
Algoritma tersebut akan diproses secara rekursif dengan asumsi pada tahap n maka C[n-1] telah terbentuk. Prosedur untuk mendapatkan C[n] dari C[n-1] adalah sebagai berikut. Diasumsikan Q merupakan kumpulan komponen terkoneksi dalam T[n]. Maka untuk tiap komponen terkoneksi qEQ[n], terdapat tiga kemungkinan :
a. q∩C[n-1] adalah kosong.
b. q∩C[n-1] mempunyai 1 komponen terkoneksi dari C[n-1]
c. q∩C[n-1] mempunyai lebih dari 1 komponen terkoneksi dari C[n-1]. Jika kondisi c terjadi maka pengisian lebih lanjut akan menyebabkan air di catchmentbasin yang berbeda menjadi bergabung, sehingga perlu dibangun dam di dalam q untuk mencegah mengalirnya air di antara catchmentbasin yang berbeda. Dam dengan tebal satu piksel dapat dibangun dengan melakukan dilasi q∩C[n-1] dengan elemen 3x3.
2.7.3 Contoh algoritma morphologi watershed Langkah 1
Gambar 2.21 Contoh digital algoritma watershed langkah 1
Langkah 2
Gambar 2.22 Contoh digital algoritma watershed langkah 2
Langkah 3
Gambar 2.23 Contoh digital algoritma watershed langkah 3
Langkah 4
Gambar 2.24 Contoh digital algoritma watershed langkah 4
2.8 Huruf Jawa
2.8.7 Aksara Jawa
Aksara Jawa (caraka) adalah abjad atau alat tulis yang digunakan oleh suku Jawa. Jumlah aksara atau huruf pada hanacaraka berjumlah 20 buah. Aksara tersebut dapat dilihat pada gambar 2.25.
Gambar 2.25 Aksara Jawa (Ayo-belajar-nulis-aksara-jawa, 2008) 2.8.8 Aksara Pasangan
Aksara pasangan memiliki fungsi untuk menghubungkan suku kata yang tertutup (diakhiri) konsonan dengan suku kata berikutnya.
Gambar 2.26 Aksara Pasangan (Ayo-belajar-nulis-aksara-jawa, 2008) 2.8.9 Aksara Murda
Aksara murda digunakan untuk huruf awal penulisan nama kota atau nama orang yang dihormati, yaitu
2.8.10 AksaraWilangan
Untuk penulisan bilangan dalam bahasa Jawa,
yaitu angka 1 s/d 10 dalam aksara Jawa.
Gambar 2.28 Aksara Wilangan (Ayo-belajar-nulis-aksara-jawa, 2008) 2.8.11 Aksara Swara
Biasanya untuk huruf awal penulisan nama kota atau nama
orang yang dihormati yang diawali dengan huruf hidup,
yaitu : A, I, U, E, O.
Gambar 2.29 Aksara Swara
(Ayo-belajar-nulis-aksara-jawa, 2008) 2.8.12 Tanda Baca (Sandangan)
Merupakan tanda baca yang biasa digunakan, huruf vokal serta huruf konsonan yang biasa dipakai dalam bahasa sehari-hari, yaitu tanda : koma, titik, awal kalimat, dan lain-lain.
2.9 Matlab
Dalam proses segmentasi citra ini dibutuhkan Bahasa pemrograman yang dapat melakukan komputasi matematis. Salah satunya adalah bahasa pemrograman Matlab. Bahasa pemrograman Matlab ini memiliki kemampuan antara lain :
• Mengolah data dan menyimpan informasi matematis yang rumit, seperti penanganan
array dan matriks, linear algebra, komputasi geometri, sistem koordinat Cartesian, dsb.
• Mampu menangani pengolahan citra hingga ke skala piksel.
• Mampu membangun hasil olahan data ke dalam visualisasi 2D maupun 3D yang
interaktif.
• Multiplatform, yang artinya dapat dijalankan pada Sistem Operasi berbeda.
2.10 Java
Java merupakan bahasa pemrograman yang memiliki keunggulan antara lain:
• Berbasis GUI yaitu Java bisa membuat tampilan berbasis grafik (Graphic User
Interface/GUI) untuk memudahkan pemakai berinteraksi dengan program.
