EKSTRAKSI FITUR AKSARA BALI MENGGUNAKAN METODE ZONING

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

PENGENALAN AKSARA BALI MENGGUNAKAN METODE ZONING DAN KNN

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

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

BAB I PENDAHULUAN 1.1 Latar Belakang

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX

PENGENALAN KATA AKSARA JAWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )

PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING

PENGENALAN AKSARA JAWA MENGGUNAKAN OPERATOR PREWITT

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

PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR

UKDW BAB 1. PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Ekstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak

Oleh: Riza Prasetya Wicaksana

Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan

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

DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE

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

Rancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB

PERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE

PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)

IDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE

UCAPAN TERIMAKASIH. Denpasar, Agustus Penulis

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan

Rekayasa Elektrika. Jurnal APRIL 2018 VOLUME 14 NOMOR 1. TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/2016

SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR

PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA

PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

PENGENALAN HURUF TULISAN TANGAN MENGGUNAKAN METODE ZONING DAN SUPPORT VECTOR MACHINE

UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES

BAB 2 LANDASAN TEORI

Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization

PENGENALAN TANDA TANGAN DENGAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN EUCLIDEAN DISTANCE

PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION

FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK

BAB III METODE PENELITIAN

Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen

SATUAN ACARA PERKULIAHAN ( SAP )

EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN

Pengukuran Blok Window Terbaik Berdasarkan MSE...

PENGENALAN HURUF BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN LEARNING VECTOR QUANTIZATION (LVQ)

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

BAB II TINJAUAN PUSTAKA

PENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS

SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK

BAB 2 LANDASAN TEORI

IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK

Pengembangan Program Bantu Pembelajaran Aksara Jawa Untuk Anak Sekolah Dasar

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR

PENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN

IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION

SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN CONTINOUS DENSITY HIDDEN MARKOV MODEL

EKSTRAKSI DAN PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DI INDONESIA

PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON

IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK

PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

Aplikasi Belajar Menulis Aksara Jawa Menggunakan Android

Pengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Ekstraksi Ciri pada Citra Iris Menggunakan Gabor 2-D

ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN

ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN

PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE

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

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)

DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1

EKSTRAKSI GARIS PANTAI MENGGUNAKAN HYPSOGRAPHY TOOLS

REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION

EFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER

Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson

Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik

Perbandingan Dua Citra Bibir Manusia Menggunakan Metode Pengukuran Lebar, Tebal dan Sudut Bibir ABSTRAK

ABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha

SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini

PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI

REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)

Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra

SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)

Penerapan Watermarking pada Citra berbasis Singular Value Decomposition

ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT

DAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii

Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra

PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION SKRIPSI SEPTI HAYANTI

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski

Pengenalan Warna Kulit Untuk Klasifikasi Ras Manusia Andy Putra P. Zebua /

PENGENALAN TULISAN AKSARA SUNDA OFFLINE DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK

PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA

Transkripsi:

44 Teknologi Elektro, Vol. 14, No.2, Juli Desember 2015 EKSTRAKSI FITUR AKSARA BALI MENGGUNAKAN METODE ZONING I Wayan Agus Surya Darma 1, I Ketut Gede Darma Putra 2, Made Sudarma 3 Abstract Feature extraction is an important process in character recognition system. The purpose of this process is to obtain special feature from a character image. This paper is focuses on how to obtain special feature from a handwritten Balinese character image using zoning. This algorithm dividing Balinese character image into multiple regions, then a special feature on each region resulting the data extracted feature. The test result in this paper generates a various semantic and direction feature data. This is because this paper using handwritten Balinese character. Furthermore, the features that produced in this paper can be used on Balinese character image recognition process. Intisari Ekstraksi fitur adalah tahap yang penting pada sistem pengenalan karakter. Proses ini dilakukan untuk mendapatkan ciri khusus yang dimiliki oleh citra karakter. Paper ini membahas tentang bagaimana mendapatkan ciri khusus yang dimiliki oleh citra karakter Aksara Bali tulisan tangan ( handwritten) menggunakan metode zoning. Metode zoning membagi citra karakter Aksara Bali menjadi beberapa wilayah, kemudian ciri khusus pada setiap wilayah diekstraksi sehingga menghasilkan data fitur. Hasil uji coba pada paper ini menghasilkan data fitur semantik dan fitur arah yang dimiliki oleh Aksara Bali memiliki variasi nilai fitur. Hal ini disebabkan data Aksara yang digunakan pada paper ini adalah Aksara Bali tulisan tangan ( handwritten). Selanjutnya, fitur yang dihasilkan pada paper ini dapat digunakan pada proses pengenalan citra karakter Aksara Bali. Kata kunci: Feature extraction, character, Balinese character, zoning, feature. I. PENDAHULUAN 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. 1 Mahasiswa, Magister Teknik Elektro dan Komputer Universitas Udayana, Kampus Sudirman, Denpasar Bali. Tel. 0361239599, fax: 0361239599; e-mail: suryarav @gmail.com 2 Dosen Teknologi Informmasi Universitas Udayana, Kampus Bukit Jimbaran, Badung, Bali, E-mail: duglair@yahoo.com 3 Dosen Magister Teknik Elektro dan Komputer Universitas Udayana, Kampus Sudirman, Denpasar Bali. Tel. 0361239599, fax: 0361239599, e-mail: debronxs@yahoo.co.id Aksara Bali memiliki fitur-fitur unik yang dapat membedakan antara satu karakter Aksara Bali dengan karakter lainnya. Fitur ini digunakan pada proses pengenalan Aksara Bali. Fitur-fitur Aksara Bali ini dapat diperoleh dengan proses ekstraksi fitur. Ekstraksi fitur adalah proses yang dilakukan untuk mengetahui pola atau fitur yang dimiliki oleh suatu karakter. Ekstraksi Fitur adalah aspek yang sangat penting pada pengenalan karakter. Metode zoning adalah teknik yang digunakan untuk mendapatkan fitur yang dimiliki oleh karakter [1]. Pemilihan metode zoning pada paper ini dikarenakan metode ini mampu menghasilkan fitur yang bervariasi karena metode ini membagi citra karakter menjadi beberapa wilayah, sehingga fitur yang terdapat di setiap wilayah akan diekstraksi sehingga menghasilkan fitur karakter yang dapat digunakan pada tahap pengenalan. Fitur ini diperoleh berdasarkan bentuk atau pola yang dimiliki oleh karakter. Berdasarkan beberapa paper berikut ini, metode zoning mampu menghasilkan fitur yang dapat menunjang akurasi pengenalan yang baik. Paper mengenai ekstraksi fitur pernah ada tentang ekstraksi fitur pada tulisan tangan angka Kanada menggunakan metode zoning [2]. Pada paper tersebut, proses ekstraksi fitur dilakukan pada karakter angka Kanada tulisan tangan ( handwritten). Citra angka Kanada dibagi menjadi beberapa wilayah. Sehingga setiap wilayah menghasilkan fitur angka Kanada. Paper serupa lainnya membahas tentang ekstraksi fitur pada karakter angka di India Selatan [3]. Paper ini mengimplementasikan metode ekstraksi zoning pada karakter angka India Selatan yang bervariasi dari segi gaya tulisan tangan ( handwritten). Paper lainnya yang yaitu ekstraksi fitur pada karakter Gurmukhi [4]. Paper tersebut memaparkan proses ekstraksi fitur pada karakter Gurmukhi, dengan membagi wilayah berdasarkan image centroid zone dan zone centroid zone. Sulitnya membaca Aksara Bali menjadi penyebab masyarakat modern tidak ingin mempelajari Aksara Bali. Sehingga Aksara Bali sudah mulai dilupakan oleh masyarakat di Bali khususnya. Oleh karena itu, Aksara Bali perlu untuk dilestarikan dengan cara melakukan digitalisasi pada Aksara Bali untuk mendapatkan fitur-fitur yang dimiliki oleh karakter Aksara Bali. Berdasarkan permasalahan tersebut, ditunjang dengan paper yang telah disebutkan, penulis melakukan penelitian mengenai ekstraksi fitur pada citra Aksara Bali tulisan tangan ( handwritten) menggunakan metode zoning untuk mendapatkan fitur-fitur yang terdapat pada karakter Aksara Bali. ISSN 1693 2951 I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara

Teknologi Elektro, Vol. 14, No.2, Juli - Desember 2015 45 II. AKSARA BALI Aksara Bali adalah salah satu warisan yang sangat bernilai karena mengandung nilai-nilai budaya masyarakat di Bali. Aksara Bali terdiri dari Aksara Wianjana, Aksara Suara, Pengangge dan Angka. Berikut ini adalah contoh Aksara Wianjana yang terdiri dari 18 karakter. sendiri. Berikut ini adalah contoh penerapan zoning pada ekstraksi fitur titik henti. Tabel 1. Aksara Wianjana Ha Na Ca Ra Ka Da Ta Sa Wa La Ma Ga Ba Nga Pa Ja Ya Nya Data Akasara yang digunakan adalah citra karakter Aksara Bali tulisan tangan ( handwritten). Karakter tulisan tangan tidak seperti karakter cetak yang penulisannya akan tetap sama atau konsisten ntuk jenis Aksara Bali yang sama, karena karakter tulisan tangan memungkinkan adanya perbedaan pola lekukan pada penulisan jenis karakter Aksara Bali yang sama, sehingga memungkinkan adanya sedikit perbedaan pada fitur yang dihasilkan pada jenis karakter yang sama. III. EKSTRAKSI FITUR Ekstraksi fitur adalah proses yang dilakukan untuk mendapatkan ciri khusus yang dimiliki oleh sebuah karakter. Proses ini berguna untuk mengenali sebuah karakter pada sistem pengenalan karakter [5]. Secara umum karakter memiliki 3 ciri diantaranya: 1. Ukuran lebar dan tinggi Ukuran lebar dan tinggi karakter merupakan ciri pada karakter berdasarkan panjang dan tinggi karakter. 2. Bagian karakter Merupakan ciri karakter berdasarkan berdasarkan pembagian arean karakter, misalkan bagian atas, bagian tengah dan bagian bawah. 3. Pemodelan stroke Merupakan ciri yang dimiliki oleh karakter berdasarkan pola lekukan bentuk karakter. Berdasarkan ciri umum yang dimiliki oleh karakter diatas, proses ekstraksi fitur menghasilkan data fitur yang unik untuk setiap karakter, hal ini berguna pada tahap pengenalan karakter pada sistem pengenalan karakter. Metode zoning adalah sebuah metode ekstraksi fitur yang dilakukan dengan membagi citra karakter menjadi wilayah tertentu. Pemilihan metode zoning pada paper ini karena metode ini dapat menghasilkan variasi fitur yang beragam karena setiap wilayah akan dicari ciri yang akan menjadi fitur karakter berdasarkan ciri-ciri yang dimiliki oleh karakter itu Gambar 1. Pembagian wilayah ekstraksi fitur zoning Gambar 1 menunjukkan pembagian wilayah citra karakter Aksara Bali menjadi 4 wilayah yaitu, kiri atas, kanan atas, kiri bawah dan kanan bawah. Sehingga meghasilkan fitur titik henti untuk masing-masing wilayah pada karakter Aksara Bali. IV. METODE 1. Fitur Arah Fitur arah adalah salah satu fitur yang bisa diperoleh dari karakter Aksara Bali. Fitur arah mendeteksi pola sebuah karakter kemudian pola yang telah didapat diberikan nilai fitur. Fitur arah memiliki orientasi arah sebuah pola yang dibentuk oleh karakter Aksara Bali, sehingga sangat berpengaruh untuk membedakan karakter satu dengan karakter lainnya. Proses untuk mendapatkan fitur arah, dengan mendeteksi piksel karakter Aksara Bali. Piksel putih diberikan nilai 0, sedangkan piksel hitam yang membentuk karakter diberikan nilai sesuai dengan orientasi arah dengan ketentuan sebagai berikut. Tabel 2. Nilai arah Bentuk Nilai Arah 2 Vetikal 4 Horizontal 3 Diagonal Kanan 5 Diagonal Kiri Tahapan untuk memberikan nilai arah dari suatu karakter Aksara Bali adalah sebagai berikut: a. Menentukan Titik Awal Karakter Penentuan titik awal karakter dapat ditemukan pada citra karakter dengan posisi paling bawah dan paling kiri. Piksel yang memiliki segmen garis yang berbeda dari segmen garis sebelumnya merupakan titik awal untuk nilai arah berikutnya. Proses ini menggunakan proses iterasi. Iterasi dilakukan I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara ISSN 1693-2951

