PENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Helsi Tia Vermala 1, Diyah Puspitaningrum 2, Yudi Setiawan 3 123 Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu. Jl. WR. Supratman Kandang Limun Bengkulu 38371A INDONESIA (telp: 0736-341022; fax: 0736-341022) 1 helsitia.vermala@gmail.com, 2 diyah.puspitaningrum@unib.ac.id, 3 ys.teknik@unib.ac.id Abstract This research to build a pattern recognition hijaiyah letters handwriting application. In this offline pattern recognition research, a digital handwriting input is captured by a scanner. In this research we try to recognize digital handwriting based on feature classification using Backpropagation Neural Network and Fuzzy Feature Extraction method for feature extraction. This application is built using Matlab language programming and designed using Data Flow Diagram (DFD). Meanwhile the system development life cycle method that used is Waterfall. Experiments were performed on a single Hijaiyah letters isolated from 900 samples gave results of generalization ability of artificial neural networks for 96.11% and the ability to generalize the ability of Neural Network memorization for 98.33%. Keywords: Pengenalan Pola, Citra Huruf Hijaiyah Tulisan Tangan, Fuzzy Featrure Extraction, Backpropagation 1. PENDAHULUAN Huruf Hijaiyah memiliki bentuk-bentuk khusus seperti setiap huruf mempunyai dua sampai empat bentuk tulisan yang hampir sama tergantung pada posisi huruf pada suatu kata. Hal ini yang biasanya membuat bingung terutama bagi anak-anak yang masih baru belajar huruf Hijaiyah baik dalam menulis maupun untuk membedakannya. Proses klasifikasi dan identifikasi yang paling sederhana dan langsung yaitu dengan menggunakan penglihatan. Meskipun demikian terdapat beberapa cara untuk melakukan pengenalan huruf dalam bentuk citra. Pengenalan huruf tulisan tangan adalah sebuah teknik dimana input data yang berupa lembaran kertas hasil scan menggunakan scanner dan menghasilkan gambar pada komputer yang dikenali sebagai titiktitik (bitmap), bitmap inilah yang kemudian diproses lebih lanjut menggunakan algoritma tertentu menjadi karakter, sehingga dapat dikenali dan diolah menjadi informasi [1]. Metode pengenalan pola tulisan tangan yang diangkat dalam penelitian ini ialah dengan menggunakan metode fuzzy feature extraction yang mana menganggap huruf tulisan tangan sebagai sebuah graf berarah, yang node-nya terdiri atas titik ujung dan titik cabang. Sementara edge-nya berupa garis lurus, kurva, dan loop. Sedangkan untuk proses klasifikasi menggunakan metode jaringan saraf tiruan propagasi balik (backpropagation). Jaringan saraf tiruan adalah sebuah metode komputasi yang memiliki cara kerja seperti saraf otak manusia. Keunggulan metode ini ialah memiliki kemampuan untuk belajar dan memecahkan hubungan yang rumit, yang sulit untuk dideskripsikan antara data masukan dan data keluaran, hal tersebut dimungkinkan karena jaringan saraf tiruan mampu dilatih berdasarkan informasi yang diterimanya. 172 http://research.pps.dinus.ac.id

