PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015
Pengenalan Aksara Bali Menggunakan Metode Modified Direction Feature Dan Algoritma Generalized Learning Vector Quantization (GLVQ) KOMPETENSI KOMPUTASI [SKRIPSI] Sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana Tulisan ini merupakan hasil penelitian yang belum pernah dipublikasikan NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004 Pembimbing I Pembimbing II Agus Muliantara, S.Kom., M.Kom. NIP. 19800616 200501 1 001 I Made Widiartha, S.Si.,M.Kom. NIP. 19821220 200801 1
Judul : Pengenalan Aksara Bali Menggunakan Metode Modified Direction Feature dan Algoritma Generalized Learning Vector Quantization (GLVQ) Nama : NI Wayan Deviyanti Septiari NIM : 1108605004 Pembimbing I : Agus Muliantara, S.Kom., M.Kom. Pembimbing II : I Made Widiartha, S.Si., M.Kom. ABSTRAK Aksara Bali merupakan salah satu dari sekian banyak warisan kebudayaan yang terdapat di Bali. Aksara Bali sudah mulai dipelajari mulai dari tingkatan sekolah dasar, namun masih banyak masyarakat yang belum paham dan terkadang lupa dengan penulisan dan pembacaan karakter aksara bali tersebut. Saat ini penelitian mengenai tulisan tangan sudah banyak dilakukan, termasuk juga untuk tulisan tangan aksara Bali Dalam penelitian ini digunakan algoritma Generalized Learning Vector Quantization (GLVQ) untuk melakukan pengenalan terhadap tulisan tangan karakter aksarra Bali. Untuk ekstraksi fiturnya digunakan metode Modified Direction Feature (MDF). Dari algoritma GLVQ, akan diuji nilai learning rate yang menghasilkan akurasi terbaik dalam pengenalan aksara Bali. Dari hasil pengujian didapatkan tingkat akurasi yang diperoleh untuk pengujian data karakter aksara Bali yang di tulis menggunakan mouse sebesar 76.96%,untuk pengujian data karakter aksara Bali Scan didapatkan akurasi sebesar 80.59% dengan menggunakan nilai Learning Rate yang menghasilkan akurasi tertinggi yaitu 0.9, menggunakan minimum eror 0.0001, dan penurunan rasio learning rate sebesar 0.01. Kata Kunci : Generalized Learning Vector Quantization, Modified Direction Feature, Pattern Recognition,aksara Bali
Title : The Balinese Characters Online Recognition by Using Modified Direction Feature Method and Generalized Learning Vector Quantization Algorithm Name : Ni Wayan Deviyanti Septiari NIM : 1108605004 Main Supervisor : Agus Muliantara, S.Kom., M.Kom. Co-Supervisor : I Made Widiartha, S.Si., M.Kom.. ABSTRACT Balinese script characer is one of the many cultural heritage contained in Bali. Balinese script already beginning to be studied from primary school level, but there are still many people who do not understand and sometimes forgotten by the writing and reading of the Balinese script character. Currently, research on handwriting has been done, as well as for handwritten Balinese script characters. This study used an algorithm Generalized Learning Vector quantization (GLVQ) to perform handwriting recognition on Balinese script character.for its extraction method is used Modified Feature Direction (MDF). GLVQ algorithm, will be tested the value of learning rate that results in the best accuracy in recognition of Balinese script. From the test results obtained level of accuracy obtained for testing amounted to 76.96% written by mouse, and to test Scan data obtained by 80.59% accuracy by using value Learning Rate that reach the highest accuration 0.9, using minimum error 0.0001, and decrease learning rate ratio of 0.01. The accuration for recognizing Keyword : Generalized Learning Vector Quantization, Modified Direction Feature, Pattern Recognition, Balinese script character.
KATA PENGANTAR Penelitian dengan judul Pengenalan Aksara Bali Menggunakan Metode Modified Direction Feature dan Algoritma Generalized Learning Vector Quantization (GLVQ) ini disusun dalam rangkaian kegiatan pelaksanaan Tugas Akhir di Jurusan Ilmu Komputer FMIPA Universitas Udayana. Proposal ini disusun dengan harapan dapat menjadi pedoman dan arahan dalam melaksanakan penelitian di atas. Sehubungan dengan telah terselesaikannya proposal ini, maka diucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu pengusul, antara lain: 1. Bapak Drs. I Wayan Santiyasa, M.Si selaku Ketua Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana. 2. Bapak Agus Muliantara, S.Kom., M.Kom. dan bapak I Made Widiartha, S.Si., M.Kom. selaku Dosen Pembimbing dalam penyelesaian proposal tugas akhir ini. 3. Rekan-rekan mahasiswa yang telah memberi dukungan, motivasi, semangat dan kerja sama dalam pembuatan proposal tugas akhir ini. 4. Keluarga dan kerabat serta semua pihak yang turut serta memberi dukungan sehingga laporan ini dapat diselesaikan sesuai dengan waktu yang ditentukan. Penulis menyadari bahwa tugas akhir ini masih belum sempurna, untuk itu kritik dan saran yang bermanfaat demi kesempurnaan tugas akhir ini sangat penulis harapkan. Bukit Jimbaran, Agustus 2015 Penyusun Ni Wayan Deviyanti Septiari
DAFTAR ISI Halaman Judul... i ABSTRAK... iii ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... 11 BAB I... Error! PENDAHULUAN... Error! 1.1 Latar Belakang... Error! 1.2 Rumusan Masalah... Error! 1.3 Batasan Masalah... Error! 1.4 Tujuan Penelitian... Error! 1.5 Manfaat Penelitian... Error! 1.6 Metodelogi Penelitian... Error! 1.6.1 Objek Penelitian... Error! 1.6.2 Pengumpulan Data... Error! 1.6.3 Pengolahan Data Awal... Error! 1.6.3.2 Citra Biner... Error! 1.6.3.3 Segmentasi... Error! 1.6.3.4 Thinning... Error! 1.6.6 Metode yang digunakan... Error! 1.6.5 Ekstraksi Fitur... Error! 1.6.6 Klasifikasi GLVQ... Error! BAB II... Error! TINJAUAN PUSTAKA... Error! 2.1 Tinjauan Studi... Error!
