BAB I PENDAHULUAN. warisan budaya yang ada di Bali yang perlu mendapatkan perhatian karena mulai

dokumen-dokumen yang mirip
EKSTRAKSI FITUR AKSARA BALI MENGGUNAKAN METODE ZONING

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW BAB 1. PENDAHULUAN. 1.1 Latar Belakang

PENGENALAN AKSARA BALI MENGGUNAKAN METODE ZONING DAN KNN

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. turun-temurun oleh nenek moyang masyarakat suku jawa. Zaman dahulu

BAB I PENDAHULUAN. banyak kemungkinan tulisan dengan huruf yang khas mempunyai histories

BAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor

PENGENALAN HURUF TULISAN TANGAN MENGGUNAKAN METODE ZONING DAN SUPPORT VECTOR MACHINE

BAB I PENDAHULUAN BAB I PENDAHULUAN

BAB I PENDAHULUAN. yang beragam, dimana salah satunya terwujud dalam aksara atau tulisan asli

1. BAB I PENDAHULUAN Latar Belakang

BAB II TINJAUAN PUSTAKA. teori yang sesuai dengan penelitian printer forensik

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat

RANCANG BANGUN PENGENALAN AKSARA BALI CETAK DENGAN METODE TEMPLATE MATCHING DAN LIBRARY OPENCV PADA ANDROID TUGAS AKHIR

Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)

PENGENALAN KATA AKSARA JAWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

PENGENALAN AKSARA JAWA TULISAN TANGAN DENGAN MENGGUNAKAN EKSTRAKSI FITUR ZONING DAN KLASIFIKASI K-NEAREST NEIGHBOUR RIZKINA MUHAMMAD SYAM

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)

BAB II TINJAUAN PUSTAKA

Pengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour. Yustar Pramudana

BAB II LANDASAN TEORI. bahasa Jawa yang pada dasarnya terdiri atas dua puluh aksara pokok (nglegena),

BAB III ANALISIS DAN PERANCANGAN SISTEM

PENGENALAN AKSARA BALI DENGAN METODE LOCAL BINARY PATTERN BALI SCRIPT RECOGNITION WITH LOCAL BINARY PATTERN METHOD

Pengenalan Pola Garis Telapak Tangan Menggunakan Metode Fuzzy K- Nearest Neighbor

Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan

BAB I.PENDAHULUAN. tersebut menghasilkan ciri khas tersendiri untuk masing-masing daerahnya, salah satunya

PENGEMBANGAN SISTEM PENYIMPANAN DATA FITUR CITRA TULISAN TANGAN AKSARA BALI

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh

PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION

BAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.

IDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA

PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR

BAB II TINJAUAN PUSTAKA

Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I

BAB IV HASIL DAN PEMBAHASAN

BAB I PENDAHULUAN 1.1 Latar Belakang

Penggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda Tangan

BAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem

BAB 1 PENDAHULUAN Latar Belakang

DAFTAR ISI. BAB II... Error! Bookmark not defined.

Rancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB

BAB 1 PENDAHULUAN. Pada tahun 1970an penelitian awal image retrieval dilakukan dengan

BAB I PENDAHULUAN. 1.1 Latar Belakang

Mempelajari dasar-dasar teori dan mengumpulkan referensi yang berhubungan dengan batubara, jenis batubara, metode ekstraksi ciri Discrete Wavelet

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan.

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang

PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI NADYA AMELIA

BAB 2 LANDASAN TEORI

Perancangan Konversi Braille Ke Teks Berbasis Android

Pengenalan Huruf Pada Citra Digital Menggunakan Algoritma Template Matching

BAB I PENDAHULUAN. kulit rentan mengalami penyakit, salah satu penyakit yang paling berbahaya adalah kanker kulit.

DETEKSI PENYAKIT KULIT MENGUNAKAN FILTER 2D GABOR WAVELET DAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION

Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.

UKDW BAB 1 PENDAHULUAN

IDENTIFIKASI KARAKTER PLAT NOMOR KENDARAAN MENGGUNAKAN EKSTRAKSI FITUR ICZ DAN ZCZ DENGAN METODE KLASIFIKASI K-NN RADEN PUTRI AYU PRAMESTI

BAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa

PENDAHULUAN. Latar Belakang

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah:

BAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan Penelitian

BAB I PENDAHULUAN. tangan dijadikan alat untuk menganalisis kepribadian pemiliknya. Sebuah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya

UKDW BAB I PENDAHULUAN

Dedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2

BAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector

Oleh: Riza Prasetya Wicaksana

Klasifikasi dan Identifikasi Jumlah Koloni Pada Citra Bakteri Dengan Metode K-Nearest Neighbor