2. LANDASAN TEORI 2.1. Pengolahan Citra Digital Menurut Efford pengolahan citra digital adalah istilah umum untuk berbagai teknik yang keberadaannya untuk memanipulasi dan memodifikasi citra dengan berbagai cara. Secara umum pengolahan citra digital dapat diartikan sebagai pemrosesan gambar berdimensi-dua melalui komputer.. Ada dua prinsip daerah aplikasi pengolahan citra digital: peningkatan informasi piktorial untuk interpretasi manusia; dan pengolahan data citra untuk penyimpanan, transmisi dan representasi bagi peralatan persepsi (perception) [2]. Pada pengolahan citra, ada sebuah proses awal pengolahan citra yang disebut dengan pre-processing. Pre-processing merupakan proses peningkatan kualitas citra agar dapat meningkatkankan keberhasilan pada proses pengolahan citra berikutnya. Data citra yang diambil secara langsung perlu diproses lebih lanjut untuk menyeragamkan data citra yang nantinya akan digunakan sebagai data citra database. 2.2. Fuzzy Feature Extraction Fuzzy Feature Extraction bertujuan untuk mendapatkan karakteristik suatu karakter. Tahap feature extraction dimulai dari tahapan penelusuran jalur dalam kerangka, pengecekan klasifikasi segmen pembentuk (klasifikasi segmen gelang, klasifikasi segmen garis, klasifikasi segmen kurva) dan representasi huruf berdasarkan segmen pembentuk. Klasifikasi tipe segmen dapat disajikan seperti pada gambar 1. Gambar 1. Klasifikasi Tipe Segmen[3] a. Penelusuran Jalur Dalam Kerangka Penelusuran dimulai dari tiap-tiap titik ujung. Titik ujung akan menjadi titik awal (yang merupakan koordinat awal dari sebuah segmen), penelusuran dilakukan dengan cara mencari koordinat tetangga yang belum ditelusuri dari setiap state (posisi koordinat pada saat ini berada). Hal ini dilakukan secara berulang hingga didapat kondisi berhenti. Pada langkah ini kondisi berhenti adalah saat state merupakan koordinat percabangan b. Pengecekan Segmen Pembentuk 1) Klasifikasi Segmen Gelang Untuk mengetahui apakah segmen merupakan sebuah gelang (loop), maka segmen harus memenuhi kondisi berikut: d<= (k + d)*α/360...(1) Keterangan: d : jarak antar koordinat awal segmen dengan koordinat akhir segmen k : jumlah matrik segmen poin α : sudut segmen poin 2) Klasifikasi Segmen Garis Klasifikasi pertama dari segmen (horizontal (H), vertical (V), right sloper (R), left sloper (L)). Berikut ini adalah fungsi keanggotaan tipe segmen garis direpresentasikan sebagai fungsi keanggotaan T-norm yang disajikan pada gambar berikut ini. http://research. pps.dinus.ac.id, 173

Gambar 2. Fungsi Fuzzy H,R,V,L[3] 3) Klasifikasi Segmen Kurva Untuk melakukan klasifikasi kurva maka perlu dihitung rata-rata Deviasi (D) antara koordinatkoordinat segmen terhadap base line....(2) Setelah mendapatkan nilai D maka harus dihitung curve threshold (β), yakni nilai batas minimal D dimana segmen tersebut dapat dikatakan sebagai sebuah kurva. Segmen akan dikatakan sebagai sebuah kurva apabila memiliki nilai D >= β, sebaliknya maka segmen akan diklasifikasikan sebagai garis. c. Representasi Huruf Berdasarkan Segmen Pembentuk Pada langkah ini akan dilakukan konversi dari tipe segmen (hasil klasifikasi segmen) menjadi nilai bit yang memiliki panjang 8 digit untuk setiap tipe segmen. Berikut aturan pengkonversian tersebut. Gambar 3. Aturan Konversi bit [3] Simpan semua nilai konversi bit segmen tersebut ke dalam sebuah matrik value. Untuk mengetahui keterhubungan antar segmen maka perlu didefinisikan menjadi sebuah matrik interrelationship Setelah itu gabung kedua matrik tersebut menjadi sebuah matrik baru (matrik JST input) yang nantinya akan menjadi masukan untuk proses klasifikasi backpropagation. 2.3. Backpropagation Algoritma Backpropagation meliputi 3 (tiga) fase. Fase pertama adalah fase maju. Pola masukkan dihitung maju mulai dari layar masukan hingga layar keluaran menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unit-unit di layar keluaran. Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi [4]. 174 http://research.pps.dinus.ac.id