• Berorientasi obyek yaitu Java merupakan salah satu bahasa yang memiliki dukungan
penuh terhadap konsep pemrograman berorientasi obyek.
• Multiplatform yaitu Java dapat dijalankan pada komputer dengan platform yang
berbeda.
• Keamanan yaitu Java tepat digunakan untuk menangani kebutuhan aplikasi enterprise
• Mendukung software Mission-Critical yaitu Java bisa digunakan untuk pengembangan
software dimana tingkat error yang terjadi sangat diperhatikan, dimana sebuah error pada eksekusi program bisa mengakibatkan kerusakan fatal.
2.11 JMATLink
Dalam menghubungkan bahasa pemrograman Java dan Matlab yang berjalan secara bersamaan dibutuhkan alat bantu yaitu JMatLink. JMatLink merupakan metode native untuk memampukan mesin komputasi Matlab bekerja di dalam aplikasi Java yang berupa applet maupun servlet.
2.12 Kompleksitas Waktu Asimptotik
Keterangan :
Untuk n yang besar, pertumbuhan T(n) sebanding dengan n2. Pada kasus ini, T(n) tumbuh seperti n2 tumbuh.
39
ANALISA DAN PERANCANGAN SISTEM
Pada bab ini membahas analisa dan perancangan sistem secara umum, rancangan proses, rancangan antar muka yang akan digunakan serta rancangan cara pengujian.
3.1 Analisa Sistem
Pada analisa sistem ini penulis hanya menggunakan proses binerisasi sebagai proses awal untuk melakukan segmentasi, sedangkan untuk proses grayscaling pada metode asli segmentasi watershed tidak digunakan dalam perancangan sistem ini. Hal ini dikarenakan data citra masukan pada metode asli adalah citra berupa gambar (memiliki obyek besar) sedangkan untuk penulisan tugas akhir ini menggunakan citra dokumen teks sastra jawa (memiliki obyek kecil), selain itu karena adanya pertimbangan bahwa citra yang diproses secara grayscaling memiliki intensitas warna piksel antara 0 sampai dengan 255, sehingga akan menghasilkan segmentasi yang tidak akurat atau berlebihan karena ketidak akuratan hasil segmentasi akan mempengaruhi proses selanjutnya yaitu proses pengenalan karakter.
3.1.1 Gambaran Sistem secara Umum
segmentasi. Setelah dilakukan pre-processing tahap selanjutnya adalah melakukan segmentasi citra sehingga menghasilkan citra hasil segmentasi. Secara umum gambaran sistem ditunjukkan pada Gambar 3.1.
DFD Level 0 / Diagram Konteks
Gambar 3.1 Diagram Konteks
Pada Gambar 3.1 terdapat proses sistem segmentasi watershed dimana dalam proses tersebut mempunyai masukan berupa citra dokumen teks sastra jawa dan menghasilkan keluaran berupa citra segmentasi watershed, waktu proses segmentasi watershed, ukuran citra dokumen teks sastra jawa citra baru, waktu proses binerisasi, citra erosi, waktu proses erosi, citra dilasi, waktu proses dilasi, citra morphological gradient dan waktu proses morphological gradient.
DFD Level 1
Gambar 3.2 DFD Level 1
watershed, waktu proses segmentasi watershed, ukuran citra dokumen teks sastra jawa, citra baru, waktu proses binerisasi, citra erosi, waktu proses erosi, citra dilasi, waktu proses dilasi, citra morphological gradient, dan waktu proses morphological gradient.
DFD Level 2 Proses 1
Gambar 3.3 DFD Level 2 Proses 1
3.1.2 Pre-processing
Pre-processing merupakan kumpulan dari proses yang digunakan untuk menyederhanakan dan menghasilkan segmentasi yang baik. Tahap pre-processing terdiri dari proses binerisasi, prosesdilasi, proses erosi danproses morphological gradient yang menghasilkan citra morphological gradient.
