i PERBANDINGAN ALGORITMA HAMMING NET DAN
MEXICAN HAT DALAM MENGENALI KARAKTER ALFANUMERIK
SKRIPSI
Oleh: DANIEL MULIA
22094651
PROGRAM STUDI TEKNIK INFORMATIKAFAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS KRISTEN DUTA WACANA
YOGYAKARTA 2014
ii PERBANDINGAN ALGORITMA HAMMING NET DAN
MEXICAN HAT DALAM MENGENALI KARAKTER ALFANUMERIK
SKRIPSI
Diajukan kepada Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Duta Wacana
Sebagai Salah Satu Syarat dalam Memperoleh Gelar Sarjana Komputer
Disusun oleh: DANIEL MULIA
22094651
PROGRAM STUDI TEKNIK INFORMATIKAFAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS KRISTEN DUTA WACANA
YOGYAKARTA 2014
iii
©UKDW
iv
©UKDW
v
©UKDW
vi UCAPAN TERIMA KASIH
Segala puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan anugerahNya, sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul Perbandingan Algoritma Hamming Net Dan Mexican Hat Dalam Mengenali Karakter Alfanumerik ini dapat diselesaikan dengan baik.
Penulis mengucapkan terimakasih yang sebesar-besarnya kepada semua pihak yang telah banyak membantu dan memberikan dukungan kepada penulis selama penyusunan Tugas Akhir ini, diantaranya :
1. Bapak Ir. Sri Suwarno, M.Eng., selaku dosen pembimbing 1, yang telah memberikan ide, masukan, kritik dan saran dalam penulisan laporan dan pembuatan program Tugas Akhir ini.
2. Bapak Drs. R. Gunawan Santosa, M.Si., selaku dosen pembimbing 2, yang telah memberikan ide, masukan, kritik dan saran dalam penulisan laporan dan pembuatan program Tugas Akhir ini.
3. Kedua Orang Tua penulis, Bapak Djap Tjong Khian, Ibu Tjhin Rina untuk limpahan kasih sayang, kesabaran, doa, serta semangat dan dukungan yang luar biasa yang selalu menjadi motivasi dan semangat penulis sehingga mampu menyelesaikan Tugas Akhir ini dengan baik. Terima Kasih untuk selalu berada di sisi penulis dalam kondisi apapun.
4. Teman teman terbaikku dari Berkibi : Prima Adi, Joseph Carlo Kotoalubun, Jayadi, Tino, Yohanes Agung Saputra, I WayanRyandi Saskara, Ayu, guantono, Ratih Alfonita, Ni Madi Ari Pratiwi, Yohana Gloria Patyrra, Desy, Sherly Fany Karlinda, I Putu Guna Satwam, Aditya Kristianto yang selalu ada untuk berbagi cerita selama perjuangan kuliah dan selamanya.
5. Seluruh teman teman TI UKDW angkatan 2009 yang telah memberikan semangat dan berjuang bersama memberikan bantuan berupa semangat dan bantuan langsung kepada Tugas Akhir ini.
6. Teman teman dari D’Jenakers : Budianto Tan, Guna Satwam, Ewald Liadi, Abednego Kristio, Richard Stephensen, Timothy Banu, Christian Puji, Aan Ambara,
vii 7. Joseph Carlo Kotoalubun S.Kom yang telah meluangkan waktu berbagi ilmu kepada
penulis dalam menyelesaikan tugas akhir ini.
8. Pihak-pihak lain yang tidak dapat penulis sebutkan satu persatu yang secara langsung maupun tidak langsung telah mendukung pembuatan dan penyelesain Tugas Akhir ini.