3. METODE PENELITIAN 3.1. Metode Pengumpulan Data Pengambilan sampel pada penelitian ini digunakan untuk proses pelatihan (training). Untuk proses pelatihan, sampel data berjumlah 720 huruf Hijaiyah yang diambil dari 4 orang berbeda. Sedangkan untuk proses pengujian (testing), difokuskan pada 180 citra huruf Hijaiyah tulisan tangan dari 1 orang yang telah di scan terlebih dahulu menggunakan scanner. Sampel tersebut diambil berdasarkan tujuan dari penelitian untuk membangun aplikasi pengenalan pola huruf Hijaiyah tulisan tangan. Sampel yang digunakan pada penelitian ini adalah citra huruf Hijaiyah tulisan tangan dari 5 orang, setiap orang melakukan pembubuhan huruf hijaiyah tulisan tangan menggunakan 2 buah alat tulis berbeda masing-masing sebanyak 3 kali pada setiap huruf, sesuai dengan jumlah huruf Hijaiyah yang berjumlah 30 huruf (5x2x3x30) = 900 huruf. 3.2. Metode Pengembangan Sistem Metode pengembangan yang akan digunakan dalam merancang sistem informasi pemeetaan daerah rawan pangan dan gizi ini adalah model waterfall (air terjun). Model waterfall menyediakan pendekatan alur hidup perangkat lunak secara sekuensial atau terurut dimulai dari analisis, desain, pengkodean, pengujian, dan tahap pemeliharaan. 3.3. Metode Pengujian Sistem a. Citra Training Sebagai Citra Testing Pengukuran tingkat kesuksesan aplikasi pengenalan pola Huruf Hijaiyah menggunakan citra training dengan menguji citra latih sebanyak 720 sampel. b. Citra Lain Diluar Database Adapaun design experiment yang dilakukan untuk pengujian ini adalah sebagai berikut. 1) Data training berasal dari pengguna yang memang sengaja digunakan bagi sistem untuk mempelajari pola-pola Huruf Hijaiyah (sampel diambil dari 4 orang yang berbeda dimana setiap orang menggunakan 2 buah alat tulis yang berbeda ketebalannya dan untuk setiap ketebalan pengguna diminta memberi sampel sebanyak 3 kali untuk setiap ketebalan alat tulis). Adapun data testing adalah berasal dari orang lain yang sama sekali berbeda dari orang yang tulisannya menjadi pola pembelajaran dalam data set training. Komposisi data set training : data set testing = 80% : 20%. Hal yang ingin dicapai dari pengujian ini adalah untuk mengetahui kemampuan generalisasi jaringan syaraf tiruan. Kemampuan generalisasi merupakan kemampuan jaringan syaraf tiruan untuk menghasilkan respons yang bisa diterima terhadap pola-pola input yang serupa (namun tidak identik) dengan pola-pola yang sebelumnya telah dipelajari. Hal ini bermanfaat bila suatu saat ke dalam jaringan syaraf tiruan itu diinputkan informasi baru yang belum pernah dipelajari, maka jaringan syaraf tiruan itu masih akan tetap dapat memberikan tanggapan yang baik, memberikan keluaran yang paling mendekati. Gambar 4. Diagram Alir Penelitian http://research. pps.dinus.ac.id, 175

2) Data set training diambil dari 5 orang pengguna dengan menggunakan 2 buah alat tulis berbeda, akan tetapi pada data set training juga mengambil masukan dari pengguna yang pernah melatihkan pola-pola tulisannya ke dalam sistem. Meskipun data set yang diujikan juga belum pernah dilatihkan ke dalam sistem. Perbandingannya adalah untuk setiap sampel dari setiap pengguna 4 : 2 (4 sampel untuk data set training dan 2 sampel untuk data set testing). Hal yang ingin dicapai dari pengujian ini adalah untuk mengetahui kemampuan generalisasi terhadap kemampuan memorisasi (user yang pernah dilatihkan tetapi instance nya baru). Kemampuan memorisasi adalah kemampuan jaringan syaraf tiruan untuk mengambil kembali secara sempurna sebuah pola yang dipelajari. c. Black Box Testing Metode yang digunakan pada black box adalah metode equivalen partitioning testing yang melakukan pengujian dengan membagi domain input dari suatu program ke dalam kelas data, menentukan kasus pengujian dengan mengungkapkan kelas-kelas kesalahan. 