BAB IV HASIL DAN PEMBAHASAN

BAB 1 PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra

BAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

DAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

PENDAHULUAN. Latar Belakang

Pengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran

@UKDW BAB 1 PENDAHULUAN Latar Belakang Masalah

Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor

BAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali

BAB I PENDAHULUAN. dikembangkan dengan sejumlah pendekatan selama bertahun-tahun. Klasifikasi

Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)

BAB II TINJAUAN PUSTAKA

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang Sebuah kebudayaan yang ada pada setiap daerah adalah warisan dari nenek moyang serta leluhur yang hendaknya dijaga dan dilestarikan. Ada berbagai macam warisan budaya yang ada di Bali yang perlu mendapatkan perhatian karena mulai tersisihkan karena perkembangan zaman dan teknologi yang semakin maju. Aksara Bali adalah salah satu warisan yang sangat bernilai karena mengandung nilai-nilai budaya masyarakat di Bali. Aksara Bali merupakan karakter tulisan yang digunakan masyarakat di Bali. Semakin berkembangnya teknologi, Aksara Bali ini mulai tersisih dengan adanya buku modern serta peralatan yang lebih canggih dalam merekam dan menyimpan suatu teks yang tentu jauh lebih efisien. Namun, bagaimanapun sebuah kebudayaan hendaknya dijaga dan dilestarikan agar tetap ada sebagai warisan budaya. Hal inilah yang mulai hilang dari masyarakat modern, semakin sedikit masyarakat yang berminat pada Aksara Bali bahkan tidak mengetahui karakter Aksara Bali. Aksara Bali biasanya ditulis pada daun Lontar untuk menyimpan informasi tertentu. Dalam menulis dan membaca karakter Aksara Bali, diperlukan pemahaman mengenai Aksara Bali. Aksara Bali adalah aksara tradisional masyarakat di Bali. Aksara ini terbagi menjadi beberapa bagian yaitu aksara wianjana (konsonan) dan aksara suara (vokal). Aksara wianjana berjumlah sebanyak 18 karakter dan aksara 1

2 suara berjumlah 6 karakter. Selain aksara wianjana dan aksara suara, terdapat juga pengangge- pengangge sebagai komponen penulisan Aksara Bali. Hal ini menjadi kendala bagi masyarakat modern yang sedikit memiliki pemahaman dalam membaca Aksara Bali yang ada pada naskah Lontar. Gambar 1.1 Aksara Bali yang ditulis pada Lontar Demi melestarikan budaya Aksara Bali, penelitian mengenai pengenalan Aksara Bali khususnya dalam bidang pengolahan citra dilakukan sebagai apresiasi terhadap budaya di Bali. Proses pengolahan citra sebuah Aksara Bali melalui proses yang dimulai dari akuisisi citra, pre-processing, segmentasi, ekstraksi fitur dan pengenalan Aksara Bali. Proses akuisisi adalah prosedur untuk mengambil dan mengakuisisi citra Aksara Bali dengan menggunakan optik kamera ataupun scanner, sehingga citra Aksara Bali menjadi bentuk digital. Proses selanjutnya adalah pre-processing, yaitu proses awal yang bertujuan untuk memperbaiki dan mengolah citra Aksara Bali hasil akuisisi sehingga kualitas citra menjadi lebih baik

3 dalam hal ini menghilangkan noise sehingga Aksara Bali menjadi lebih bersih dalam arti tidak terdapat noise. Proses segmentasi adalah memecah citra Aksara bali per aksara sehingga didapatkan citra baru dengan ukuran tertentu. Selanjutnya hasil segmentasi melalui proses ekstraksi fitur yaitu proses untuk mendapatkan ciri khusus setiap Aksara Bali. Sehingga hasil ekstraksi fitur tersebut melalui proses identifikasi yaitu proses pengenalan fitur Aksara Bali sehingga dapat dikenali. Karakter tulisan tangan seringkali menjadi objek penelitian, seperti yang dilakukan oleh Ashoka, dengan menggunakan metode zone based feature extraction untuk mengekstraksi fitur dan mengenali karakter angka Kanada tulisan tangan dengan membagi citra karakter menjadi beberapa region (Ashoka, 2012). Metode zoning juga pernah diterapkan oleh Rajashekararadhya, pada sistem pengenalan karakter India dengan mengekstraksi fitur karakter India dengan mengkombinasikan zone centroid dan image centroid (Rajashekararadhya, 2008). Akbari melakukan penelitian mengenai identifikasi dan verifikasi berdasarkan gaya tulisan. Ciri citra tulisan tangan diekstraksi dengan dengan wavelet transform dan co-occurrence matrix. Kemudian gaya tulisan akan diklasifikasikan dengan algoritma K-Nearest Neighbor (Akbari, 2012). Berdasarkan latar belakang yang telah diungkapkan tersebut, penelitian mengenai pengenalan Aksara Bali hendak diangkat dengan menggunakan pendekatan metode zoning yang dikombinasikan dengan ekstraksi fitur yang dilakukan berdasarkan fitur arah dan fitur semantik dengan membagi aksara menjadi beberapa zona. Metode zoning digunakan untuk membagi zona karakter sehingga menambah variasi fitur seperti yang dilakukan pada penelitian karakter