3.1.2.1 Proses Binerisasi
Proses binerisasi adalah proses untuk mengubah citra berwarna atau citra skala keabuan menjadi citra biner (hitam dan putih). Untuk penulisan tugas akhir ini citra biner akan diganti namanya menjadi citra baru karena nilai piksel yang dihasilkan adalah 0 dan 255. Pada gambar 3.4 dijelaskan bagaimana cara kerja proses binerisasi dalam bentuk diagram proses.
Gambar 3.4 Diagram proses binerisasi
3.1.2.2 Proses Morphological Gradient
Proses morphological gradient adalah proses di mana citra baru yang dihasilkan merupakan hasil selisih dari proses dilasi dengan proses erosi. Gambar 3.5 menjelaskan bagaimana cara kerja algoritma morphological gradient.
Gambar 3.5 Diagram proses morphological gradient
Proses ini memerlukan hasil dari proses erosi dan dilasi. Proses dilasi dan erosi dapat dilihat pada gambar 3.6 dan gambar 3.7.
3.1.2.2.1 Proses Dilasi
Proses dilasi berfungsi untuk menghaluskan gambar sehingga lebih mudah untuk disegmentasi. Gambar 3.6 menjelaskan bagaimana cara kerja algoritma dilasi.
Citra temp1 adalah sebuah citra hasil proses binerisasi (citra baru). Se adalah elemen 3X3 yang berguna untuk melakukan dilasi dan imdilate adalah fungsi matlab yang berguna untuk melakukan proses dilasi.
3.1.2.2.2 Proses Erosi
Proses erosi berfungsi untuk menghaluskan gambar sehingga lebih mudah untuk disegmentasi. Gambar 3.7 menjelaskan bagaimana cara kerja algoritma dari erosi.
Gambar 3.7 Diagram proses erosi
Citra temp2 adalah sebuah citra hasil proses binerisasi (citra baru). Se adalah elemen 3X3 yang berguna untuk melakukan erosi dan imerode adalah fungsi matlab yang berguna untuk melakukan proses erosi.
3.1.3 Proses Segmentasi
gambar jika piksel tersebut merupakan daerah minimum atau tidak memiliki irisan dengan kumpulan piksel yang terhubung pada n-1 maka piksel tersebut membentuk daerah baru. Jika irisan dengan kumpulan piksel yang terhubung pada n-1 hanya 1 komponen atau daerah maka piksel menjadi milik komponen atau daerah tersebut. Jika lebih dari 1 maka menjadi dam atau watershed lines.
Gambar 3.8 Diagram proses segmentasi watershed
3.2 Perancangan Sistem
Dalam perancangan sistem ini tersedia 5 pilihan pada menubar, yaitu :
1. Menu ”Halaman Utama” merupakan tampilan halaman utama atau tampilan pertama kali program dijalankan.
3. Menu ”Tentang Program” berguna untuk menampilkan informasi mengenai program yang sedang dijalankan.
4. Menu ”Bantuan” berguna untukmenampilkan informasi mengenai cara menggunakan program sehingga memudahkan pengguna dalam menggunakan program ini.
5. Menu ”Keluar” berguna untuk keluar dari program.
Berikut ini adalah rancangan antarmuka dari program yang akan dibangun :
3.2.1 Perancangan Halaman Utama
Gambar 3.9 Perancangan Halaman Utama
3.2.2 Perancangan Halaman Segmentasi Citra
Gambar 3.10 Perancangan Halaman Segmentasi Citra
Dalam menu segmentasi citra terdapat tiga bagian yaitu :
1. Bagian input berguna untuk memasukkan file citra document teks sastra jawa.
2. Bagian detail proses berguna untuk menampilkan waktu proses awal citra dan hasil segmentasi citra yaitu waktu dan jumlah proses segmentasi.
3. Bagian tampilan citra berguna untuk menampilkan hasil proses segmentasi citra.
Pada menu segmentasi citra terdapat tiga tombol dan satu dropdown yaitu : 1. Tombol “Pilih file” yang digunakan untuk menginputkan file citra.
