Penggunaan Fitur Momen Zernike Untuk Pengenalan Karakter Jawi Cetak

Transkripsi

1 : Penggunaan Fitur Momen Zernike Untuk Pengenalan Karakter Jawi Cetak Hardian Saputra *1, Fitri Arnia* 2, Fardian *3 *Jurusan Teknik Elektro dan Komputer, Universitas Syiah Kuala Jl. Tgk Syech Abdurrauf No. 7, Darussalam, Banda Aceh, 23111, Aceh, Indonesia 1 hardiansaputra92@gmail.com 2 f.arnia@unsyiah.ac.id 3 fardian@unsyiah.ac.id Abstrak Indonesia, khususnya wilayah Aceh mempunyai banyak peninggalan manuskrip kuno salah satunya adalah kitab bahasa Arab Jawi. Tulisan Jawi atau dokumen jawi kuno sudah banyak disimpan dalam bentuk digital akan tetapi untuk mengenali tulisan Jawi atau dokumen kuno tersebut dibutuhkan metode ekstraksi fitur. Metode ekstraksi yang digunakan dalam penelitian ini adalah metode zernike sebagai fitur untuk mengenali karakter Jawi cetak. Metode menghitung keenam nilai zernike yang nantinya setiap nilai yang didapatkan akan dikombinasikan, hasil dari kombinasi dapat digunakan sebagai fitur. Dengan melakukan kombinasi karakter yang berbeda pada keenam nilai zernike dapat menghasilkan sebuah kombinasi yang unik dan dapat digunakan untuk melakukan proses pengenalan karakter Arab Jawi. Penggunaan zernike sebagai ektraksi fitur mempunyai tingkat keberhasilan %. Kata Kunci zernike, ekstraksi fitur, karakter arab jawi. I. PENDAHULUAN Islam masuk ke Indonesia sejak abad ke-7 Masehi dan berlangsung dalam waktu yang lama yaitu sampai abad 13 Masehi. Perkembangan Islam pertama kali diawali di Aceh yaitu daerah Pasai di Aceh Utara dan pantai barat Sumatera. Pada abad ke-17 tulisan Jawi mulai diperkenalkan di Aceh. Tulisan Jawi berasal dari huruf Arab dan disebarkan oleh pedangan yang membangun Indonesia [1]. Seiring dengan perkembangan zaman penggunaan citra digital tidak asing lagi dan merupakan suatu hal yang menarik untuk dikaji lebih lanjut. Dengan kemajuan teknik pengolahan citra digital dapat memudahkan dalam mendapatkan gambar. Salah satu yang keuntungan dari kemajuan teknik digital yaitu metode penyimpanan pengenalan huruf-huruf yang ada didalam dokumen kuno. Indonesia, khususnya Aceh banyak memiliki peninggalan dokumen-dokumen kuno salah satunya dokumen Arab Jawi. Dokumen-dokumen tersebut banyak yang luput dari perhatian sehingga banyak yang mengalami kerusakan, untuk itu perlu dilakukan proses digitalisasi agar dapat terjaga dengan baik. Proses digitalisasi merupakan salah satu perkembangan dari teknologi citra digital. Citra digital adalah citra kontinu yang diubah dalam bentuk diskrit, baik koordinat ruang maupun intensitas cahayanya. Dokumen-dokumen kuno yang telah rusak dan susah dikenali karakternya perlu dilakukan proses digitalisasi, proses digitalisai dapat dilakukan dengan menggunakan apikasi OCR (Optical Character Recognition). Untuk membangun OCR dibutuhkan metode ekstraksi fitur, metode ekstraksi fitur yang akan digunakan dalam penelitian ini yaitu metode zernike. II. TINJAUAN PUSTAKA A. Citra Suatu citra merupakan subuah fungsi intesitas yang memiliki dimensi f(x, y), dimana x dan y adalah koordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan (brightness) suatu citra pada suatu titik (x, y). Citra diperoleh dengan cara penangkapan kekuatan sinar yang dipantulkan oleh suatu objek. Pengolahan citra merupakan suatu proses pengolahan sinyal yang inputnya adalah suatu citra [3]. Salah satu bagian dari pengolahan citra adalah analisis citra. Pada analisis citra bagian-bagian citra diproses untuk mengenali atau mengelompokkan objek. Untuk pengenalan objek langkah-langkah yang digunakan adalah : a. Denoising b. Segmentasi c. Ekstraksi fitur d. Pengenalan pola B. OCR (Optical Character Recognition) OCR (Optical Character Recognition) merupakan sebuah software simulasi yang dapat digunakan untuk 15