Yogyakarta,4 Desember 2013 Penulis
DANIEL MULIA 22094651
viii DAFTAR ISI HALAMAN JUDUL ... ii PERNYATAAN ... iii HALAMAN PERSETUJUAN... iv HALAMAN PENGESAHAN ...v UCAPAN TERIMAKASIH ... vi
DAFTAR ISI ... viii
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xiii
DAFTAR LAMPIRAN ... xiv
INTISARI ...xv
BAB I PENDAHULUAN ...1
1.1 Latar Belakang Masalah ...1
1.2 Rumusan Masalah ...2
1.3 Batasan Masalah ...2
1.4 Tujuan Penelitian ...3
1.5 Metode Penelitian ...3
1.6 Sistematika Penulisan ...3
BAB II TINJAUAN PUSTAKA ...4
2.1 Tinjauan Pustaka ...4
2.2 Landasan Teori...5
2.2.1 Thresholding ...6
2.2.2 Segmentasi Citra ...7
2.2.3 Connected Component Labelling ...8
2.2.4 Perhitungan Metode Connected Component Labelling ...10
2.2.5 Ekstraksi Fitur ...12
2.2.6 Hamming Net ...12
2.2.6.1 Arsitektur Hamming Net ...13
2.2.6.2 Algoritma Hamming Net ...13
©UKDW
ix
2.2.6.3 Prosedur maxNet ...14
2.2.6.5 Perhitungan Algoritma Hamming Net ...16
2.2.7 Mexican Hat ...16
2.2.7.1 Arsitektur Mexican Hat ...16
2.2.7.2 Algoritma Mexican Hat ...17
BAB III ANALISIS DAN PERANCANGAN SISTEM ...20
3.1 Gambaran Umum Sistem ...20
3.2 Analisis Kebutuhan ...21
3.2.1 Analisis Data ...21
3.3.2 Analisis Kebutuhan Perangkat Lunak ...21
3.3.3Analisis Kebutuhan Perangkat Keras...21
3.3 Rancangan Database ...22
3.4 Rancangan Sistem ...22
3.4.1 Blok Diagram Sistem ...23
3.4.2 Flowchart ...24
A. Thresholding ...24
B. Segmentasi Karakter ...26
C. Cropping dan Resizing ...27
D. Ekstraksi Fitur ...28
E. Hamming Net ...29
F. Mexican Hat ...31
3.5 Rancangan Antarmuka Sistem ...32
3.5.1 Rancangan Form Utama ...33
3.5.2 Rancangan Form Pola Contoh ...33
BAB IV IMPLEMENTASI DAN ANALISIS SISTEM ...35
4.1 Implementasi Sistem ...35
4.1.1Proses thresholding ...35
4.1.2Proses segmentasi ...35
4.1.3Implementasi Proses Filtering Huruf ‘i’ dan ‘j’ ...37
4.1.4Implementasi Proses Sorting ...38
4.1.5Implementasi Proses Cropping, Resizing ...38
©UKDW
x
4.1.6 Implementasi Proses Ekstraksi Fitur ...38
4.1.7 Implementasi Metode Hamming Net dan Mexican Hat ...38
4.2 Implementasi Antarmuka ...39
4.2.1 Tampilan Form Utama ...39
4.2.2 Tampilan Form Pola Contoh ...41
4.3 Analisis Sistem...42
4.3.1 Proses Pengujian ...42
4.3.2 Hasil Preprocessing ...42
4.3.3 Penyimpanan Basis Data...44
4.3.4 Analisis Hasil Pengenalan...45
BAB V KESIMPULAN DAN SARAN ...72
5.1 Kesimpulan ...73 5.2 Saran ...74 DAFTAR PUSTAKA ...74 LAMPIRAN A ... A-1 LAMPIRAN B ...B-1
©UKDW
xi DAFTAR GAMBAR
GAMBAR KETERANGAN HALAMAN
Gambar 1.1 Cara Penulisan Karakter Huruf
Gambar 2.1 8-connectivity neighbourhood 9
Gambar 2.2 Citra Biner 10
Gambar 2.3 Proses Scanning dan Pelabelan 11
Gambar 2.4 Equivalen Map 11
Gambar 2.5 Proses Remmapping Array 12
Gambar 2.6 Arsitektur Hamming Net 13
Gambar 2.7 Arsitektur maxNet 14
Gambar 2.8 Arsitektur Mexican hat 16
Gambar 3.1 Blok Diagram Sistem 24
Gambar 3.2 Flowchart Proses Thresholding 25
Gambar 3.3 Flowchart Proses Segmentasi 26
Gambar 3.4 Contoh Proses Resizing Citra 28
Gambar 3.5 Flowchart Proses Ekstraksi Fitur 29