3.4. Metode Uji Kelayakan Sistem Uji kelayakan pada penelitian ini dilakukan dengan cara mengukur persentase pengenalan sistem dalam mengenali pola huruf Hijaiyah tulisan tangan dan hasil keluaran sistem. 4. ANALISIS DAN PERANCANGAN 4.1. Analisis Masalah Pada penelitian ini, sampel yang digunakan adalah citra huruf Hijaiyah tulisan tangan dari 5 orang, setiap orang melakukan pembubuhan huruf hijaiyah tulisan tangan sebanyak 3 kali untuk setiap huruf, sesuai dengan jumlah huruf Hijaiyah. 5 sampel citra huruf Hijaiyah tulisan tangan tersebut terbagi menjadi 4 citra digunakan sebagai citra training dan 1 citra digunakan sebagai testing. Sehingga total data citra berjumlah 900 citra dengan total citra training sebanyak 720 citra huruf Hijaiyah tulisan tangan dan untuk total citra testing sebanyak 180 citra huruf Hijaiyah tulisan tangan.. Untuk mempermudah proses pengenalan/ identifikasi pola huruf hijaiyah tulisan tangan ini, maka proses pengenalan dilakukan dengan menggunakan metode fuzzy feature extraction dan jaringan syaraf tiruan backpropagation. 4.2. Analisis Fungsional Analisis fungsional adalah analisis yang berisiskan proses-proses yang dapat dilakukan oleh aplikasi yang nantinya akan dibangun. Berikut adalah proses-proses yang dapat dilakukan oleh aplikasi. a. Aplikasi dapat melakukukan pengenalan pola citra yang memiliki kemiripan dengan citra uji menggunakan metode fuzzy feature extraction dan backpropagation. b. Aplikasi dapat menampilkan informasi data citra dan nilai ekstraksi dari citra uji dan hasil pengenalan citra. c. Aplikasi dapat memberikan informasi mengenai citra hasil pengenalan pola. 4.3. Analisis Alur Kerja Sistem Analisis alur kerja sistem ini berguna untuk mempermudah dalam pembuatan sistem nantinya. Berikut ini adalah analisis alur kerja sistem dari aplikasi yang akan dibuat yang ditunjukkan pada Gambar 5. 176 http://research.pps.dinus.ac.id

Gambar 5. Diagram Alur Kerja Sistem 5. PEMBAHASAN 5.1. Implementasi Antarmuka a. Halaman Utama Berikut merupakan halaman utama yang pertama kali diakses pada saat menjalankan aplikasi yang akan dijelaskan pada Gambar 6. Gambar 6. Halaman Utama Pada saat user membuka aplikasi maka akan muncul halaman utama seperti pada Gambar6. Dapat dilihat pada tampilan tersebut terdapat menu File dan menu Help. Sebelum user dapat melakukan pelatihan dan pengenalan terhadap citra Huruf Hijaiyah tulisan tangan, user harus terlebih dahulu memilih submenu yang terdapat pada masing-masing menu. Pada menu File terdapat submenu Pelatihan, Pengenalan, dan Keluar. Sementara pada menu Help terdapat submenu Petunjuk dan Tentang. http://research. pps.dinus.ac.id, 177

b. Halaman Pelatihan Halaman pelatihan merupakan tampilan yang akan digunakan untuk melakukan proses pelatihan terhadap citra Huruf Hijaiyah tulisan tangan. Berikut adalah tampilan halaman pelatihan pada Gambar 7. Pada Gambar 7 user Setelah citra Huruf Hijaiyah tulisan tangan dimasukkan ke dalam aplikasi, maka selanjutnya dilakukan proses preprocessing untuk memproses citra Huruf Hijaiyah tulisan tangan sehingga citra tersebut memiliki ukuran dan format yang sesuai dengan kebutuhan sistem. Gambar 7. Halaman Pelatihan User mengklik tombol Preprocessing untuk melakukan proses preprocessing. Pada penelitian ini dilakukan proses preprocessing dengan 3 tahap yaitu filtering, thinning dan search