2. Tombol ”Segmentasi Citra” digunakan untuk melakukan segmentasi citra dengan menggunakan algoritma watershed. Dari proses ini akan dihasilkan waktu proses awal, waktu segmentasi dan jumlah segmentasi obyek citra pada bagian detail proses. 3. Tombol ”Bersihkan semua” berfungsi untuk menghapus tampilan citra. Tombol
4. Tombol “Detail data segmentasi” berfungsi untuk menampilkan halaman daftar data hasil segmentasi. Tombol “Detail data segmentasi” akan ditampilkan ketika sudah mengalami proses segmentasi.
3.2.3 Perancangan Halaman Daftar Data Hasil Segmentasi
Gambar 3.11 Perancangan Halaman Daftar Data Hasil Segmentasi
3.2.4 Perancangan Halaman Tentang Program
Gambar 3.12 Perancangan Halaman Tentang Program
Pada halaman Tentang program akan menjelaskan informasi tentang program yang sedang dijalankan.
3.2.5 Perancangan Halaman Bantuan
Gambar 3.13 Perancangan Halaman Bantuan
Pada menu halaman bantuan terdapat lima tombol bantuan yaitu :
2. Tombol ”Segmentasi citra” akan menampilkan bantuan untuk halaman segmentasi citra.
3. Tombol ”Tentang program” akan menampilkan bantuan untuk halaman tentang program.
4. Tombol ”Bantuan” akan menampilkan bantuan untuk halaman bantuan. 5. Tombol ”Keluar” akan menampilkan bantuan untuk halaman keluar.
Setiap tombol yang telah ditekan maka akan di disable (tombol tidak dapat ditekan) dan sebaliknya tombol yang lain akan di enable (tombol dapat ditekan).
3.2.6 Perancangan Halaman Keluar
Gambar 3.14 Perancangan Halaman Keluar
Pada halaman Keluar terdapat dua tombol yaitu :
3.3 Perancangan Cara Pengujian
Pada rancangan pengujian diperlukan untuk mengetahui apakah algoritma watershed yang digunakan baik untuk segmentasi suatu citra dokumen teks sastra Jawa. Pada pengujian dilakukan dengan cara :
1. Memasukkan 10 citra asli dokumen teks sastra Jawa. 2. Menghitung jumlah obyek dan jumlah karakter:
a. Citra asli (secara manual),
b. Hasil segmentasi citra (dari program),
c. Hasil segmentasi citra yang utuh (secara manual),
3. Menghitung prosentase kebenaran (correct) segmentasi obyek dan segmentasi karakter citra :
(3-1)
4. Menghitung prosentase akurasi (accuracy) segmentasi obyek citra :
(3-2) Keter
angan :
H = jumlah obyek atau jumlah karakter hasil segmentasi citra yang utuh (perhitungan
secara manual)
I = jumlah bukan obyek dan jumlah obyek yang tidak utuh.
3.4 Spesifikasi Hardware dan Software
Berikut adalah spesifikasi hardware dan software yang digunakan untuk membangun
program segmentasi citra dokumen teks sastra Jawa :
3.4.1Hardware
• AMD Sempron(tm) Processor 2800+ 1.61GHz
• DDR 1024MB Visipro
• HDD 40GB Maxtor
3.4.2Software
• Microsoft Windows XP Professional Service Pack 2
• Matlab 6.5
• Netbean Java 5.5
53
IMPLEMENTASI
Pada bab ini membahas implementasi dalam bentuk program berdasarkan analisa dan
perancangan yang telah dilakukan.
4.1Tampilan Halaman Utama
Implementasi tampilan antar muka Halaman Utama adalah sebagai berikut :
Gambar 4.1 Halaman Utama
Tampilan menu awal ini merupakan tampilan menu utama. Pada bagian atas
program ini terdapat lima menu, yaitu menu Halaman Utama, menu Segmentasi Citra, menu
Tentang Program, menu Bantuan dan menu Keluar. Masing-masing menu dapat diaktifkan
dengan menekan menu yang dimaksud. Untuk masuk ke Halaman Utama maka pilihlah
4.2Tampilan Halaman Segmentasi
Implementasi tampilan antar muka Halaman Segmentasi adalah sebagai berikut :
Gambar 4.2 Halaman Segmentasi
Tampilan Halaman Segmentasi akan ditampilkan ketika memilih menu Segmentasi
Citra. Pada tampilan ini dibagi menjadi tiga bagian, yaitu bagian input, bagian detail proses
dan bagian tampilan citra.
