BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Pada penelitian ini, peneliti menggunakan beberapa jurnal sebagai tinjauan studi, yaitu sebagai berikut : a. Pengenalan Huruf Bali Menggunakan Metode Modified Direction Feature (MDF) dan Learning Vector Quantization(MDF) (Agung BW dkk, 2009) Dalam penelitian ini dilakukan pengenalan tulisan daerah Bali , mekanisme pengenalannya menggunakan teknik Modified Direction Feature (MDF) dan menggunakan Jaringan Saraf Tiruan (Learning Vector Quantization) dalam hal klasifikasinya . Penelitian ini menghasilkan tingkat akurasi di atas 70% pada data uji dengan penulis yang berbeda dan di atas 80% dengan penulis yang tulisannya pernah menjadi data training. Dari penelitian ini , untuk penelitian lebih lanjut dalam rangka optimalisasi akurasi sitem dapat dilakukan dengan mencoba menggunakan metode klasifikasi yang lain. b. Arabic numeral Recognition Using SVM Classifier (Sinha et al, 2013) Penelitian ini melakukan pengenalan terhadap Angka Arab . Mekanisme pengenalannya sebagai berikut, untuk tahap ekstraksi fitur menggunakan teknik Image Centroid Zone (ICZ), Zone Centroid Zone (ZCZ), dan penggabungan kedua teknik tersebut. Untuk Klasifikasinya menggunakan Support Vector machine (SVM) yang berdasarkan teori pembelajaran statistik. Penelitian ini menghasilkan tingkat akurasi pengenalan berkisar dari 96.25% - 97.1%. c. Offline Handwriting Recognition using Genetic Algorithm (Kala et al, 2010)
16
Embed
BAB II TINJAUAN PUSTAKA - sinta.unud.ac.id II.pdf · ... peneliti menggunakan beberapa jurnal ... dan Learning Vector Quantization ... akurasi sitem dapat dilakukan dengan mencoba
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
BAB II
TINJAUAN PUSTAKA
2.1 Tinjauan Studi
Pada penelitian ini, peneliti menggunakan beberapa jurnal sebagai tinjauan
studi, yaitu sebagai berikut :
a. Pengenalan Huruf Bali Menggunakan Metode Modified Direction
Feature (MDF) dan Learning Vector Quantization(MDF) (Agung BW
dkk, 2009)
Dalam penelitian ini dilakukan pengenalan tulisan daerah Bali ,
mekanisme pengenalannya menggunakan teknik Modified Direction
Feature (MDF) dan menggunakan Jaringan Saraf Tiruan (Learning Vector
Quantization) dalam hal klasifikasinya . Penelitian ini menghasilkan
tingkat akurasi di atas 70% pada data uji dengan penulis yang berbeda dan
di atas 80% dengan penulis yang tulisannya pernah menjadi data training.
Dari penelitian ini , untuk penelitian lebih lanjut dalam rangka optimalisasi
akurasi sitem dapat dilakukan dengan mencoba menggunakan metode
klasifikasi yang lain.
b. Arabic numeral Recognition Using SVM Classifier (Sinha et al, 2013)
Penelitian ini melakukan pengenalan terhadap Angka Arab .
Mekanisme pengenalannya sebagai berikut, untuk tahap ekstraksi fitur
menggunakan teknik Image Centroid Zone (ICZ), Zone Centroid Zone
(ZCZ), dan penggabungan kedua teknik tersebut. Untuk Klasifikasinya
menggunakan Support Vector machine (SVM) yang berdasarkan teori
pembelajaran statistik. Penelitian ini menghasilkan tingkat akurasi
pengenalan berkisar dari 96.25% - 97.1%.
c. Offline Handwriting Recognition using Genetic Algorithm (Kala et al,
2010)
Penelitian ini membahas tentang pengenalan tulisan tangan secara online.
Teknik yang digunakan dalam penelitian ini yaitu algoritma genetika dan
teori tentang graph . Teori graph dan koordinat geometri digunakan untuk
mengkonversi citra menjadi graph. Penggabungan kedua teknik tersebut
menghasilkan tingkat akurasi 98.44% .
2.2 Aksara Bali
Aksara Bali berasal dari aksara Brahmi purba dari India. Selain itu, buku
tersebut juga menyebutkan bahwa aksara Bali memiliki banyak kemiripan dengan
aksara-aksara modern di Asia Selatan dan Asia Tenggara yang berasal dari
rumpun aksara yang sama. Aksara Bali pada abad ke-11 banyak memperoleh
pengaruh dari bahasa Kawi atau Jawa kuno. Versi modifikasi aksara Bali ini
digunakan juga untuk menuliskan bahasa Sasak yang digunakan di Pulau
Lombok. Beberapa kata-kata dalam bahasa Bali meminjam dari
bahasa Sansekerta yang kemudian juga mempengaruhi aksara Bali. Tulisan Bali
tradisional ditulis pada daun pohon siwalan (sejenis palma), tumpukannya
kemudian diikat dan disebut lontar.