2.2 Aksara Bali... Error! 2.3 Pengolahan Citra Digital... Error! 2.4 Pengolahan Warna dalam Citra... Error! 2.4.1 Citra RGB... Error! 2.4.2 Grayscale... Error! 2.4.3 Biner... Error! 2.5 Thinning... Error! 2.6 Segmentasi... Error! 2.7 Pengenalan Pola... Error! 2.7.1 Direction Feature (DF)... Error! 2.7.2 Transition Feature (TF)... Error! 2.7.3 Modified Direction Feature (MDF). Error! 2.8 Artificial Neural Network... Error! 2.9 Generalized Learning Vector Quantization... Error! Bookmark not defined. BAB III... Error! ANALISIS DAN PERANCANGAN... Error! 3.1 Kebutuhan Fungsional... Error! 3.1.1 Melakukan Preprocessing... Error! 3.1.2 Melakukan Ekstraksi Fitur... Error! 3.1.3 Melakukan Pengenalan... Error! 3.2 Rancangan Data... Error! 3.3 Rancangan Antar Muka Sistem... Error! 3.4 Pengolahan Data... Error! 3.4.1 Pre-processing... Error! 3.4.2 Melakukan Ekstraksi Fitur... Error! 3.4.3 Pelatihan Data Training... Error! 3.4.4 Pengenalan Aksara Bali... Error! 3.5 Pengujian dan Evaluasi... Error! BAB IV... Error! HASIL DAN PEMBAHASAN... Error!
4.1 Pengumpulan Dataset... Error! 4.2 Implementasi Proses Pre-processing Citra... Error! Bookmark not defined. 4.3 Implementasi Proses Ekstraksi Fitur... Error! 4.4 Implementasi Training GLVQ pada Data Training Aksara Bali... Error! 4.5 Implementasi Testing GLVQ pada Data Training Aksara Bali... Error! 4.6 Implementasi Pengenalan Aksara Bali.. Error! 4.6 Tampilan Antarmuka Sistem... Error! 4.7 Hasil dan Pengujian Sistem... Error! 4.7.1 Analisis Learning Rate GLVQ... Error! 4.7.3 Pengujian Sistem Pengenalan Karakter Aksara Bali... Error! 4.7.4 Analisis Faktor Kesalahan Lain... Error! BAB V... Error! KESIMPULAN DAN SARAN... Error! 5.1 Kesimpulan... Error! 5.2 Saran... Error! DAFTAR PUSTAKA... Error! LAMPIRAN... Error!
DAFTAR TABEL Tabel 2. 1 Daftar Aksara Suara... Error! Tabel 2. 2 Daftar Aksara Wianjana... Error! Tabel 2. 3 Daftar Angka dalam Aksara Bali... Error! Tabel 2. 4 Daftar Pengangge Suara... Error! Tabel 2. 5 Ketetanggaan Piksel... Error! Tabel 2. 6 Matriks Ketetanggaan... Error! Tabel 4. 1 Penggalan Kode Grayscalling... Error! Tabel 4. 2 Penggalan Kode Binerisasi... Error! Tabel 4. 3 Penggalan Kode Pemanggilan Fungsi Thinning. Error! Bookmark not defined. Tabel 4. 4 Penggalan Kode Testing GLVQ... Error!
DAFTAR GAMBAR Gambar 1. 1 Flowchart Sistem Pengenalan Tulisan Aksara Bali... Error! Gambar 2. 1 Pelabelan Arah Piksel... Error! Gambar 3. 1 Rancangan Tampilan Form Pengenalan Aksara Bali... Error! Gambar 3. 2 Rancangan Form Training dan Testing... Error! Bookmark not defined. Gambar 3. 3 Flowchart Preprocessing... Error! Gambar 3. 4 Flowchart Grayscalling... Error! Gambar 3. 5 Flowchart Binerisasi... Error! Gambar 3. 6 Proses Thinning... Error! Gambar 3. 7 Flowchart Thinning... Error! Gambar 3. 8 Flowchart Segmentasi... Error! Gambar 3. 9 Flowchart Ekstraksi Fitur... Error! Gambar 3. 10 Jaringan GLVQ... Error! Gambar 3. 11 Flowchart Pelatihan GLVQ... Error! Gambar 3. 12 Flowchart Pengujian GLVQ... Error! Gambar 4. 1 Contoh Data Hasil Scan... Error! Gambar 4. 2 Pola Bentuk Karakter Aksara Bali... Error! Gambar 4. 3 Tampilan Utama Sistem... Error! Gambar 4. 4 Tampilan Menu File... Error! Gambar 4. 6 Tampilan Proses Training GLVQ... Error! Gambar 4. 7 Tampilan Proses Testing GLVQ... Error! Gambar 4. 8 Grafik Akurasi Data Scan Untuk Rasio Penurunan 0.01... Error! Gambar 4. 9 Grafik Akurasi untuk rasio penurunan 0.05... Error! Bookmark not defined.
DAFTAR LAMPIRAN Lampiran 1. Hasil Pengujian 2. Penggalan Source Code