Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX ARTIKEL IMPLEMENTASI METODE TEMPLATE MATCHING UNTUK MEDIA PEMBELAJARAN PENGENALAN KARAKTER HURUF ALPHABET Oleh: M MASKURI 3..3.2.32 Dibimbing oleh : Daniel Swanjaya, M.Kom. Resty Wulanningrum, M.Kom. PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 27
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX M MASKURI 3..3.2.32
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX M MASKURI 3..3.2.32 2
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX M MASKURI 3..3.2.32 3
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX IMPLEMENTASI METODE TEMPLATE MATCHING UNTUK MEDIA PEMBELAJARAN PENGENALAN KARAKTER HURUF ALPHABET M MASKURI 3..3.2.32 Masterr42@gmail.com Daniel Swanjaya, M.Kom. dan Resty Wulanningrum, M.Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Yang melatarbelakangi penelitian ini karena adanya perkembangan teknologi informasi saat ini sudah sudah mulai terasa akan kehadirannya dari segi perkembangan teknologi informasi sudah banyak berubah salah satunya perkembangan dibidang pendidikan. Dengan adanya perkembangan dibidang pendidikan seorang anak dituntut bisa mengikuti perkembangan teknologi sudah ada. Adapun menjadi permasalahan dihadapi sehinga perlu adanya penelitian ini () Bagaimana merancang aplikasi pengenalan pola alphabet bisa digunakan sebagai media pembelajaran pengenal karakter untuk anak Taman KanakKanak? (2) Bagaimana mengimplementasikan metode template matching untuk pengenalan alphabet? Metode template matching merupakan salah satu metode cukup baik dalam pengenalan pola alphabet menggunakan cetak, namun untuk pengenalan tulisan tangan kurang baik sehingga tingkat akurasi didapatkan sangat rendah yaitu dibawah 8% 3 kali uji coba yaitu 2, 4 dan 5 karena menggunakan inputan tulisan tangan ketebalan, model dan ukuran sngat berpengaruh terhadap hasil. Dengan demikian dapat ditarik sebuah kesimpulan bahwa aplikasi ini belum bisa digunakan untuk media pembelajaran anak taman-kanak karena masih terkendala oleh rendahnya tingkat akurasi pengenalan dan masih perlu diperbaiki kembali untuk meningkatkan akurasi dalam pengenalan karakter tulisan tangan. KATA KUNCI : template matching, pengenalan pola, alphabet. M MASKURI 3..3.2.32 4
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX I. LATAR BELAKANG Huruf merupakan informasi terkecil lunak bisa membantu secara proses dari suatu kalimat perlu didefinisikan pengenalan cepat dan baik agar informasi ada sekaligus dapat memacu minat belajar dalam kalimat dapat dipahami, maka anak taman kanak kanak. Dalam penelitian ini perlu melakukan pengembangan dalam proses pengenalan pola karakter untuk mencari solusi terhadap permasalahan dihadapi anak taman kanak-kanak, permasalahan salah satunya dihadapi menurunnya minat belajar menulis anak, di dunia pendidikan untuk menumbuhkan minat belajar menulis anak TK II. METODE Metode merupakan cara kerja ditempuh untuk melakukan pengkajian ilmiah bidang studi berhubungan topik tugas akhir. Metode digunakan meliputi menggali informasi tentang pengertian, optical character recognition, dan template matching. dibutuhkannya sebuah sistem komputer mana anak tidak lagi belajar A. Huruf Rupa Huruf atau biasa juga buku manual melainkan melalui komputer dikenal istilah Typeface berbasis desktop. Pola merupakan salah satu dari ilmu pengetahuan tentang pengolahan citra salah satu elemen terpenting dalam desain grafis karena merupakan digital. pengenalan pola ilmu sebuah pengetahuan menghantarkan bentuk visual untuk berkaiatan proses pengklasifikasian ciri utama dari bentuk universal untuk menjadi sebuah