Pada bagian input berguna untuk memasukkan file citra dokumen sastra jawa. Pada
bagian ini terdapat dua tombol, yaitu tombol Pilih File dan tombol Segmentasi Citra. Untuk
tombol Pilih File berguna untuk menginputkan file yang akan disegmentasi, sedangkan
tombol Segmentasi Citra berguna untuk melakukan segmentasi.
Pada bagian detail proses berguna untuk menampilkan ukuran citra yang telah
diinputkan, waktu proses binerisasi, waktu proses dilasi, waktu proses erosi, waktu proses
Pada bagian tampilan citra berguna untuk menampilkan citra yang telah diinputkan
dan citra hasil proses segmentasi. Pada bagian ini terdapat dua tombol, yaitu tombol
Bersihkan Semua dan tombol Detail Data Segmentasi. Tombol Bersihkan Semua berguna
untuk menghapus semua tampilan sehingga akan kembali ke kondisi semula dan tombol
Detail Data Segmentasi berguna untuk menampilkan halaman daftar data hasil segmentasi
citra dokumen teks sastra Jawa.
4.3Tampilan Halaman Daftar Data Hasil Segmentasi
Implementasi tampilan antar muka Halaman Daftar Data Hasil Segmentasi adalah sebagai
berikut :
Tampilan Halaman Daftar Data Hasil Segmentasi akan ditampilkan ketika menekan
tombol Detail Data Segmentasi yang berasal dari halaman segmentasi. Pada tampilan ini
akan menampilkan informasi daftar data hasil segmentasi yaitu jumlah daerah minima, nama
file dan koordinat hasil segmentasi citra dokumen teks sastra Jawa..
4.4Tampilan Tentang Program
Implementasi tampilan antar muka Halaman Tentang Program adalah sebagai berikut:
Gambar 4.4 Halaman Tentang Program
Tampilan Halaman Tentang Program akan ditampilkan ketika memilih menu
Tentang Program. Pada tampilan ini akan menampilkan informasi tentang program yang
4.5Tampilan Halaman Bantuan
Implementasi tampilan antar muka Halaman Bantuan adalah sebagai berikut :
Gambar 4.5 Halaman Bantuan
Tampilan Halaman Bantuan akan ditampilkan ketika memilih menu Bantuan. Pada
tampilan ini terdapat lima tombol, yaitu tombol Halaman Utama, tombol Segmentasi Citra,
tombol Tentang Program, tombol Bantuan dan tombol Keluar. Untuk tombol Halaman
Utama berguna untuk menampilkan bantuan tentang halaman utama, tombol Segmentasi
Citra berguna untuk menampilkan bantuan tentang halaman segmentasi citra, tombol
Tentang program berguna untuk menampilkan bantuan tentang halaman tentang program,
tombol Bantuan berguna untuk menampilkan bantuan tentang halaman bantuan, dan tombol
Setiap tombol yang telah ditekan maka akan di disable (tombol tidak dapat ditekan)
dan sebaliknya tombol yang lain akan di enable (tombol dapat ditekan).
4.6Tampilan Halaman Keluar
Implementasi tampilan antar muka Halaman Keluar adalah sebagai berikut :
Gambar 4.6 Halaman Keluar
Tampilan Halaman Keluar akan ditampilkan ketika memilih menu Keluar. Pada
halaman keluar terdapat dua tombol, yaitu tombol Yes dan tombol No. Untuk tombol Yes
berguna untuk keluar dari program, sedangkan untuk tombol No berguna untuk kembali
BAB V
HASIL DAN PEMBAHASAN
Pada bab ini berisi mengenai analisa hasil implementasi segmentasi citra dokumen teks
sastra Jawa serta pembahasannya.