Gambar 3.6 Flowchart Hamming Net 30
Gambar 3.7 Flowchart maxNet 31
Gambar 3.8 Flowchart Mexican Hat 32
Gambar 3.19 Rancangan Form Utama 33
xii
Gambar 3.10 Rancangan Form Pola Contoh 33
Gambar 4.1 Contoh Citra Pada Bitmap yang berlabel 36
Gambar 4.2 Contoh Suatu Tabel Array Equivalen Map 36
Gambar 4.3
Contoh Suatu Tabel Array Equivalen Mapyang labelnya telah
benar. 37
Gambar 4.4 Hasil Proses Remapping Array 37
Gambar 4.5 Tampilan Antar Muka Form Utama 40
Gambar 4.6 Tampilan Antar Muka Pola COntoh 41
Gambar 4.7 Citra Input 42
Gambar 4.8 Citra Thresholding 42
Gambar 4.9 Hasil Proses Segmentasi dan Cropping 40
Gambar 4.10 Hasil Resizing Citra 43
Gambar 4.11 Tabel Penyimpanan Informasi Karakter di database 40
Gambar 4.12
Grafik hasil Pengujian dengan menggunakan 124 variasi pola
contoh 67
Gambar 4.13
Grafik hasil Pengujian dengan menggunakan 248 variasi pola
contoh 68
Gambar 4.14
Grafik hasil Pengujian dengan menggunakan 744 variasi pola
contoh 68
xiii DAFTAR TABEL
TABEL KETERANGAN HALAMAN
Tabel 3.1 Tabel Karakter 22
Tabel 4.1 Hasil Pengujian per tiap karakter menggunakan 124 variasi pola
dengan Metode Hamming Net 45
Tabel 4.2
Hasil Pengujian per tiap karakter menggunakan 124 variasi pola
dengan Metode Mexican Hat 49
Tabel 4.3
Hasil Pengujian per tiap karakter menggunakan 248 variasi pola
dengan Metode Hamming Net 54
Tabel 4.4
Hasil Pengujian per tiap karakter menggunakan 248 variasi pola
dengan Metode Mexican Hat 57
Tabel 4.5
Hasil Pengujian per tiap karakter menggunakan 744 variasi pola
dengan Metode Hamming Net. 61
Tabel 4.6
Hasil Pengujian per tiap karakter menggunakan 744 variasi pola
dengan Metode Mexican Hat. 63
Tabel 4.7 Persentase Keberhasilan pada algoritma Hamming Net dan
Mexican Hat 69
xiv DAFTAR LAMPIRAN
LAMPIRAN KETERANGAN HALAMAN
Lampiran A Lampiran Pola Contoh A-1
Lampiran B Lampiran Source Code B-1
xv INTISARI
Perbandingan Algoritma Hamming Net Dan Mexican Hat Dalam Mengenali Karakter Alfanumerik
Salah satu permasalahan dalam pengenalan pola berbasis jaringan syaraf tiruan adalah proses pemilihan algoritma pelatihan yang akan menentukan tingkat keberhasilan dari suatu pola yang diuji. Salah satu pelatihannya adalah dengan jaringan syaraf tiruan tanpa dibimbing (unsupervised). Beberapa jaringan syaraf tiruan tanpa dibimbing diantaranya adalah model jaringan Hamming Net dan Mexican Hat yang memilki kemampuan mengenali pola yang cukup baik. Berdasarkan hal tersebut, maka dalam penelitian ini akan dilakukan uji coba dan analisis terhadap input karakter user untuk mengetahui manakah dari kedua algoritma tersebut yang dapat mengenali karakter secara akurat dengan pola contoh yang tersedia.
Proses pengenalan ini dilakukan dengan 2 tahapan yaitu penyimpanan pola contoh, dan pengenalan pola contoh. Pada kedua tahapan tersebut citra input dan citra contoh akan dikenakan preprocessing awal yang meliputi, thresholding, segmentasi dengan metode connected component labeling, ekstraksi fitur dan proses peritungan dengan metode Hamming Net dan Mexican Hat.
