ii PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI NADYA AMELIA 101402014 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2016
iii PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi NADYA AMELIA 101402014 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2016
ii PERSETUJUAN Judul Kategori : PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) : SKRIPSI Nama : NADYA AMELIA Nomor Induk Mahasiswa : 101402014 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI..UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Sajadin Sembiring, S.Si., M.Comp.Sc Dr. Erna Budhiarti Nababan, M.IT NIP. - NIP. - Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP. 19800110200801 1 010
iii PERNYATAAN PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 14 Juni 2016 Nadya Amelia 101402014
iv UCAPAN TERIMA KASIH Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat, karunia, taufik dan hidayah-nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi (S1)Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi. Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Keluarga penulis, Ayahanda Munawirman, Ibunda Nofiar, Abang penulis Ferdie Yolandho, dan adik penulis Anisa Khuntum Khaira beserta keluarga besar yang selalu memberikan dukungan, perhatian serta doa kepada penulis sehingga dapat menyelesaikan skripsi ini. 2. Ibu Dr. Erna Budhiarti Nababan, M.IT. selaku Dosen Pembimbing I dan Bapak Sajadin Sembiring,S.Si.,M.Comp.Sc., selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya serta memberikan bimbingan dan dukungan kepada penulis dalam penyusunan dan penulisan skripsi ini. 3. Bapak Dr. Sawaluddin, M.IT selaku Dosen Penguji I dan Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. selaku Dosen Penguji II yang telah memberikan kritik dan saran yang membangun dalam penyempurnaan skripsi ini. 4. Bapak Muhammad Anggia Muchtar, ST., MM.IT. selaku Ketua Program Studi S1 Teknologi Informasi dan Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku Sekretaris Program Studi S1 Teknologi Informasi. 5. Seluruh Dosen Program Studi S1 Teknologi Informasi yang telah memberikan ilmu yang bermanfaat bagi penulis dari awal perkuliahan. 6. Teman-teman penulis, Rizki Ramadhan, Maslimona Harimita Ritonga, Sonya L Akbar, Faradilla S, Utami M Dinanti, dan seluruh mahasiswa TI 2010 yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini. 7. Seluruh staf TU (Tata Usaha) serta pegawai di Program Studi S1 Teknologi Informasi 8. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Akhir kata penulis ucapkan terima kasih.
v ABSTRAK Huruf hijaiyah memiliki bentuk yang sangat unik dan variatif antara satu dengan yang lainnya, Untuk membedakannya, huruf hijaiyah harus disesuaikan dengan karakteristiknya masing-masing. Pada penelitian ini digunakan Support Vector Machine untuk mengenali tulisan tangan huruf hijaiyah dari beberapa orang. Sebelum tahap identifikasi dilakukan citra huruf akan mengalami pre-processing, dan ekstraksi ciri menggunakan metode zoning. Metode zoning ini menghitung jumlah piksel aktif (hitam) setiap zona dan melakukan perbandingan terhadap zona yang memiliki jumlah piksel aktif yang paling banyak. Ekstraksi ciri yang digunakan adalah variasi dari metode zoning yaitu Image Centroid and Zone (ICZ) dan Zone Centroid and Zone (ZCZ). Pembagian zona yang digunakan adalah 3,5,7, dan 9 zona. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu mengenali tulisan tangan huruf hijaiyah dengan akurasi terbaik menggunakan metode zoning ZCZ dengan pembagian zona 7 dan 9 yaitu 90 %. Kata kunci : Huruf hijaiyah, metode zoning, Support Vector Machine.
vi PATTERN RECOGNITION ON HIJAIYAH LETTERS USING SUPPORT VECTOR MACHINE (SVM) ABSTRACT Hijaiyah letters have very unique shape and varies between one and another. To differentiate it, hijaiyah letters have to be adapted with their own characteristic. This research used a support vector machine to recognize the handwriting of hijaiyah letters from some people. Pre-processing, and feature extraction using zoning methode will be done before the identification phase. Zoning method summing every active (black) pixel from each zone and divide value from each zone by a zone with most active pixel. Feature extraction method used is the variations of zoning method that is Image Centroid and Zone (ICZ) and Zone Centroid and Zone (ZCZ). The number of zones used are 3.5.7, and 9 zones. This research shows that the proposed method is able to identify handwriting of the hijaiyah letters with the best accuracy using Zone Centroid Zone (ZCZ) feature extraction method using 7 and 9 zone is 90%. Keyword: Hijaiyah letters, zoning extraction, Support Vector Machine.