bahasa. Dalam suatu terkandung suatu obyek. algoritma suatu fonem, dan fonem tersebut Template Matching menjadi dasar membentuk suatu bunyi dari bahasa pengenalan Dalam penelitian pola, ini karena dituturkanya. Setiap aksara Template memiliki nilai bunyi Matching diharapkan dapat mengenali berbeda-beda. Dalam aksara Suatu obyek baik dan memberikan jenis alphabet, abjad, dan abugida, keakurasian pengenalan obyek biasanya suatu melambangkan prosentase tinggi. Dari hal tersebut suatu menjadi dasar untuk membuat perangkat logogram menggunakan algoritma M MASKURI 3..3.2.32 bunyi. atau Berbeda ideogram, 5
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX nya mewakili ungkapan atau makna suatu lambang, misalnya aksara tionghoa. Dalam akasara jenis. File Input File input berupa file citra digital format.bmp dan.jpg. silabis atau aksara suku kata, suatu 2. Prepocessing melambangkan suatu suku kata, Prepocessing contohnya proses hiragana dan merupakan untuk suatu menghilangkan katakana digunakan di jepang. bagian-bagian tidak Misalnya alphabet yunani, memiliki diperlukan gambar input varian dari satu sama, untuk proses selanjutnya. pada disebut istilah besar dan 3. Segmentasi kecil. Huruf besar biasanya Segmentasi dipakai di awal kata, sedangkan pemisahan kecil ditulis setelahnya. (region) pada tiap karakter B. Optical Character Recognition dideteksi. area proses pengamatan 4. Ekstraksi ciri (OCR) OCR sebuah aplikasi komputer digunakan mengidentifikasikan citra Ekstraksi ciri proses untuk untuk mengambil ciri-ciri tertentu dari karakter diamati. maupun angka untuk dikonversi dalam 5. Recognition bentuk file tulisan. Sistem pengenalan ini fleksibilitas dapat atau meningkatkan kemampuan dan Recognition merupakan proses untuk mengenali karakter diamati cara membandingkan kecerdasan sistem komputer. Sistem ciri-ciri pengenalan cedas sngat ciri-ciri karater ada pada membantu usaha besar-besaran basis data. saat ini dilakukan banyak pihak yakni C. Template Matching usaha digitalisasi diperoleh dan Template Matching salah dalan satu teknik dalam citra digital pembuatan koleksi pustaka digital, berfungsi untuk mencocokan tiap-tiap koleksi sastra kuno digital dan lain- bagian dari suatu citra citra lain. menjadi template (acuan). Citra pengetahuan, informasi karakter misalnya Secara umum proses OCR dapat dijelaskan sebagai berikut: M MASKURI 3..3.2.32 masukan dibandingkan citra template ada dalam basis data,
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX kemudian dicari kesamaannya menggunakan suatu aturan tertentu. 𝑛 𝑑(𝑝, 𝑞) = 𝑑(𝑞, 𝑝) = (𝑞𝑖 𝑝𝑖 )2 (2.) 𝑛 Pencocokan citra menghasilkan Dimana : tingkat kemiripan atau kesamaan d nilai terkecil dari 2 buah tinggi menentukan suatu citra tersebut citra. dikenali sebagai salah satu dari citra q nilai biner dari gambar baru. template. Template kelebihan dan Kelebihanya mudah Matching kekurangan. untuk memiliki algoritma dituliskan ini kedalam III HASIL DAN KESIMPULAN A. Hasil Penghitungan Jarak Hasil didapat dalam bahasa program untuk menyiapkan penghitungan data referensinya. Komputasinya tidak perbandingan jarak terdekat dapat terlalu menggunakan metode jarak euclidean digunakan berupa matriks atau biner. distance proses perhitungan Namun, sebagai berikut: besar karena dibalik data kelebihannya itu algoritma ini secara umum memiliki menggunakan. Input kekurangan. Kekurangannya Input atau citra masukan membutuhkan data referensi atau basis proses penginputan data banyak untuk mendapatkan untuk proses tahap pengenalan hasil optimal. Basis data bisa selanjutnya. Adapun contoh inputan berupa citra ataupun citra telah seperti pada gambar