1. PENDAHULUAN 1.1 Latar Belakang Formulir C1 Komisi Pemilihan Umum (KPU) merupakan dokumen hasil perolehan suara pemilu di setiap Tempat Pemungutan Suara (TPS). Formulir C1 kemudian dikumpulkan dan dilakukan rekapitulasi nasional oleh petugas KPU RI yang berpusat di Jakarta. Proses rekapitulasi data yang dilakukan KPU menghabiskan waktu tiga hari dan tidak begitu akurat karena seringnya terjadi kesalahan dalam pembacaan hasil perhitungan suara. Proses tabulasi data manual yang biasa dilakukan oleh petugas ini dapat dibantu dengan menggunakan sistem pengenalan angka tulisan tangan dengan mengenali angka hasil perhitungan suara yang ada pada formulir C1 KPU. Gambar angka tulisan tangan dapat digunakan secara offline dari selembar kertas oleh pemindai optik yang disebut Optical Character Recognition (OCR). OCR merupakan sarana yang digunakan untuk mengenali karakter optik untuk membaca informasi ke dalam sistem komputer. Identifikasi karakter ini dilakukan dengan menggunakan alat pemindai terlebih dahulu agar gambar dapat diproses secara offline. Pembuatan sistem pengenalan karakter tulisan tangan cukup rumit, karena setiap orang memiliki karakter tulisan tangan yang berbeda satu sama lain. Namun, sistem pengenalan karakter tulisan tangan ini dapat sangat bermanfaat untuk membantu pekerjaan manusia, misalnya saja pada kasus perhitungan suara Pemilihan Umum (Pemilu) ini. Telah banyak penelitian yang membuat sistem pengenalan angka tulisan tangan dengan berbagai metode. Namun, penelitian yang ada masih belum optimal dalam pengenalan angka tulisan tangan. Pada penelitian[8], metode yang digunakan adalah Principal Component Analysis (PCA) dan K-Nearest Neighbor (K-NN) hanya menghasilkan akurasi sebesar 78,4%. PCA memberikan transformasi ortogonal yang disebut dengan eigenimage yang mana sebuah gambar direpresentasikan ke dalam bentuk proteksi linear searah dengan eigenimage yang bersesuaian dengan nilai eigen terbesar dari matrix convariance. Hasil dari ekstraksi ciri PCA, diklasifikasikan dengan menggunakan K Nearest Neighbour dengan K = 1. Dalam tugas akhir ini, penulis menggunakan Local Binary Pattern Variance (LBPV) untuk ekstraksi ciri dan K-Nearest Neighbour (K-NN) untuk klasifikasi. Pada penelitian [7] menunjukkan metode Local Binary Pattern Variance menunjukkan bahwa metode LBP Variance mampu mengenali gambar tekstur dengan akurasi yang tinggi. LBP Variance (LBPV) diusulkan untuk mengkarakterisasi informasi kontras lokal ke dalam satu LBP dimensi histogram. Untuk proses klasifikasi, klasifikasi K Nearest Nighbours sangat cocok digunakan untuk pengklasifikasian data yang besar[11]. Sehingga, penulis dapat melakukan pengujian sistem dengan banyak data. 1.2 Perumusan masalah Adapun permasalahan yang akan diselesaikan dalam pembuatan Tugas Akhir ini adalah:
1. Bagaimana akurasi sistem pengenalan angka tulisan tangan dengan menggunakan metode ekstraksi ciri Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour pada data set MNIST? 2. Bagaimana akurasi sistem ketika diterapkan untuk mengenali angka tulisan tangan pada formulir C1 KPU dengan data model MNIST dan C1? 3. Bagaimana pengaruh parameter yang digunakan pada metode ekstraksi ciri Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour? Adapun batasan masalah yang dilakukan agar pengerjaan Tugas Akhir ini tidak terlalu luas atau bisa fokus. Batasan masalah yang dilakukan adalah: 1. Angka tulisan tangan yang akan dikenali adalah angka 1 digit (0 9) 2. Data citra angka yang digunakan adalah : a. Data set Mixed Institut Nasional Standard and Technology (MNIST) sebanyak 50.000 data model dan 10.000 data uji b. Data set gambar angka hasil perhitungan suara pada formulir C1 KPU sebanyak 2100 gambar untuk data model dan 550 gambar untuk data uji. 3. Data gambar angka tulisan tangan yang ada pada formulir C1 KPU tidak melebihi kotak yang ada. 4. Pembuatan data set gambar angka hasil perhitungan suara pada formulir C1 KPU dilakukan secara manual dengan cara cropping. 5. Sistem pengenalan angka tulisan tangan yang dibangun bersifat offline. 1.3 Tujuan Adapun tujuan dari pengerjaan Tugas Akhir adalah sebagai berikut: 1. Membangun dan mengetahui akurasi Sistem Pengenalan Angka Tulisan Tangan dengan menggunakan metode Local Binary Pattern Variance dan klasifikasi K- Nearest Neighbour. 2. Mengetahui Akurasi sistem dalam mengenali angka tulisan tangan yang ada pada formulir C1 KPU. 3. Mengetahui pengaruh parameter yang digunakan pada metode Local Binary Pattern Variance dan klasifikasi K-Nearest Neighbour? 1.4 Metodologi Penyelesaian Masalah Metodologi yang digunakan dalam menyelesaikan Tugas Akhir ini adalah sebagai berikut: 1. Studi Literatur Studi literatur dilakukan dengan cara mengumpulkan dan mempelajari referensi yang berkaitan dengan pengenalan angka tulisan tangan melalui berbagai media, seperti internet, paper, jurnal dan buku. Peper acuan utama yang diambil penulis untuk mempelajari pembuatan sistem adalah paper yang dibuat oleh Mohsen biglari, Faezeh Mirzaei dan Jalil Ghavidel Neycharan dengan judul Persian/Arabic Handwritten Digit Recognition Using Local Binary Pattern dan paper yang dibuat oleh Zenhua Guo, Lei Zhang, dan David Zhang dengan judul Rotation Invariant Texture Classification Using LBP Variance (LBPV) with Global Matching. Buku acuan utama yang menjadi dasar pembuatan sistem adalah buku yang dibuat oleh Matttti Pietikainen, Guoying Zhao, Abdenour Hadid dan Timo Ahonen yang berjudul Computer Vision Using Local Binary Patterns.