Setelah itu, pada tahap pengujian, kedua algoritma akan diuji dengan menggunakan beberapa variasi pola contoh yaitu 124, 248 dan 744 variasi pola contoh. Hasilnya algoritma Hamming Net mampu mengenali karakter input lebih baik (presisi) dibandingkan algoritma Mexican Hat pada dengan persentase keberhasilan yang cukup tinggi yaitu 78.5% dan algoritma Mexican Hat hanya memiliki tingkat keberhasilan mencapai 57.74%.
Kata Kunci : Hamming Net, Mexican Hat, Thresholding, Segmentasi, Connected Component Labelling.
xv INTISARI
Perbandingan Algoritma Hamming Net Dan Mexican Hat Dalam Mengenali Karakter Alfanumerik
Salah satu permasalahan dalam pengenalan pola berbasis jaringan syaraf tiruan adalah proses pemilihan algoritma pelatihan yang akan menentukan tingkat keberhasilan dari suatu pola yang diuji. Salah satu pelatihannya adalah dengan jaringan syaraf tiruan tanpa dibimbing (unsupervised). Beberapa jaringan syaraf tiruan tanpa dibimbing diantaranya adalah model jaringan Hamming Net dan Mexican Hat yang memilki kemampuan mengenali pola yang cukup baik. Berdasarkan hal tersebut, maka dalam penelitian ini akan dilakukan uji coba dan analisis terhadap input karakter user untuk mengetahui manakah dari kedua algoritma tersebut yang dapat mengenali karakter secara akurat dengan pola contoh yang tersedia.
Proses pengenalan ini dilakukan dengan 2 tahapan yaitu penyimpanan pola contoh, dan pengenalan pola contoh. Pada kedua tahapan tersebut citra input dan citra contoh akan dikenakan preprocessing awal yang meliputi, thresholding, segmentasi dengan metode connected component labeling, ekstraksi fitur dan proses peritungan dengan metode Hamming Net dan Mexican Hat.
Setelah itu, pada tahap pengujian, kedua algoritma akan diuji dengan menggunakan beberapa variasi pola contoh yaitu 124, 248 dan 744 variasi pola contoh. Hasilnya algoritma Hamming Net mampu mengenali karakter input lebih baik (presisi) dibandingkan algoritma Mexican Hat pada dengan persentase keberhasilan yang cukup tinggi yaitu 78.5% dan algoritma Mexican Hat hanya memiliki tingkat keberhasilan mencapai 57.74%.
Kata Kunci : Hamming Net, Mexican Hat, Thresholding, Segmentasi, Connected Component Labelling.
1 BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Salah satu permasalahan dalam pengenalan pola berbasis jaringan syaraf tiruan adalah proses pemilihan algoritma pengenalan yang akan menentukan tingkat keberhasilan dari suatu pola yang diuji. Salah satu metodenya adalah dengan jaringan syaraf tiruan tanpa dibimbing (unsupervised). Dalam model ini, neuron dipaksa untuk berkompetisi sehingga hanya satu diantaranya yang menjadi aktif sebagai pemenang. Model jaringan kompetisi ini, telah banyak dipakai untuk melakukan pengenalan pola, misalnya pola wajah, huruf, angka, gambar, tulisan, dan tanda tangan. Beberapa jaringan syaraf tiruan berbasis kompetisi diantaranya adalah model jaringan Hamming Net dan Mexican Hat yang memilki kemampuan mengenali pola yang cukup baik.
Dalam penelitian ini, akan difokuskan pada pelatihan dengan menggunakan metode Hamming Net dan Mexican Hat, dimana setiap metode akan diberikan pola contoh dengan jumlah yang sama, dan sistem akan menerima inputan karakter dari user.
Harapannya, akan ditemukan dari kedua metode tersebut mana yang dapat mengenali karakter secara akurat berdasarkan input karakter user dengan pola contoh yang tersedia.