2 : membaca huruf maupun angka baik yang berasal dari mesin cetak atau tulisan tangan. Hasil scan menggunakan OCR akan menjadi file berupa image kemudian image tersebut akan diconvert atau dijadikan file berupa teks, hasil scan menggunakan OCR dapat dicari kata per kata atau perkalimat. Berikut ini merupakan tahapan-tahapan proses OCR secara umum. Gambar 1 Proses OCR secara umum C. Ekstraksi Fitur Ekstraksi fitur dapat digunakan untuk mengenali atau mengklasifikasikan objek dalam gambar, fitur ini digunakan dalam pola untuk memperoleh classifier final kelas. Ekstraksi fitur bertujuan untuk mendeteksi atau mencari daerah yang signifikan pada gambar dan tergantung pada karakteristik intrinsik dan aplikasi. Wilayah yang akan diekstraksi tersebut dapat didefinisikan dalam lingkungan global atau lokal. Ekstraksi fitur bisa berdasarkan bentuk dan warna, metode ekstaksi fitur berdasarkan bentuk yaitu invarian hu dan zernike [6]. D. Pengenalan Pola Pengenalan pola merupakan suatu sistem yang digunakan untuk mengidentifikasikan atau mengenali objek didalam citra. Dapat dipakai untuk mengenali pola huruf, angka, suara, tanda tangan, kualitas benda yang sudah sedikit berubah. dapat diidentifikasi serta diberi nama melalui ciri-cirinya (feature). Ciri-ciri pola dapat digunakan untuk membedakan suatu pola dengan pola lainnya, pola yang memiliki ciri yang baik yaitu terdapat daya pembeda yang tinggi dan dikelompokkan menurut ciri yang dimiliki [7]. Gambar 2 Huruf dasar Arab Jawi F. Momen zernike Momen zernike dipilih karena merupakan invarian untuk rotasi dan tidak sensitif noise. Keuntungan lain dari zernike adalah kemudahan rekonstruksi citra karena orthogonal nya. Momen zernike adalah proyeksi fungsi gambar ke fungsi berbasis orthogonal. Momen zernike juga memiliki fungsi rotasi invarian dimana nilai zernike tidak akan berubah terhadap gambar yang diputar. Kelebihan lain dari zernike adalah kemudahan rekonstruksi citra karena fungsi orthogonalitas. Kelemahan utama dari zernike adalah kompleksitas komputasi. Perhitungan ini didasarkan pada hubungan antara geometris invarian dan zernike untuk memperoleh zernike invarian. Sifat zernike adalah sebagai berikut [12]. Momen dua dimensi dengan orde (p+q) dari suatu citra dengan ukuran MxN didefinisikan sebagai : M 1 N 1 m pq = x p y q f(x, y) (1) dengan X=0 Y=0 m pq = citra digital p, q = orde f = nilai intensitas citra x, y = koodinat piksel Dimana p = 0,1,2, dan q = 0,1,2, adalah nilai bilangan bulat. Kemudian pusat (central t) orde (p+q) di definisikan sebagai : M 1 N 1 μ pq = (x x ) p (y y ) q f(x, y) (2) X=0 Y=0 μ = pusat x, y : pusat citra E. Karakter Arab Jawi Tulisan Jawi merupakan salah satu tulisan yang digunakan oleh bangsa melayu, tulisan Jawi berasal dari bahasa Arab yang abjadnya telah disesuaikan untuk menulis Bahasa Melayu. Tulisan Jawi tidak hanya di gunakan di Indonesia saja akan tetapi juga digunakan di seluruh Asia Tenggara. 16 Untuk p dan q adalah 0,1,2, dimana x = m 10 m 00 dan y = m 01 m 00 (3) Kemudian normalized central ts, yang dinotasikan dengan Mpq, didefinisikan sebagai berikut.