vertices. Setelah preprocessing dilakukan, user mengklik tombol ekstraksi fitur untuk melakukan ekstraksi fitur menggunakan metode fuzzy feature extraction. Pada tahap ini akan dilakukan segmentasi terhadap huruf hijaiyah yang selanjutnya akan ditentukan tipe dari masing-masing segmen tersebut. Hasil dari proses ini adalah matrik input JST. Tahap selanjutnya user mengklik tombol lakukan proses pelatihan untuk menyimpan nilai matriks JST input dan atribut yang dimiliki citra tersebut ke dalam database. Proses dinyatakan berhasil apabila terdapat pesan Data Suah Disimpan dari aplikasi disertai dengan berjalannya waktu proses. Waktu proses akan menghitung lamanya aplikasi ini melakukan proses pelatihan sehingga waktunya akan ditampilkan dalam format detik. c. Halaman Pengenalan Halaman pengenalan merupakan tampilan yang akan digunakan untuk melakukan proses pengenalan terhadap citra Huruf Hijaiyah tulisan tangan menggunakan metode backpropagation serta menampilkan informasi dari Huruf Hijaiyah tulisan tangan tersebut. Tampilan antarmuka halaman ini dapat dilihat pada Gambar 8. Gambar 8. Halaman Pengenalan Setelah citra uji dimasukkan ke dalam aplikasi, maka selanjutnya dilakukan proses preprocessing. Setelah melakukan tahap preprocessing ini maka user mengklik tombol ekstraksi fitur menggunakan metode fuzzy untuk menampilkan nilai matriks hasil proses ekstraksi fitur. Kemudian user mengklik tombol Lakukan Proses Pengenalan untuk melakukan proses pengenalan terhadap citra uji. Apabila tahapan proses pengenalan telah terpenuhi, maka aplikasi akan menampilkan informasi dari Huruf Hijaiyah yang dikenali.pengujian Kelayakan Sistem. 5.2. Uji Kelayakan Sistem Pengujian dilakukan untuk menguji apakah aplikasi bisa mengklasifikasi citra dengan pelatihan menggunakan metode Backpropagation dan mengenali citra Huruf Hijaiyah tulisan tangan serta menampilkan informasi dari citra tersebut sesuai dengan kondisi-kondisi yang telah ditentukan. 178 http://research.pps.dinus.ac.id

a. Citra Training Sebagai Citra Testing Dari hasil pengujian tidak diperoleh kesalahan pengenalan oleh aplikasi dari proses uji yang dilakukan. Sehingga diperoleh persentase pengenalan pada citra training sebagai citra testing sebesar 100%. Dari hasil pengujian ini menunjukkan bahwa aplikasi dapat berfungsi secara optimal dalam mengenali citra training. b. Citra Lain Diluar Database 1) Design Experiment Pertama Dapat dilihat pada tabel 7 dari 180 sampel citra uji terdapat 7 huruf yang salah dikenali. Persentase rata-rata pengenalan sebesar 96,11% untuk akurasi kemampuan generalisasi JST. Tabel 7. Hasil Pengenalan 2) Design Experiment Kedua Hasil Pengenalan pada design experiment kedua terdapat 5 huruf dari 300 sampel huruf yang dijadikan data uji salah dikenali. Persentase ratarata pengenalan yang diperoleh sebesar 98,33% untuk kemampuan generalisasi terhadap kemampuan memorisasi. Berdasarkan hasil pengujian diatas, dapat diketahui bahwa proses pengenalan Huruf Hijaiyah tulisan tangan pada pengujian pertama dan kedua memiliki persentase rata-rata pengenalan sebesar 96,11 % dan 98,33. Hasil yang didapat tergolong kedalam kategori baik untuk melakukan pengenalan huruf tulisan tangan. Ada beberapa masalah yang bisa ditemui dalam proses pengenalan huruf tulisan tangan ini antara lain: 1) Pola yang dimiliki oleh setiap huruf tidak selalu identik, dengan kata lain diperlukan sebuah parameter baru yang diperlukan untuk menjamin setiap huruf memiliki pola yang identik. 