1.2 Rumusan Masalah
Dari latar belakang di atas, masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut :
1. Dari kedua algoritma tersebut, mana yang dapat mengenali karakter secara tepat dan presisi?
2. Apakah jumlah variasi pola contoh mempengaruhi kedua algoritma tersebut dalam mengenali karakter?
2 1.3 Batasan Masalah
Ruang lingkup permasalahan dalam penelitian ini dibatasi oleh hal-hal sebagai berikut :
1. Karakter yang akan dikenali adalah 26 karakter alfabet besar, 26 karakter alfabet kecil, dan 10 karakter numerik standar US QWERTY keyboard komputer.
2. Setiap input, tidak boleh saling bersinggungan, karena akan dianggap satu kesatuan.
3. Metode yang di gunakan adalah metode Hamming Net dan Mexican Hat. 4. Penulisan posisi karater dilakukan secara horizontal.
5. Pola contoh untuk tiap karakter adalah 12 buah, sehingga total pola contoh adalah 62 karakter x 12 pola contoh = 744 pola contoh.
6. Pada Gambar 1.1 menunjukkan cara dalam penulisan input karakter huruf, yang dimana:
a. Penulisan huruf besar harus melewati batas yang telah ditentukan. b. Penulisan huruf kecil, maksimal mencapai batas yang telah
ditentukan.
7. Pada penulisan angka 0,1,2,3,4,5,6,7,8,9 tidak terikat pada aturan 6a dan 6b.
Gambar 1.1
Cara Penulisan Karakter Huruf
1.4 Tujuan Penelitian
Tujuan dalam penelitian ini adalah untuk membandingkan metode Hamming Net dan Mexican Hat dalam mengenali karakter secara tepat dan presisi.
3 1.5 Metode Penelitian
Penelitian ini dilakukan dengan beberapa tahapan :
1. Melakukan studi pustaka melalui membaca buku, jurnal, e-book, maupun artikel mengenai pengenalan pola yang mendukung penulisan tugas akhir. 2. Melakukan analisis terhadap masalah yang ada, batasan yang dimiliki, dan
kebutuhan yang diperlukan.
3. Melakukan pengumpulan sample pola contoh dari berbagai user.
3. Membuat aplikasi dengan menggunakan metode Hamming Net dan Mexican Hat untuk mengenali input karakter.
4. Melakukan serangkaian uji coba terhadap pola yang dibangun.
5. Melakukan analisis terhadap program dengan membandingkan tingkat keakuratan dari kedua algoritma tersebut dengan serangkaian pola input.
1.6 Sistematika Penulisan
Penulisan laporan tugas akhir ini akan dibagi menjadi 5 bagian, yaitu: Bab 1 Pendahuluan, berisi tentang latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, metode penelitian, dan sistematika penulisan.
Bab 2 Tinjauan Pustaka. Bab ini terdiri dari dua sub bab, yaitu tinjauan pustaka dan landasan teori. Bab ini menjelaskan tentang penelitian-penelitian terdahulu beserta teori yang berkaitan dengan topik penelitian yang diambil oleh penulis.
Bab 3 Analisis dan Perancangan Sistem. Bab ini terdiri dari beberapa sub bab yang digunakan dalam perancangan sistem, antara lain gambaran umum sistem, analaisis kebutuhan, rancangan database, algoritma dalam membangun sistem, serta rancangan antarmuka sistem. Bab 4 Implementasi dan Analisis Sistem, berisi implementasi program berupa tampilan program. Disertakan input dan output program, penjelasan, pengujian, dan analisa dari system kerja program.
Bab 5 Kesimpulan Dan Saran, berisi kesimpulan dari hasil penelitian yang dilakukan serta saran-saran yang mungkin untuk pengembangan lebih lanjut.
72 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisa yang dilakukan terhadap sistem dengan berdasarkan pada pengujian terhadap pola contoh, dapat disimpulkan bahwa:
1. Metode Hamming Net mampu mengenali karakter lebih presisi (baik) daripada algoritma Mexican Hat dengan tingkat keakuratan algoritma Hamming Net mencapai 78.5% , algoritma Mexican Hat dengan tingkat keakuratan mencapai 57.74% pada 744 variasi pola contoh.