46 Teknologi Elektro, Vol. 14, No.2, Juli Desember 2015 hingga semua piksel hitam memiliki nilai arah masing-masing. Semua piksel yang telah ditemukan kemudian diberikan nilai 8, nilai ini bersifat sementara karena akan melalui proses normalisasi. b. Normalisasi Nilai Arah Proses normalisasi dilakukan untuk mengubah nilai sementara yang telah didapat dengan nilai arah yang sesuai dengan ketentuan fitur arah. Proses ini melalui dua tahapan. Tahap pertama adalah pencarian frekuensi terbesar untuk kemunculan nilai arah pada suatu segmen garis yang dimulai dari titik awal. Tahap kedua yaitu menggunakan nilai arah yang memiliki frekuensi kemunculan tertinggi untuk menggantikan nilai sementara pada piksel tersebut. 2. Fitur Semantik Fitur semantik adalah sebuah fitur yang dihasilkan berdasarkan ciri-ciri semantik yang dimiliki oleh karakter Aksara Bali. Ciri semantik tersebut diantaranya jumlah stroke hitam, loop, titik akhir, panjang karakter, lebar karakter maupun titik awal karakter. Berikut ini adalah fitur semantik yang dimiliki oleh karakter Aksara Bali. Gambar 2. Proses pembentukan nilai (a) gambar karakter tulisan Bali (b) hasil pemberian nilai tiap vector Fitur arah yang telah berhasil didapatkan dibuatkan matriks dengan ukuran 16x1. Matriks tersebut berisikan fitur arah di setiap wilayah citra, pada proses ini metode zoning diimplementasikan dengan membagi citra karakter Aksara Bali menjadi empat wilayah yaitu: kiri atas, kanan atas, kiri bawah dan kanan bawah. Sehingga fitur yang diperoleh untuk setiap wilayah adalah Jumlah vertikal pada kiri atas, diagonal kanan pada kiri atas, horisontal pada kiri atas, diagonal kiri pada kiri atas, vertikal pada kanan atas, diagonal kanan pada kanan atas, horizontal pada kanan atas, diagonal kiri pada kanan atas, vertikal pada kiri bawah, diagonal kanan pada kiri bawah, horizontal pada kiri bawah, diagonal kiri pada kiri bawah, vertikal pada kanan bawah, diagonal kanan pada kanan bawah, horisontal pada kanan bawah, diagonal kiri pada kanan bawah, seperti pada tabel dibawah ini. Tabel 3. Fitur arah FITUR ARAH 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 6 2 1 2 5 2 8 8 16 7 11 7 15 6 0 4 7 6 0 5 6 4 7 8 9 9 2 11 23 13 1 3 7 4 2 2 5 8 3 9 16 13 3 9 15 4 0 2 3 10 0 4 4 8 6 10 23 9 5 8 23 4 0 6 3 0 2 6 7 0 12 7 23 8 3 7 23 7 0 6 18 9 3 10 8 17 2 17 14 12 6 7 9 8 7 15 11 16 0 6 1 20 10 19 7 3 11 11 13 4 8 13 13 7 3 10 13 24 7 9 6 11 5 12 15 10 7 19 9 7 3 11 8 18 6 14 4 10 6 11 14 7 3 11 Gambar 3. Informasi Semantik Pada Karakter Aksara Bali Metode zoning diimplementasikan pada citra karakter Aksara Bali dengan membagi wilayah citra Aksara Bali sehingga fitur semantik dihasilkan pada setiap wilayah yang telah dibagi dimasukkan pada matriks dengan ukuran 12x1 untuk masing-masing karakter. Tabel 4. Fitur Semantik FITUR SEMANTIK 1 2 3 4 5 6 7 8 9 10 11 12 3 1 0 0 2 2 1 0 2 4 1 3 4 1 1 0 2 2 1 0 1 3 1 2 4 1 1 0 2 2 1 0 0 3 1 2 3 1 0 0 2 2 1 0 2 3 0 3 3 1 0 0 2 2 1 0 1 4 1 3 V. HASIL DAN PEMBAHASAN A. Hasil Ekstraksi fitur pada citra karakter Aksara Bali menggunakan metode zoning menghasilkan fitur arah dan ISSN 1693 2951 I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara

Teknologi Elektro, Vol. 14, No.2, Juli - Desember 2015 47 fitur semantik.citra Aksara Bali yang digunakan adalah karakter Aksara Bali tulisan tangan (handwritten). Data fitur Aksara Bali dapat dilihat pada hasil ekstraksi fitur pada Aksara Bali Ka berikut ini. 1.1. Titik henti Fitur titik henti yang diperoleh dari Aksara Bali adalah titik henti pada zona kiri atas, kanan atas, kiri bawah dan kanan bawah. Tabel 5. Fitur Semantik dan Fitur Arah Aksara Bali Ka Aksara Bali Jenis Fitur Nilai Jumlah vertikal pada kiri atas 17 Jumlah diagonal kanan pada kiri atas 15 Jumlah horisontal pada kiri atas 3 Jumlah diagonal kiri pada kiri atas 3 Jumlah vertikal pada kanan atas 9 Jumlah diagonal kanan pada kanan atas 17 Jumlah horizontal pada kanan atas 7 Jumlah diagonal kiri pada kanan atas 28 Jumlah vertikal pada kiri bawah 16 Jumlah diagonal kanan pada kiri bawah 8 Jumlah horisontalpada kiri bawah 3 Jumlah diagonal kiri pada kiri bawah 13 Jumlah vertikal pada kanan bawah 16 Jumlah diagonal kanan pada kanan bawah 10 Jumlah horisontal pada kanan bawah 3 Jumlah diagonal kiri pada kanan bawah 10 Jumlah titik henti 4 Jumlah titik henti pada zona kiri atas 1 Jumlah titik henti pada zona kanan atas 0 Jumlah titik henti pada zona kiri bawah 1 Jumlah titik henti pada zona kanan bawah 2 Jumlah panjang karakter 2 Jumlah lebar karakter 1 Jumlah loop 2 Jumlah horisontal 1 Jumlah vertikal 4 Jumlah vertikal pada zona kiri 2 Jumlah vertikal pada zona kanan 2 Jumlah keseluruhan fitur yang dihasilkan pada proses ekstraksi fitur karakter Aksara Bali adalah 28, seperti pada gambar 5. Fitur Aksara Bali yang telah berhasil didapat pada citra Karakter Aksara Bali disimpan dalam sebuah matriks dengan ukuran 28x1 untuk masing-masing karakter Aksara Bali. B. Pembahasan Ekstraksi fitur menggunakan metode zoning merupakan proses ekstraksi fitur berdasarkan wilayah citra karakter Aksara Bali. Sehingga fitur arah dan fitur semantik yang dimiliki oleh karakter Aksara Bali bisa didapatkan pada masing-masing wilayah tersebut. Berikut ini adalah rincian fitur yang berhasil didapatkan pada Aksara Bali. 1. Fitur Semantik Berikut ini adalah fitur semantik yang diperoleh dari karakter Aksara Bali. Gambar 4. Titik Henti pada Aksara Bali KA Berikut ini adalah nilai fitur titik henti yang didapatkan pada masing-masing wilayah. 1.2. Loop Fitur semantik berikutnya adalah Loop, dimana fitur ini diperoleh pada Aksara Bali yang memiliki pola lintasan pada penulisannya. Berikut ini adalah fitur loop yang diperoleh dari aksara Ka. Gambar 5. Loop pada Aksara Bali KA 1.3. Panjang dan Lebar Karakter Fitur semantik lainnya yang dihasilkan adalah panjang dan lebar karakter Aksara Bali. Fitur panjang dan lebar karakter bali ini menghitung jumlah baris dan kolom, lebar Aksara Bali dianggap sebagai satu baris. Jika lebar kolom karakter lebih panjang dari lebar baris maka lebar kolom dianggap dua. Berikut ini hasil fitur panjang dan lebar karakter yang dihasikan dari Aksara Bali Ka. Gambar 6. Panjang dan Lebar Karakter Aksara Bali KA 1.4. Garis Vertikal Garis vertikal pada Aksara Bali merupakan fitur yang dihasilkan berdasarkan fitur semantik. Fitur ini diperoleh dengan mencari garis vertikal pada Aksara Bali. Berikut ini adalah hasil fitur garis vertikal yang diperoleh pada Aksara Bali Ka. I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara ISSN 1693-2951