2. Konsultasi Melakukan bimbingan dengan dosen pembimbing & dosen lainnya yang terkait dengan masalah yang terdapat pada Tugas Akhir ini. 3. Pengumpulan Data Berbagai macam kombinasi karakter angka tulisan tangan yang masuk dalam lingkup pengujian Tugas Akhir ini dikumpulkan dan dibagi menjadi dua jenis data yaitu data model dan data uji. Data model yang digunakan adalah 50.000 data model gambar angka tulisan tangan dengan setiap gambar berukuran 28x28 grayscale dari MNIST Database dan 2100 gambar angka tulisan tangan dari formulir C1 KPU. Data Uji yang digunakan adalah 10.000 data uji gambar angka tulisan tangan degan 28x28 grayscale dari MNIST database dan 550 gambar angka tulisan tangan dari formulir C1 yang diambil dari database Komisi Pemilihan Umum (KPU) pada website KPU. Pad tahap ini, data set MNIST yang dalam format CSV diunduh dari situs website http://www.pjreddie.com/projects/mnist-in-csv/. Gambar hasil scan formulir C1 diunduh dari situs website resmi KPU RI http://pilpres2014.kpu.go.id/c1.php. Gambar formulir C1 KPU yang telah diunduh, dilakukan cropping manual untuk mengambil gambar angka tulisan tangan pada gambar formulir C1 secara manual, kemudian dibagi ke dalam data set latih dan data set uji. 4. Perancangan Sistem Tahap ini adalah tahapan dalam merancang atau bagaimana menerapkan metode Local Binary Pattern Variance (LBPV) sebagai ekstraksi ciri lalu melakukan klasifikasi menggunakan K-Nearest Neighbour (K-NN). Perancangan sistem dibagi menjadi empat tahap, yaitu pengumpulan data, preprocessing,ekstraksi ciri, dan klasifikasi. 5. Implementasi Sistem Tahap ini adalah tahapan pengodingan sistem sesuai dengan perancangan model yang telah dibuat sebelumnya dengan menggunakan tools MATLAB R2012b. Matlab merupakan bahasa pemprograman tingkat tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan permprograman, seperti komputasi materi analisis data, pengembangan algoritma, simulasi dan pemodelan sistem. 6. Pengujian dan Analisis Hasil Pengujian Pengujian dilakukan menggunakan 10.000 gambar data MNIST dan 550 gambar angka tulisan tangan pada formulir C1 KPU dengan beberapa skenario pengujian untuk mendapatkan akurasi terbaik. Hasil pengujian yang dianalisis pada penelitian ini adalah nilai akurasi dari sistem. Data hasil pengujian yang didapatkan direpresentasikan dalam bentuk tabel. Hasil analisis berupa kesimpulan dari hasil pengujian. 7. Penyusunan Buku Tugas Akhir Pada tahap ini, Buku Tugas Akhir dibuat berdasarkan proses dan hasil dokumentasi dari penelitian yang telah dilakukan. 1.5 Sistematika Penulisan Dalam penulisan Tugas Akhir ini akan dibagi menjadi beberapa bab yang meliputi hal-hal sebagai berikut :
1. BAB 1 : PENDAHULUAN Berisi latar belakang, perumusan masalah, tujuan, metodologi penyeleseaian yang digunakan dalam penelitian tugas akhir, dan sistematika laporan tugas akhir ini. 2. BAB 2 : TINJAUAN PUSTAKA Bab ini memuat tentang teori-teori yang mendukung dalam perancangan sistem pengenalan angka tulisan tangan yang dibuat. Teori dasar yang dibahas antara lain tentang citra digital, Optical Character Recognition (OCR), thresholding, dilasi, Local Binary Pattern, Rotation Invariant Local Contrast, LBP Variance, dan K-Nearest Neighbour 3. BAB 3 : PERANCANGAN SISTEM Bab ini membahas tentang perencanaan perancangan sistem yang akan dibuat untuk membuat aplikasi Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K Nearest Neighbour. 4. BAB 4 : PENGUJIAN DAN ANALISA SISTEM Bab ini membahas tentang dokumentasi dan analisis terhadap pengujian implementasi dengan menggunakan data dari MNIST Database dan 550 gambar angka tulisan tangan pada formulir C1 KPU dari sistem Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K Nearest Neighbour. 5. BAB 5 : KESIMPULAN DAN SARAN Bab terakhir ini berisi tentang kesimpulan hasil penelitian pada Tugas Akhir yang telah dilakukan dan saran terhadap pengembangan selanjutnya agar bisa penelitian ini dapat diteruskan.