2. Ketebalan pola input yang dipakai pada saat penulisan mempengaruhi tingkat keberhasilan kedua algoritma yang dipakai dalam mengenali karakter. Hal ini dikarenakan, semakin tipis ketebalan input, informasi yang hilang atau berkurang pada saat proses resizing akan semakin banyak, Sedangkan apabila ketebalan tulisan semakin tebal, maka informasi pixel yang hilang atau berkurang pada saat proses resizing dapat diminimalisir.
3. Jumlah variasi pola contoh mempengaruhi kemampuan kedua algoritma dalam mengenali karakter. Semakin banyak variasi pola pada suatu karakter, maka karakter akan dikenali semakin baik, namun semakin banyak pola membutuhkan waktu proses yang lebih lama. Ini dapat dilihat pada pengujian terhadap beberapa variasi pola contoh. Pada variasi 124 variasi pola contoh persentase keberhasilan algoritma Hamming Net adalah 22%, sedangkan algoritma Mexican Hat persentase keberhasilan hanya 17.79%. Pada variasi 248 pola contoh, persentase keberhasilan Hamming Net meningkat menjadi 67%. Pada algoritma Mexican Hat persentase keberhasilannya adalah 30%. Pada variasi 744 pola contoh, persentase keberhasilan algoritma Hamming Net meningkat menjadi 78.5% dan algoritma Mexican Hat persentase keberhasilannya adalah 57.74%.
73 5.2 Saran
Berdasarkan hasil penelitian yang diperoleh, maka dapat disarankan beberapa hal yaitu :
1. Perlu dilakukan pengembangan sehingga sistem dapat dapat mengenali karakter dengan berdasarkan perbedaan posisi misalnya karakter ‘x2’. 2. Pada pengembangan selanjutnya, pengenalan karakter tidak hanya dapat
dilakukan secara horizontal, namun dpat dilakukan secara vertikal.
3. Perlu pengembangan pada desain User Interface program sehingga tampilannya lebih user friendly.
74 DAFTAR PUSTAKA
Ardhianto, Eka., Hadikurniawati, Wiwien., & Budiarso, Zuli. (2013). Implementasi Metode Image Subtracting Dan Metode Regionprops Untuk Mendeteksi Jumlah Objek Berwarna RGB Pada File Video. Semarang: Program Studi Informatika Universitas Stikubank, 2013.
Johan (2003). Pengenalan Pola Huruf Besar Dengan Metode mexican hat. (Undergraduate thesis, Duta Wacana Christian University, 2003). Retrieved from http://sinta.ukdw.ac.id
Kotualubun, J.C. (2013). Implementasi Metode Learning Vector Quantization Dalam Aplikasi handwriting Calculator Berbasis Mobile. (Undergraduate thesis, Duta Wacana Christian University, 2013). Retrieved from http://sinta.ukdw.ac.id
Kurniawan, Harry., & Hidayat, Taufiq. (2008). Perancangan Program Pengenalan Wajah Menggunakan Fungsi Jarak Metode Euclidian Pada Matlab. Yogyakarta : Seminar Nasional Aplikasi Teknologi Informasi, 2008.
P., S.D. (1998). Perbandingan Jaringan Syaraf Tiruan Metode hamming Dengan Metode Hopfield Pada Aplikasi Pengenalan Pola Angka. (Undergraduate thesis, Duta Wacana Christian University, 1998). Retrieved from http://sinta.ukdw.ac.idCastleman. (1996). Digital Image Processing .
Panggabean, E.P. (2013). Pengenalan Karakter Plat Nomor Mobil Dengan Menggunakan hamming Network. (Undergraduate thesis, Duta Wacana Christian University, 2013). Retrieved from http://sinta.ukdw.ac.id
Siang, J J. (2005). Jaringan Syaraf Tiruan & Pemrograman Menggunakan Matlab. Yogyakarta: Penerbit Andi.
Suwarno, Sri & Hartati, Sri. 2010. Deteksi Kemiringan Alur Pola Sidik Jari Dengan hamming Net Sebagai Dasar Klasifikasi. Yogyakarta: Seminar Informatika, 2010. Thiang. (2005). Pengenalan Karakter Dengan Menggunakan Hamming Network. Surabaya:
Universitas Kristen Petra, 2002