3 : η pq = μ 10 p+q+2 μ 00 2 (4) Ada 6 zernike yang dapat ditentukan, pada persamaan (5), sebagai berikut: φ 1 = (3/π)(2( η 20 + η 02 ) η 00 ) φ 2 = (3/π) 2 [(η 20 η 02 ) 2 + 4η 11 2 ) ] φ 3 = (12/π) 2 [(η 30 + η 12 ) 2 + (η 03 + η 21 )] φ 4 = (4/π) 2 [(η 30 η 12 ) 2 + (η 03 + η 21 ) 2 ] (5) φ 5 = (5/π) 2 [(4η 40 η 04 ) 3(η 20 η 02 )] 2 + [(6η 11 8(η 31 6η 13 )] 2 φ 6 = (5/π) 2 [(η 00 6(η 20 + η 02 ) 2 + 6(η 40 + η η 22 ))] III. METODE PENELITIAN A. Alur Penelitian Alur penelitian yang akan dilakukan adalah sebagai berikut : karakter dengan ukuran 100x100 pixel. Tipe huruf yang digunakan adalah Times New Roman. Times New Roman adalah salah satu tipe font yang bisa digunakan untuk Jawi. Setelah semuanya selesai dan citra karakter Arab Jawi terkumpul kemudian tiap karakter tersebut akan dibuat template citra binner yang berformat JPG, proses perubahan citra binner diproses dengan menggunakan software simulasi, jumlah karakter yang akan dikenali adalah 127 karakter Arab Jawi [11]. c. Perhitungan Nilai Zernike Momen Setelah proses simulasi membaca karakter Arab Jawi dengan software simulasi selesai selanjutnya akan dilakukan perhitungan tiap-tiap nilai zernike, untuk setiap huruf perhitungan nilai akan dimulai dari pertama sampai dengan nilai yang keenam dengan menggunakan persamaan (5). Perhitungan untuk setiap dari setiap karakter dilakukan dengan menggunakan software simulasi. d. Analisis hasil Setelah semuanya dilakukan dan didapatkan hasil dari nilai zernike untuk setiap karakter selanjutnya akan dilakukan analisis terhadap nilai yang diperoleh. Proses analisis tersebut menggunakan metode skema akar pohon atau root tree scheme. Dengan menggunakan skema akar pohon atau root tree scheme tiap-tiap karakter Jawi cetak yang hasilnya mempunyai nilai yang sama maka akan dikelompokkan dalam kelompok yang sama berdasarkan nilai. Setelah selesai dilakukan proses pengelompokan maka akan didapatkan hasil setiap karakter yang berdiri sendiri. Proses analisa dilakukan untuk melihat apakah suatu nilai zernike akan dapat mengenali karakter Arab Jawi atau tidak. Dengan menggunakan : Gambar 3 Tahapan penelitian tugas akhir a. Studi Literatur Pada tahapan studi literatur melakukan proses untuk mempelajari serta mencari informasi yang berkaitan dengan tugas akhir ini yaitu mempelajari metode tentang zernike. Setelah mempelajari studi literatur ini maka penelitian ini dapat terlaksanakan dengan baik dan tidak terdapat kendala apapun. b. Database Citra Karakter Arab Jawi Dalam proses pengumpulan data diambil dari Database karakter Jawi cetak. Karakter Jawi yang digunakan adalah 17 Rate pengenalan = Rate pengenalan karakter Arab Jawi cetak berdasarkan pengelompokan tabel. e. Kesimpulan dan penulisan laporan Setelah didapatkan hasil analisa maka dapat diambil sebuah kesimpulan dari hasil analisa zenike. Kemudian dilakukan proses penulisan laporan dari penelitian yang telah dilakukan. B. Mekanisme Pengujian Pada proses pengujian pengenalan karakter Arab Jawi dilakukan dengan mengetik ulang tiap-tiap karakter Arab Jawi. Proses pembuatan karakter Arab Jawi menggunakan tipe huruf Times New Roman. Selanjutnya bentuk huruf karakter arab jawi dicetak pada kertas A4, setelah karakter Arab Jawi dicetak kemudian gambar tersebut akan discan.