dijadikan matriks atau biner. Semakin sebagai berikut : banyak jenis ingin kita deteksi, maka semakin banyak data referensi harus disimpan. Untuk mencari nilai kesamaan antara dua buah citra dapat dihitung nilainya menggunakan rumus euclidean distance berikut : 𝑑(𝑝, 𝑞) = 𝑑(𝑞, 𝑝) = (𝑞 𝑝 )2 + (𝑞2 𝑝2 )2 + + (𝑞𝑛 𝑝𝑛 )2 Atau Gambar Template Huruf ukuran piksel 7X7 piksel 2. Binerisasi Binerisasi mengkonversi proses citra greyscale kedalam bentuk citra biner yaitu citra dalam warna hitam putih. Tiap-tiap piksel dalam citra level M MASKURI 3..3.2.32 2
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX nya dirubah threshoding melalui tertentu suatu apabila piksel tersebut nilainya diatas nilai thresholding maka piksel Gambar 2 Representasi Warna tersebut akan dirubah kewarna Grayscale dirubah ke Biner putih, dan apabila nilai piksel tersebut berada pada level 2. Ekstrak biner Ekstrak biner merupakan proses dibawah nilai threshoding maka pengubahan piksel tersebut diubah kewarna grayscale kedalam bentuk citra hitam. biner. Adapun contoh Ektraksi Misalnya binerisasi misalkan suatu citra gray memiliki gray dari fitur citra Biner seperti pada gambar 3 sebagai berikut : level 256, dipetakan menjadi citra biner, maka fungsi transformasinya sebagai berikut : = g(x,y) = { if f(x,y) >=28} g(x,y) = if f(x,y) < 28} keterangan : a. g(x,y) citra biner dari citra gray scale f(x,y). b. 28 menyatakan nilai Gambar 3.3 Ekstraksi Biner c. Fitur Fitur pengambilan ciri ambang. suatu citra untuk memudahkan Piksel piksel nilai dalam proses pendeteksian suatu intensitasnya dibawah 28 diubah objek. Adapun contoh menjadi hitam (nilai intensitas = Pengambilan Ciri Fitur seperti ), sedangkan piksel nilai pada gambar 4 sebagai intensitasnya diatas 28 diubah berikut: menjadi putih (nilai intensitas = ). Adapun contoh representasi biner seperti pada gambar 2 sebagai berikut : Gambar 4 Pengambilan Ciri Fitur Cara ngecek kesamaan metode template matching menghitung nilai masing M MASKURI 3..3.2.32 3
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX masing template. Adapun contoh Pada proses proses penghitungan jarak terdekat pengenalannya tahap selanjurnya sebagai berikut: dari masing-masing data tersebut Misalnya terdapat 3 buah data untuk template nya masing-masing dikenali bentuk pola menggunakan rumus sudah melalui proses binerisasi jarak euclidean distance. adapaun dan proses pengambilan ekstraksi rumus ciri sebagai berikut: mengacu pada rumus = dari euclidean distance hasil sebagai berikut: a. Templat menghasilkan = euclidean pertama nilai jarak distance 5.385 b. Templat menghasilkan ke dua nilai jarak euclidean distance 5. = = c. Templat menghasilkan euclidean ke ke tiga nilai jarak distance 5.99 jadi jarak terkecil dari template = = dapat dikenali ke dua nilai terkecil jarak kemudian dari ke 3 buah data euclidean distance 5. tesebut diproses untuk pengenalan B. Hasil Pengujian pola buah data berbeda sebagai berikut: Setelah dilakukan menggunakan alphabet, menggunakan data pengujian pengenalan maka uji (testing) sebanyak 32 buah data = = training sebanyak 4 buah didapatkan hasil sebagai berikut: M MASKURI 3..3.2.32 4