vii DAFTAR ISI Hal. PERSETUJUAN ii PERNYATAAN iii UCAPAN TERIMA KASIH iv ABSTRAK v ABSTRACT vi DAFTAR ISI vii DAFTAR TABEL ix DAFTAR GAMBAR x BAB 1 PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 4 1.6 Metodologi 4 1.7 Sistematika Penulisan 5 BAB 2 LANDASAN TEORI 7 2.1 Citra 7 2.1.1 Citra biner (binary image) 7 2.1.2 Citra keabuan (grayscale image) 8 2.1.3 Citra warna (color image) 9 2.2 Format Citra Digital 9 2.2.1 Bitmap (.bmp) 9 2.2.2 GIF 10 2.2.3 JPEG 10 2.3 Pengolahan Citra 10 2.3.1 Thresholding 10
viii 2.3.2 Cropping 11 2.3.3 Normalisasi 12 2.3.4 Thinning 12 2.4 Ekstraksi Fitur 13 2.4.1 Ekstraksi Ciri Zonning 13 2.5 Support Vector Machine (SVM) 15 2.6 Penelitian Terdahulu 20 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 21 3.1 Arsitektur Umum 21 3.2 Akuisisi Data 23 3.3 Preprocessing 23 3.3.1 Pembentukan citra biner (threshold) 24 3.3.2 Pemotongan citra (cropping) 24 3.3.3 Normalisasi Resolusi Citra (normalization) 25 3.3.4 Pengurusan objek citra (thinning) 25 3.4 Ekstraksi Ciri (Feature Extraction) 26 3.5 Klasifikasi 30 3.6 Perancangan Sistem 34 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 40 4.1 Implementasi Sistem 40 4.1.1 Spesifikasi software dan hardware yang digunakan 40 4.1.2 Implementasi Perancangan Antarmuka 40 4.1.2.1 Tampilan utama sistem pre-processing 41 4.1.2.2 Tampilan utama sistem ekstraksi ciri 42 4.1.2.3 Tampilan utama sistem pengujian SVM 44 4.1.3 Implementasi Data 44 4.2 Prosedur Operasional 44 4.3 Pengujian Sistem 49 BAB 5 KESIMPULAN DAN SARAN 53 5.1 Kesimpulan 53 5.2 Saran 54 DAFTAR PUSTAKA 55
ix DAFTAR TABEL Hal. Tabel 2.1 Contoh kasus nilai fitur dan kelas 20 Tabel 2.2 Penelitian terdahulu 21 Tabel 3.1 Nilai fitur dan kelas 33 Tabel 3.2 Data uji 35 Tabel 3.3 Fungsi klasifikasi 36 Tabel 4.1 Data hasil pengujian 49 Tabel 4.2 Data hasil pengujian(lanjutan) 50 Tabel 4.3 Hasil akurasi berdasarkan metode ciri dan jumlah zona 50
x DAFTAR GAMBAR Hal. Gambar 2.1 Citra huruf T 8 Gambar 2.2 Representasi citra biner dari huruf T 8 Gambar 2.3 Citra hitam-putih 8 Gambar 2.4 Citra grayscale 8 Gambar 2.5 Citra warna 9 Gambar 2.6 Citra hasil treshold 11 Gambar 2.7 Citra proses cropping 12 Gambar 2.8 Citra proses thinning 13 Gambar 2.9 Citra pembagian zona citra biner 14 Gambar 2.10 Hyperplane 16 Gambar 3.1 Arsitektur umum 22 Gambar 3.2 Tahapan pre-processing 23 Gambar 3.3 Citra hasil thresholding 24 Gambar 3.4 Citra hasil cropping 25 Gambar 3.5 Citra hasil normalisasi 25 Gambar 3.6 Citra hasil thinning 26 Gambar 3.7 Citra ilusi untuk algoritma ICZ dan ZCZ 26 Gambar 3.8 Citra perhitungan jarak ICZ 29 Gambar 3.9 Citra perhitungan jarak ZCZ 31 Gambar 3.10 Rancangan tampilan awal 35 Gambar 3.11 Rancangan tampilan utama-preprocessing 35 Gambar 3.12 Rancangan tampilan utama-preprocessing(folder) 36 Gambar 3.13 Rancangan tampilan utama-ekstraksi ciri 37 Gambar 3.14 Rancangan tampilan utama-ekstraksi cir(folder) 38 Gambar 3.15 Rancangan tampilan utama-pengujian SVM 38 Gambar 4.1 Tampilan utama preprocessing 41 Gambar 4.2 Tampilan utama preprocessing(folder) 42 Gambar 4.3 Tampilan utama ekstraksi ciri 43
xi Gambar 4.4 Tampilan utama ekstraksi ciri(folder) 43 Gambar 4.5 Tampilan utama pengujian SVM 44 Gambar 4.6 Tampilan Browse pre-processing 44 Gambar 4.7 Tampilan Browse pre-processing(folder) 45 Gambar 4.8 Tampilan awal aplikasi proses Pre-processing 46 Gambar 4.9 Tampilan Browse ekstraksi ciri 46 Gambar 4.10 Tampilan Browse ekstraksi ciri(folder) 47 Gambar 4.11 Tampilan awal aplikasi proses ekstraksi ciri 50 Gambar 4.12 Tampilan Browse pengujian SVM 48 Gambar 4.13 Tampilan hasil pengujian SVM 48 Gambar 4.14 Grafik hasil pengujian SVM 51