2) Penggunaan Jaringan Syaraf Tiruan akan lebih efektif jika pola yang dimiliki pada saat proses pembelajaran (training) semakin banyak dan begitupula sebaliknya akan kurang efektif apabila pola yang dimiliki terbatas. 3) Munculnya kail pada ujung suatu huruf yang ditulis responden sehingga jumlah segmen yang terbentuk menjadi tidak sama dengan citra ideal, karena adanya penambahan segmen. Waktu proses rata-rata dalam mengenali setiap huruf sebesar 106,6296 detik dengan jumlah data latih sebanyak 720 huruf pada database. Sehingga dapat disimpulkan pula bahwa waktu proses rata untuk mengenali huruf cukup baik. Beberapa hal yang dapat mempengaruhi lama tidaknya waktu proses: 1) Ukuran gambar (image) input-an akan mempengaruhi kecepatan pemrosesan, yakni semakin kecil ukuran image input akan semakin cepat waktu yang diperlukan, begitu pula sebaliknya semakin besar ukuran image input maka semakin lama waktu proses yang diperlukan. http://research. pps.dinus.ac.id, 179

2) Jumlah segmen pada tiap huruf akan mempengaruhi waktu proses, yakni semakin banyak jumlah segmen maka akan semakin lama waktu proses dan demikian pula sebaliknya, semakin sedikit jumlah segmen maka akan semakin cepat waktu proses. 3) Lamanya waktu proses pengenalan Huruf Hijaiyah pada aplikasi ini juga dipengaruhi banyaknya data yang tersimpan di dalam database. Semakin banyak jumlah data citra yang disimpan di dalam database, maka semakin lama waktu proses yang dibutuhkan untuk 1 kali pengenalan. 6. PENUTUP Berdasarkan hasil dan pembahasan yang telah dijabarkan sebelumnya, maka kesimpulan yang dapat diambil adalah sebagai berikut: a. Penelitian ini telah menghasilkan sebuah aplikasi pengenalan pola tulisan tangan berbasis desktop dengan studi kasus Huruf Hijaiyah menggunakan metode fuzzy feature extraction dan jaringan syaraf tiruan backpropagation. b. Aplikasi pengenalan pola yang dibangun dengan menggunakan metode fuzzy feature extraction dan jaringan syaraf tiruan backpropagation memiliki tingkat akurasi sebesar 96,11% untuk kemampuan generalisasi dan 98,33% untuk kemampuan generalisasi terhadap kemampuan memorisasi, dengan waktu proses yang diperlukan rata-rata sebesar 106,6296 detik untuk setiap huruf. c. Faktor yang menyebabkan lamanya waktu proses pengenalan Huruf Hijaiyah pada aplikasi ini adalah banyaknya data yang tersimpan di dalam database. Semakin banyak jumlah data citra yang disimpan di dalam database, maka semakin lama waktu proses yang dibutuhkan untuk 1 kali pengenalan. Berdasarkan hasil dan pembahasan yang telah dijabarkan sebelumnya, maka saran yang dapat diberikan untuk pengembangan penelitian selanjutnya adalah sebagai berikut: a. Sistem akan lebih bermanfaat jika bisa mengenali huruf hijaiyah sambung, bukan hanya hijaiyah tunggal. b. Pengembangan sistem untuk pengenalan huruf secara real time dengan mengenali huruf yang ditulis manual di layar komputer. DAFTAR PUSTAKA [1] K.C. Santosh, C. N. (2009). A comprehensive survey on on-line handwriting recognition technology and its real application to the Nepalese natural handwriting. KATHMANDU UNIVERSITY JOURNAL OF SCIENCE, ENGINEERING AND TECHNOLGY VOL. 6, No. I, 30-54. [2] Prasetyo, E. (2011). Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab. Yogyakarta: Penerbit Andi. [3] J.Gilewski, P. P. (1997). Education Aspects: Handwriting Recognition-Neural Networks-Fuzzy Logic. Proceedings of the IAPR International Conference on Pattern Recognition and Information Processing PRIP 97, vol. 1, (pp. 39-47). [4] Widodo, P. P. (2013). Penerapan Data Mining Dengan Matlab. Bandung: Rekayasa Sains. 180 http://research.pps.dinus.ac.id