5.1 Data Masukan
Data masukan untuk pengujian adalah citra dokumen teks sastra jawa yang telah
dilakukan proses pengisian piksel dan proses menghilangkan noise. Data masukan untuk
pengujian sistem sebanyak 10 data citra dokumen. Kriteria citra dokumen masukan dapat
5.2 Pengujian Data Masukan
Format file citra yang diuji adalah file citra yang berektension *.JPG. Selanjutnya
file citra yang diuji akan dimasukan kedalam sistem yang melalui menu pilih file citra.
Untuk selanjutnya file citra yang diuji akan dilakukan proses awal dan hasil proses awal
akan dilakukan proses segmentasi.
Gambar 5.1 Citra dokumen 1
1. Proses binerisasi
Dari hasil pengujian proses binerisasi untuk citra dokumen 1 diperoleh nilai thershold
132. Artinya piksel dengan intensitas warna kurang dari atau sama dengan nilai 132
diganti dengan nilai 0 dan intensitas warna yang lebih dari 132 diganti dengan nilai 255.
Gambar 5.2 Citra dokumen 1 hasil proses binerisasi
Berikut ini adalah potongan listing program binerisasi
citra = imread(gambar);
thresh=graythresh(citra);
binerisasi=im2bw(citra,thresh);
2. Proses dilasi
Dari hasil pengujian proses dilasi dengan citra hasil binerisasi untuk citra dokumen 1
diperoleh dengan mengubah semua titik di sekeliling titik obyek menjadi titik obyek.
Gambar 5.3 Citra dokumen 1 hasil proses dilasi
Berikut ini adalah potongan listing program dilasi
temp1 = double(temp1);
se = strel('square',3);
temp1 = imdilate(temp1,se);
citra_dilasi = temp1;
3. Proses erosi
Dari hasil pengujian proses erosi dengan citra hasil binerisasi untuk citra dokumen 1
diperoleh dengan mengubah semua titik di sekeliling titik latar menjadi titik latar.
Berikut ini adalah potongan listing program erosi
temp2 = double(temp2);
se = strel('square',3);
temp2 = imerode(temp2,se);
citra_erosi=temp2;
4. Proses morphological gradient
Dari hasil pengujian proses morphological gradient dengan citra hasil binerisasi untuk
citra dokumen 1 diperoleh dengan melakukan proses pengurangan hasil dilasi dengan
hasil erosi.
Gambar 5.5 Citra dokumen 1 hasil proses morphological gradient
Berikut ini adalah potongan listing program morphologicalgradient
temp1 = double(citra_dilasi);
temp2 = double(citra_erosi);
MG = temp1-temp2;
citra_MG = MG;
5. Proses segmentasi watershed
Proses segmentasi diawali dengan melakukan proses inisialisasi daerah minima-minima
baru pada citra dengan nilai minimum piksel. Berikut adalah contoh potongan citra
Gambar 5.6 Potongan citra morphological gradient dokumen 1
Berikut ini adalah representsi data digital potongan citra morphological gradient
dokumen 1 (Gambar 5.7) dan tahap inisialisasi daerah minima-minima baru pada
potongan citra morphological gradient dokumen 1 (Gambar 5.8) adalah sebagai berikut :
Gambar 5.8 Inisialisasi daerah minima-minima baru pada data digital potongan
citra morphological gradient dokumen 1
Hasil pada tahap proses inisialisasi daerah minima-minima baru pada citra dengan nilai
minimum piksel yaitu 0. Pada tahap ini membentuk empat daerah minima. Karena
pemberian urutan daerah minima berdasarkan dari posisi atas ke bawah dan dari kiri ke
kanan maka hasil daerah minima pertama dan berikutnya akan dimulai dari posisi paling
atas dan paling kiri citra (hasil segmen obyek tidak berurutan). selanjutnya akan
dilakukan proses segmentasi dengan nilai maksimum piksel yaitu 255, dimana tahap ini
akan membentuk :
a. Dam (garis watershed) jika terdapat dua atau lebih daerah yang berbeda
b. Daerah Mi jika mengandung 1 daerah komponen Mi.
c. Daerah baru jika tidak mengandung daerah-daerah komponen.