4 : Setelah proses pembuatan beberapa karakter Arab Jawi siap dilakukan maka akan dibuat template-nya. Citra karakter Arab Jawi yang berformat jpg dipotong huruf per huruf dengan menggunakan software microsoft paint dan ukuran citra yang dibentuk adalah 100x100 pixel. Selanjutnya citra yang akan diuji dilakukan proses perubahan karakter Arab Jawi ke citra biner dengan menggunakan software simulasi B. Hasil Perhitungan Untuk Templeate Biner Citra Huruf Arab Jawi Cetak Tabel I Huruf Yang Dipresentasikan Oleh 3 Momen NO KARAKTER Nilai Moment Alif sendiri Alif akhir Ba sendiri Ba awal Ba tengah Ba akhir Ta sendiri T a awal Ta tengah Ta akhir Setalah melakukan perhitungan setiap citra karakter Arab Jawi cetak dengan menggunakan persamaan 5 maka selanjutnya akan dilakukan proses pengelompokan berdasarkan nilai-nilai degan menggunkan akar pohon. Gambar 4 Bagan proses pengujian sistem pengenalan karakter Arab Jawi IV. HASIL DAN PEMBAHASAN Pada hasil dan pembahasan akan dibahas cara mendapatkan hasil pada proses penelitian selain itu akan dilakukan proses analisis terhadap data yang telah didapatkan. Pengujian dilakukan untuk menghitung keenam nilai zernike terhadap masing-masing citra dari huruf Arab Jawi cetak. A. Template Biner Huruf Arab Jawi Cetak Gambar 5 COntoh Template biner huruf Arab Jawi cetak Gambar diatas merupakan beberapa contoh template citra biner karakter Arab Jawi, citra biner tersebut berukuran 100x100 piksel. Citra tersebut digunakan untuk mengghitung nilai-bilai t dengan menggunakan software simulasi. Berikut ini merupakan tahapan-tahapan pengenalan karakter Jawi Cetak menggunakan skema akar pohon : 1. Menghitung nilai dari 127 karakter jawi cetak 2. Melakukan pembulatan nilai yang telah didapatkan 3. Melakukan pengelompokan tiap-tiap nilai berdasarkan nilai karakter tersebut. 4. Memeriksa nilai pertama dari pengelompokan karakter Arab Jawi cetak. 5. Apabila nilai karakter hanya mempunyai 1 karakter pada tersebut maka akan dikenali/unik. 6. Apabila pada pertama terdapat dua atau tiga karakter yang sama maka periksala pada ke dua. 7. Apabila pada kedua nilai karakter tersebut tidak sama lagi maka karakter tersebut sudah dikenali. 8. Jika pada kedua nilai karakter tersebut tetap masih sama maka ulangilah langkah-langkah diatas sampai keenam. 9. Jika pada keenam nilai karakter tersebut tetap masih sama maka karakter tersebut tidak dapat dikenali. Berikut ini merupakan hasil pengelompokan tiap-tiap karakter berdasarkan tingkatan fitur yang menjadi pengenal tiap-tiap huruf : 18

5 : Tabel II Pengelompokan karakter Jawi Cetak Pengelompokan tingkat fitur persentase huruf yang dipresentasikan oleh satu 3.93 % huruf yang dipresentasikan oleh dua 2.36 % huruf yang dipresentasikan oleh % huruf yang dipresentasikan oleh % huruf yang dipresentasikan oleh % huruf yang tidak dapat dipresentasikan 4.7 % oleh zernike C. Pengujian Dalam penelitian ini pengujian yang dilakukan yaitu dengan cara membuat ulang tiap-tiap karakter Arab Jawi cetak dan dengan menghitung manual. Pada pengujian yang dilakukan dengan cara membuat ulang tiap-tiap karakter Arab Jawi cetak dapat dikenal sebagai karakter itu sendiri. Sedangkan pengujian yang dilakukan secara manual juga didapatkan mendekati dengan perhitungan yang dilakukan dengan software simulasi. V. KESIMPULAN Berdasarkan penelitian, pengujian dan analisa hasil yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut. 1. Pengujian yang dilakukan pada zernike yang dapat dikenali dari 127 karakter adalah 124 karakter atau %. 2. Momen yang paling banyak mempresentasikan fitur karakter Arab Jawi cetak yaitu keempat sebesar 68.5 %. 3. Dari hasil pengujian yang dilakukan dengan membuat ulang karakter Arab Jawi didapatkan hasil bahwa fitur zernike tidak akan berubah fiturnya tetapi dengan karakter yang sama. DAFTAR PUSTAKA [1] Jalil, Abd, Tulisan Jawi: Tulisan Serantau. in Seminar Tulisan Jawi dan Teknologi Peringkat Kebangsaaan, Universiti Malaysia Pahang, [2] Saddami, Khairun, Pengenalan Karakter Arab Jawi Menggunakan Fitur Moment Invariant, Skripsi. Banda Aceh : Jurusan Teknik Elektro Fakultas Teknik Universitas Syiah Kuala, [3] Gonzalez and Woods. (2008). Digital Image Processin (2nd Editiong.)