Menurut keputusan Pasamuhan Agung tersebut Ejaan Bahasa Bali dengan
Huruf Latin itu disesuaikan dengan ejaan Bahasa Indonesia. maksudnya ialah :
1. Ejaan itu dibuat sesederhana mungkin
2. Ejaan itu harus fonetik, artinya tepat atau mendekati ucapan yang
sebenarnya
Berdasarkan hal- hal tersebut di atas, maka ditetapkan huruf- huruf yang
dipakai untuk menuliskan Bahasa Bali dengan huruf Latin sebagai tersebut di
bawah ini:
a) Aksara suara (vokal) : a, e, i, u, e, o (enam buah, telah diubah pepet dan
taling sama)
Tabel 2. 1 Daftar Aksara Suara
b) Aksara wianjana (konsonan): h, n, c, r, k, g, t, m, ng, b, s, w, l, p, d, j, y,
ny, (18 buah)
Tabel 2. 2 Daftar Aksara Wianjana
c) Angka : 0-9
Tabel 2. 3 Daftar Angka dalam Aksara Bali
d) Pangangge Suara
Tabel 2. 4 Daftar Pengangge Suara
2.3 Pengolahan Citra Digital
Citra merupakan fungsi dua dimensi dari intensitas kecerahan f(x,y) . Citra
digital merupakan sebuah citra dengan fungsi f(x,y) yang nilai kecerahan maupun
posisi koordinatnya telah didiskritkan , sehingga nilainya berada dalam rentang
jangkauan tertentu . Citra digital direpresentasikan dalam bentuk matriks . Matriks
dimana baris dan kolomnya merepresentasikan sebuah posisi dari citra tersebut ,
nilai dari posisi yang bersangkutan merupakan tingkat kecerahan dari posisi
tersebut pada citra yang sebenarnya . Berdasarkan pada penelitian bahwa sebuah
warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru
(Red, Green, Blue - RGB). Kualitas suatu citra dapat diperbaiki dengan
melakukan pengolahan citra , pengolahan citra berguna juga untuk mengolah
informasi yang terdapat pada suatu citra untuk pengenalan suatu objek secara
otomatis dan dapat diinterpretsikan oleh mata manusia . Pada dasarnya
pengolahan citra terbagi menjadi :
a) Peningkatan kualitas citra (image enhancement)
b) Pemulihan citra (image restoration)
c) Pemampatan citra
d) Analisis citra
e) Segmentasi citra
f) Rekonstruksi citra, dan lain-lain
Pada penelitian, dilakukan beberapa pengolahan citra terhadap citra
inputan, tahap pengolahan citra ini merupakan tahap pengolahan data awal .
Pengolahan citra yang dilakukan pada penelitian ini yaitu pengolahan warna pada
citra sampai mendapatkan citra biner, pemampatan citra agar bisa diekstraksi fitur
dari citra , kemudian segmentasi, untuk mengambil koordinat dari citra yang
mengandung informasi mengenai karakter aksara Bali.
2.4 Pengolahan Warna dalam Citra
Dalam suatu citra , setiap piksel menyimpan informasi, yaitu informasi
warna yang terdiri dari tiga elemen Red, Green, Blue (RGB). Setiap elemen
tersebut bias memiliki nilai yang beragam, dan hasil kombinasi dari ketiga elemen
warna tersebut akan menghasilkan kombinasi warna yang berbeda – beda pula.
Ada beberapa citra menurut nilai yang terkandung pada ketiga elemen warna
yang dimiliki oleh setiap pikselnya, berikut beberapa jenis citra berdasarkan nilai
RGB yang dimiliki :
2.4.1 Citra RGB
Pada citra RGB, setiap piksel atau elemen citra mempunyai informasi nilai
warna mulai dari 0 sampai dengan 255, nilai 0 menyatakan tidak ada elemen
warna pada piksel dan 255 menyatakan nilai maksimum elemen tersebut pada
pixel. RGB terdiri dari elemen Red (R), Green (G), dan Blue(B) , kombinasi dari
ketiga warna tersebutlah yang akan menghasilkan susunan warna yang luas.
Sebuah jenis warna dapat digambarkan sebagai sebuah vektor di ruang 3 dimensi
(x,y,z). Maka sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna
komponen- komponen tersebut digantikan oleh red, green, dan blue . Sehingga ,
untuk warna putih = RGB(255,255,255) , warna hitam = RGB(0,0,0), begitu pun
untuk kombinasi warna lainnya.
2.4.2 Grayscale
Citra grayscale merupakan citra yang setiap pikselnya berada dalam
rentang gradasi warna hitam dan putih. Pengolahan citra menjadi citra grayscale
biasanya dilakukan dengan memberikan bobot untuk masing – masing elemen
red, green, dan blue. Tetapi cara yang cukup mudah adalah dengan membuat nilai
rata- rata dari ketiga elemen dasar warna tersebut dan kemudian mengisi setiap
piksel dari citra dengan warna dasar tersebut dengan rata – rata nilai warna yang
dihasilkan .
Komponen R memberikan kontribusi 30 % , komponen G 60 % , dan
komponen B 10 % terhadap pencahayaan dari warna. Untuk menentukan nilai
grayscale sesuai dengan menghitung pencahayaan standar yang digunakan oleh
industri televisi (Gomes & Velho, 1997 ) yaitu dengan rumus 2.1 berikut :