4 angka Kanada (Ashoka, 2012). Proses pengenalan dilakukan dengan menggunakan metode K-Nearest Neighbor. 1.2 Rumusan Masalah Adapun rumusan masalah pada penelitian ini adalah sebagai berikut: 1. Bagaimana mendapatkan fitur arah dan fitur semantik dengan menerapkan metode zoning pada Aksara Bali? 2. Bagaimana unjuk kerja sistem dalam proses pengenalan Aksara Bali dengan metode K Nearest Neighbor? 1.3 Tujuan Penelitian Adapun tujuan penelitian ini adalah sebagai berikut: 1. Untuk mendapatkan fitur arah dan fitur semantik pada Aksara Bali. 2. Untuk mengetahui unjuk kerja penerapan K-Nearest Neighbor dalam proses pengenalan Aksara Bali? 1.4 Manfaat Penelitian Adapun manfaat dari hasil penelitian ini adalah sebagai berikut: 1. Manfaat Akademis Hasil penelitian ini diharapkan mampu memberikan kontribusi di bidang akademis melalui penelitian mengenai metode zoning dan KNN untuk menghasilkan fitur semantik dan fitur arah yang terdapat pada Aksara Bali yang digunakan untuk sistem pengenalan Aksara Bali, khususnya Aksara Bali tulisan tangan (handwritten).

5 2. Manfaat Praktis Hasil penelitian ini diharapkan mampu memberikan kontribusi terhadap usaha melestarikan kebudayaan Bali khususnya Aksara Bali yang semakin jarang diminati. 1.5 Ruang Lingkup Penelitian Luasnya cakupan yang dapat terkait dengan penelitian ini dan untuk keseragaman pemahaman dalam penelitian ini, maka terdapat batasan-batasan yang perlu diberlakukan pada penelitian ini, berikut ini adalah batasan-batasan tersebut: 1. Data yang digunakan adalah citra Aksara Bali yang telah melalui tahap preprocessing dengan menggunakan aplikasi Adobe Photoshop dengan ukuran citra 48x48 piksel. 2. Fitur aksara yang dihasilkan dari tahap ekstraksi fitur adalah fitur arah dan fitur semantik. 3. Tahap pengenalan Aksara Bali digunakan metode K-Nearest Neighbor. 1.6 Keaslian Penelitian Penelitian terkait mengenai pengenalan karakter tulisan tangan (handwritten) Aksara Bali tidak banyak ditemukan, penelitian yang sejenis mengenai pengenalan karakter tulisan tangan diantaranya: - Ashoka (2012) melakukan penelitian mengenai ekstraksi fitur citra tulisan tangan nomor Kanada dengan menggunakan teknik ekstraksi fitur zoning. - Ashutosh Aggarwal (2012) melakukan penelitian tentang pengenalan karakter Devanagari menggunakan Gradient Features.

6 - Gita Sinha (2012) meneliti tentang pengenalan karakter Gurmukhi dengan teknik zoning and SVM. - Suamba Darmayasa (2009) meneliti tentang pengenalan karakter Aksara Bali Cetak dengan metode moment dan LVQ. - Ni Kadek Ayu Wirdiani (2011) meneliti tentang pembentukan pola khusus untuk ekstraksi ciri pada Aksara Bali cetak. Berdasarkan penelitian sebelumnya sudah banyak dilakukan penelitian mengenai pengenalan karakter, akan tetapi masih sedikit penelitian mengenai pengenalan karakter pada karakter Aksara Bali tulisan tangan (handwritten) yang merupakan karakter tradisional di Bali. Sehingga dapat memberikan kontribusi terhadap usaha pelestarian budaya yang ada di Bali. Klasifikasi KNN SVM LVQ Zoning Ekstraksi Fitur Wavelet Histogram Pengenalan Aksara Bali Printed Optic Handwritten Karakter Citra Aksara Bali Akuisisi Data Konsentrasi Penelitian Gambar 1.2 Diagram Fishbone Penelitian