[Online]. Available: Karakter yang tidak dapat dikenali menggunakan zernike sebanyak 6 karakter atau 4.7 % dari karakter sedangkan pengujian yang dilakukan menggunakan invarian karakter yang tidak dapat dikenali sebanyak dua karakter atau 1.4 % dari total karakter. UCAPAN TERIMA KASIH Dengan selesainya karya ilmiah ini penulis mengucapkan banyak terimakasih kepada : 1. Orang tua dan keluarga yang telah banyak memberikan bantuan, doa, semangat dan dukungan selama ini. 2. Bapak Dr. Ir. Mirza Irwansyah, MBA., MLA., selaku Dekan Fakultas Teknik Universitas Syiah Kuala. 3. Bapak Dr. Nasaruddin, ST., M.Eng selaku Ketua Jurusan Teknik Elektro Fakultas Teknik Universitas Syiah Kuala. 4. Ibu Dr. Fitri Arnia, ST.,M.Eng.Sc dan Bapak Fardian ST., M.Sc selaku Dosen Pembimbing I dan Dosen Pembimbing II yang telah menyediakan banyak waktu luang, tenaga, dan pikiran untuk mengarahkan saya dalam penyusunan skripsi ini. 5. Bapak Dr. Khairul Munadi, ST., M.Eng dan Bapak Sayed Muchallil, ST.,M.Sc selaku Dosen Penguji I dan Dosen Penguji II, serta Bapak Dr. Dr. Rusdha Muharar, ST., M.Sc selaku Ketua Sidang. 6. Bapak Dr. Teuku Yuliar Arif, S.T M.Kom selaku pembimbing akademik. 7. Teman-teman mahasiswa teknik elektro, khususnya angkatan 2010 dan seluruh pihak yang telah ikut campur tangan dalam membantu penyusunan karya ilmiah ini. Dalam penyusunan karya ilmiah ini penulis sangat berterima kasih kepada semua pihak yang telah banyak membantu semoga ALLAH SWT dapat membalas kebaikan, semoga karya ilmiah ini memiliki manfaat untuk perkembangan ilmu pengetahuan. [4] Putra, Kadek Agus Dwi and Prapitasari, Luh Putu Ayu., Segmentasi Karakter Pada Skrip Bahasa Bali Menggunakan Metode Canny Edge Detection, Laporan Penelitian. STMIK Stikom Bali, [5] Qur ania Arie., Karlitasar Lita and Maryana Sufiatul, Analisis tekstur dan ekstraksi fitur warna untuk Klasifikasi apel berbasis citra, Laporan Penelitian. Program Studi Ilmu Komputer - FMIPA, Universitas Pakuan Bogor, [6] Mahatmaputra Samuel., David, Rosmina and Lestari Dewi, Pengenalan Citra Karakter Mandarin Menggunakan Metode Matriks Kuadran Pada Mobile Device, Jurnal Ilmiah SNATI, 2011.

6 : [7] Giantara, Rangga Etyawan., Hidayatno Achmad and Christiyono Yuli., Pengenalan Pola Kelas Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation, Laporan Penelitian. Semarang. Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang, [8] Harun, Makmur Haji, Pengajaran Seni Khat dan Tulisan Jawi Dalam Pendidikan Islam : peluang, cabaran dan Harapan, in Seminar Kebangsaan Penyelidikan dan Pendidikan Islam Politeknik Universiti Pendidikan Sultan Idris (UPSI) 35900, Tanjong Malim, Perak Darul Ridzuan [9] Salehuddin Khazriyat, Penilaian Ke Atas Kerumitan Kognitif Dalam Proses Membaca Jawi, Journal of Language Studies Volume 12(4), November 2012 [10] Surya, Friska Hadi, Pengenalan Tulisan Tangan Huruf jawi (Arab Jawi ) Menggunakan Jaringan Saraf Tiruan Backpropagation, Jurnal Pelita Informatika Budi Darma.Volume : IX, Nomor: 1, [11] Saddami, Khairun., Munadi, Khairul and Arnia, Fitri, A Database Of Printed Jawi Image Character Prosiding International Conference on Image Information Prossesing ICIIP [12] Saad, Puteh and Rusli Nursalawati, Invariant Moment and Zernike Moment - A Comparison, Jurnal Penyelidikan Dan Pendidikan Kejuruteraan. Jilid 1, [13] Juharwidyningsih Ettyc., Fatichah, Chastine and Khotimah, Wijayanti Nurul., Pengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moment Menggunakan Support Vector Machine Jurnal Teknik POMITS Vol. 2, No. 1, [14] Bahri, Saiful and Sukamto, Sistem Pengenalan Pola Karakter Arab Menggunakan Metode Moment Invariant HU, Laporan Penelitiian.Riau. Jurusan Matematika FMIPA Universitas Riau, [15] Iswandi, Sistem Pengenalan Huruf Jawi Cetak Menggunakan Fitur Moment Invariant, Skripsi. Banda Aceh : Jurusan Teknik Elektro Fakultas Teknik Universitas Syiah Kuala,