Gambar 5.9
Proses segmentasi pada data digital potongan citra morphological gradient dokumen 1
Selanjutnya akan dilakukan perendaman daerah nilai piksel maksimum yaitu 255.
sehingga untuk daerah 1 sampai dengan daerah 4 akan semakin menyebar luas sedangkan
pertemuan antara dua daerah atau lebih akan membentuk dam atau garis waterhed. Nilai
dam ditandai dengan nilai -2.
Pada gambar 5.10 merupakan hasil segmentasi potongan citra morphological gradient
dokumen1 sebagai berikut :
Gambar 5.10 Hasil segmentasi potongan citra morphologicalgradient dokumen 1
Pada gambar 5.10(a) adalah hasil gabungan seluruh hasil citra segmentasi. Sedangkan
gambar 5.10(b) sampai dengan gambar 5.10(e) adalah hasil segmentasi dimana gambar
5.10(b) dan gambar 5.10(e) adalah hasil segmentasi bukan obyek dan gambar 5.10(c) dan
gambar 5.10(d) adalah hasil segmentasi obyek.
Berikut merupakan Citra dokumen hasil segmentasi watershed.
Gambar 5.11 Citra dokumen 1 hasil proses segmentasi
Untuk menghitung kompleksitas waktu asimptotik, terdapat beberapa
teorema-teorema dalam perhitungan kompleksitas waktu asimptotik sebagai berikut : Misalkan T1(n) = O(f(n)) dan T2(n) = O(g(n)), maka :
(a) T1(n) + T2(n) = O(f(n)) + O(g(n)) = O(max(f(n), g(n))
(b) T1(n)T2(n) = O(f(n))O(g(n)) = O(f(n)g(n))
(c) O(cf(n)) = O(f(n)), c adalah konstanta
(d) f(n) = O(f(n))
Berikut ini adalah potongan listing program segmentasi watershed
1. Tahap inisialisasi pembentukan daerah-daerah minima
Pada tahap inisialisasi pembentukan daerah-daerah minima terdapat 2 tahap yaitu tahap
perendaman daerah minimum dan tahap pembentukan daerah-daerah minima baru.
A. Tahap perendaman daerah minimum
Waktu kompleksitas tahap perendaman daerah minimum =
= O(1) + O(panjang x lebar) + O(1) = O(max (1,(panjang x lebar),1 )) (a)
= O(panjang x lebar)
Jadi kompleksitas waktu asimptotik pada tahap perendaman daerah minimum adalah
O(panjang x lebar) atau O(n2) dimana n adalah jumlah lebar citra atau jumlah panjang
end
= O(1) + awal_counter { max(O(1) + O(panjang x lebar) + O(1) , O(panjang x lebar) +
O(1)) + O(1) } (a)
= O(1) + awal_counter { max(O(panjang x lebar), O(panjang x lebar) + O(1) }(a)
= O(1) + awal_counter { O(panjang x lebar) + O(1) } = O(1) + awal_counter O(max(
(panjang x lebar), 1)) (a)
= O(1) + awal_counter O(panjang x lebar) (b)
= O(1) + O(awal_counter x panjang x lebar) =O(max(1, (awal_counter x panjang x
lebar))) (a)
= O(awal_counter x panjang x lebar)
Jadi kompleksitas waktu asimptotik pada tahap pembentukan daerah-daerah minima baru
adalah O(awal_counter x panjang x lebar) atau O(n3) dimana n adalah jumlah lebar citra atau jumlah panjang citra.
Waktu kompleksitas tahap inisialisasi pembentukan daerah-daerah minimaadalah
waktu kompleksitas tahap perendaman daerah minimum ditambah dengan Waktu
kompleksitas tahap pembentukan daerah-daerah minima baru sehingga hasilnya adalah
sebagai berikut :
= O(n2) + O(n3)
= O(max (n2, n3)) (a)
Jadi kompleksitas waktu asimptotik pada tahap Inisialisasi pembentukan daerah-daerah
minima adalah O(n3).
2. Tahap pembentukan dam (watershed), daerah-daerah baru dan daerah lama
n = double(minimum(1,1,1)+255); O(1)
%% awal proses Dilasi sampai dengan akhir proses dilasi memiliki kompleksitas
%% waktu adalah O(1) sehingga kompleksitas waktu maksimumnya adalah O(1)