48 Teknologi Elektro, Vol. 14, No.2, Juli Desember 2015 Gambar 7. Garis Vertikal Pada Aksara Bali KA 1.5. Garis Horizontal Fitur Semantik berikutnya yang diperoleh dari Aksara Bali adalah garis horizontal. Fitur ini diperoleh dengan mencari garis horizontal yang terdapat pada Aksara Bali. Berikut ini adalah hasil fitur garis horizontal yang dihasilkan pada aksara ka. Gambar 8. Garis Horizontal Pada Aksara Bali KA 2. Fitur Arah Selain menghasilkan fitur semantik, proses ekstraksi fitur juga menghasilkan fitur arah untuk menambah fitur yang terdapat pada masing-masing Aksara Bali. Fitur arah digunakan untuk mendapatkan nilai arah dari karakter Aksara Bali. Fitur arah diperoleh dengan ketentuan nilai arah yang terdapat pada tabel 1. Citra karakter Aksara Bali yang sudah diberikan nilai arah akan dibagi menjadi empat zona, yaitu zona kiri atas, kanan atas, kiri bawah dan kanan bawah. Tabel 6. Fitur Arah Pada Aksara Bali KA Jenis Fitur Nilai fitur arah ini berdasarkan jumlah fitur pada setiap wilayah untuk masing-masing jenis fitur arah. Fitur yang dihasilkan oleh setiap aksara bali tulisan tangan (handwritten) memiliki perbedaan fitur, walaupun karakter tersebut sama. Hal ini dikarenakan karakter Aksara Bali tulisan tangan tidak seperti karakter Aksara Bali cetak yang penulisannya selalu sama atau konsisten. Perbedaan penulisan lekukan aksara mungkin terjadi tergantung penulis Aksara Bali itu sendiri. Data fitur yang dihasilkan pada proses ekstraksi fitur ini selanjutnya bisa digunakan sebagai data latih (reference) pada proses pengenalan Aksara Bali. II. KESIMPULAN Nilai Fitur Jumlah vertikal pada kiri atas 11 Jumlah diagonal kanan pada kiri atas 18 Jumlah horisontal pada kiri atas 2 Jumlah diagonal kiri pada kiri atas 6 Jumlah vertikal pada kanan atas 7 Jumlah diagonal kanan pada kanan atas 15 Jumlah horizontal pada kanan atas 13 Jumlah diagonal kiri pada kanan atas 23 Jumlah vertikal pada kiri bawah 16 Jumlah diagonal kanan pada kiri bawah 8 Jumlah horisontalpada kiri bawah 5 Jumlah diagonal kiri pada kiri bawah 15 Jumlah vertikal pada kanan bawah 29 Jumlah diagonal kanan pada kanan bawah 3 Jumlah horisontal pada kanan bawah 4 Jumlah diagonal kiri pada kanan bawah 9 Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa proses ekstraksi fitur Aksara Bali menghasilkan fitur arah sebanyak 16 jenis fitur dan fitur semantik sebanyak 12 jenis fitur. Secara keseluruhan, satu karakter Aksara Bali menghasilkan 28 jenis fitur. Fitur yang dihasilkan pada setiap Aksara Bali berbeda-beda, tergantung bentuk dan penulisan karakter Aksara Bali tersebut. Data fitur ini adalah sebuah data acuan yang dapat digunakan pada proses pengenalan karakter Aksara Bali. Sebagai upaya digitalisasi Aksara Bali untuk melestarikan Aksara Bali. Gambar 9. Fitur Arah Pada Aksara Bali Ka Berikut ini adalah nilai fitur arah yang diperoleh pada setiap wilayah karakter Aksara Bali. DAFTAR PUSTAKA [1] Sharma, Prakash, An Improved Zone Based Hybrid Feature Extraction Model for Handwritten Alphabets Recognition Using Euler Number, International Journal ISSN 1693 2951 I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara

Teknologi Elektro, Vol. 14, No.2, Juli - Desember 2015 49 of Soft Computing and Engineering (IJSCE) ISSN: 2231-2307, Volume-2, Issue-2, May 2012. [2] Ashoka H.N., Zone Based Feature Extraction and Statistical Classification Technique for Kannada Handwritten Numeral Recognition, International Journal of Computer Science & Engineering Technology, 2012. [3] Rajashekararadhya, S.V, Efficient Zone Based Feature Extration Algorithm For Handwritten Numeral Recognition Of Four Popular South Indian Scripts, Journal of Theoretical and Applied Information Technology, 2008. [4] Sinha, Gita, Zone-Based Feature Extraction Techniques and SVM for Handwritten Gurmukhi Character Recognition, International Journal of Advanced Research in Computer Science and Software Engineering, Volume 2, Issue 6, ISSN: 2277 128X, 2012. [5] Putra. IKG Darma, Pengolahan Citra Digital, Andi No ISBN 9789792914436, 2010 I Wayan Agus Surya Darma 1 : Ekstraksi Fitur Aksara ISSN 1693-2951