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX Tabel 3. nilai hasil akurasi data penambahan testing dibutuhkan dalam pengenalan karakter No Ketebalan Testing Benar Salah Akuasi 2 4 9 95 8,66 2 4 4 4 9 3,5 3 5 4 4 64 38,5 training sangat karena semakin banyak data training (%) data ukuran, dan berbagai model, ketebalan sangat memungkinkan tingkat besar tingkat Dari tabel di atas dapat dilihat akurasi dalam mengenali karakter. bahwa dari tiga kali uji coba dapat Dan selanjutnya juga mempunyai diketahui pola pengaruh besar terhadap pengenalan tangan karakter alphabet kesulitan template user dalam menginputkan data ke matching memiliki tingkat akurasi dalam sistem aplikasi karena sumber rendah. daya manusianya belum siap dalam model inputan dalam bentuk bahwa pengenalan alphabet mengguanakan metode yaitu Rendahnya tulisan dibawah tingkat 8% akurasi pengenan pola alphabet di digital. pengaruhi oleh banyak hal diantaranya D. SIMPULAN DAN SARAN model di inputkan banyak. SIMPULAN macamnya, kesesuaian antara bentuk Dari penelitian dan pengujian template data training juga telah dilakukan pada sistem sangat juga pengenalan pola alphabet ketebalan tulisan dari data inputan tulisan tangan ini maka diperoleh user. Jadi untuk menghitung nilai kesimpulan sebagai berikut: akurasi dapat dicari menggunakan a. Rancangan aplikasi pengenalan berpengaruh, dan rumus sebagai berikut: 𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = pola sudah baik digunakan 𝑁𝑖𝑙𝑎𝑖 𝐵𝑒𝑛𝑎𝑟 % 𝑇𝑒𝑠𝑡𝑖𝑛𝑔 C. Evaluasi Program pengenalan karakter alphabet tulisan tangan adanya pengaruh karena sifatnya friendly Dari hasil implementasi program aplikasi untuk anak taman kanak-kanak sangat signifikan terhadap mode, bentuk, ukuran dan sangat diimplementasikan user mudah terhadap anak taman kanak-kanak. b. Metode template matching cukup baik dalam pengenalan pola alphabet tulisan ketebalan diinputkan oleh user terhadap hasil akurasi. Selain itu M MASKURI 3..3.2.32 5
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX tangan media inputan berupa paint. c. Anak c. Disarankan data sulit menggunakan menulis mouse karena untuk training menambah baru berbagai bentuk, model, dan ukuran. bayak anak kurang familiar teknologi komputer. d. Tingkat akurasi dalam pengenalan pola alphabet IV. DAFTAR PUSTAKA Anugrah, D. C. 24. Definisi Dari tulisan tangan sangat rendah Huruf, Kata, Kalimat yaitu dibawah 8% 3 Paragraf. kali uji coba ketebalan www.dediciptoanugrah.wordpress.c 2, 4, dan 5 disebabkan om. Jawa Dan Barat: faktor ketebalan sangat berpengaruh pada tingkat Dwika, M. 26. Macam-Macam Model Dalam Rekayasa Perangkat Lunak. akurasi. Jawa 2. SARAN Aplikasi pengenalan pola Barat : www.berkualitas9.blogspot.com.. alphabet telah dibuat masih Untuk Gestama, F. P. 25. Aplikasi Pengenalan tingkat Karakter Huruf Hijaiyah untuk akurasi dan fungsional dari aplikasi Pendidikan Anak Usia Dini. Pola ini, maka peneliti menyampaikan Huruf hijaiyah, 5. banyak kekurangan. meningkatkan kualitas beberapa saran sebagai berikut: a. Untuk pengembangan aplikasi selanjutnya bisa menggunakan digital pen untuk media inputan tulisan tangan menggunakan adanya penambahan paint. b. Perlu algoritma thinning untuk proses penyamaan ukuran alphabet tulisan tangan data training. M MASKURI 3..3.2.32 Hartanto, S., Dkk. 25. Optical Charakter Recognition Algoritma Menggunakan Template Matching correlation. suryo hartanto, -2. Kusuma, A., Dkk. 26. Pengenalan Angka Android Pada Sistem Operasi Menggunakan Metode Template Matching. Jurnal Ilmiah Teknologi Sistem Informasi, 68-78. 6
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX Morwati. 24. Pengolahan Citra Alphabet Tulisan Tangan Menggunakan Metode Naive Bayes Classifier. sudrajad, A. 24. Definisi Pendidikan Anak Usia Dini. Jawa Barat: www.wordprss.com.. Pengolahan Citra Alphabet Tulisan Tangan Menggunakan Metode Naive Bayes Classifier, -. Salim, R. A., Dkk. 26. Perancangan Pengenalan Dengan Karakter Menggunakan Alphabet Metode Hybrid Jaringan Syaraf Tiruan. JSM STMIK Mikroskil, 9-8. M MASKURI 3..3.2.32 7
Simki-Techsain Vol. No. Tahun 27 ISSN : XXXX-XXXX Nama NPM Fak - Prodi