Embed Size (px)
Citation preview
SISTEM PENGENALAN TULISAN TANGAN AKSARA
LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY)
BERBASIS JARINGAN SYARAF TIRUAN
BACKPROPAGATION
(Skripsi)
Oleh
Eliza Hara
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
2016
ABSTRAK
SISTEM PENGENALAN TULISAN TANGAN AKSARA
LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY)
BERBASIS JARINGAN SYARAF TIRUAN
BACKPROPAGATION
Oleh
Eliza Hara
Bahasa dan aksara Lampung merupakan bahasa yang digunakan sejak turun
temurun sebagai identitas Provinsi Lampung. Masyarakat asli suku Lampung
sudah jarang menggunakan bahasa dan aksara Lampung. Oleh karena itu
diperlukan upaya pelestariannya agar tetep terjaga. Penelitian ini bertujuan untuk
membuat aplikasi pengenalan tulisan tangan aksara Lampung dan dapat
menerjemahkannya kedalam bahasa Indonesia.
Sistem dikembangkan dengan teknik pengolahan citra metode canny dan jaringan
syaraf tiruan backpropagation. Sistem perancangan terdiri dari dua perangkat,
yaitu perangkat pelatihan dan perangkat aplikasi. Perangkat pelatihan digunakan
untuk melatih jaringan syaraf tiruan. Pelatihan dilakukan sebanyak 5 kali dan
secara bertingkat untuk menghasilkan bias dan bobot. Perangkat aplikasi
digunakan untuk melakukan pengujian terhadap jaringan yang sudah dilatih dan
menterjemahkannya kedalam bahasa Indonesia.
Hasil pengujian perangkat aplikasi aksara Lampung diperoleh rata-rata persentase
kesalahan sebesar 22% dari pengujian karakter dan pengujian kosakata diperoleh
persentase kesalahan sebesar 40% dari 100 kali pengujian. Dapat disimpulkan
bahwa metode cannydapat mengenali karakter aksara Lampung meskipun kurang
maksimal.
Kata kunci: aksara Lampung, pengenalan tulisan tangan, jaringan syaraf tiruan
backpropagation, pengolahan citra, canny
ABSTRACT
HANDWRITTEN RECOGNITION SYSTEM OF LAMPUNG
CHARACTER USING EDGE DETECTION (CANNY)
METHOD BASED ON BACKPROPAGATION ARTIFICIAL
NEURAL NETWORK
By
Eliza Hara
Lampung character and language has been used since along time ago as identity of
Lampung Province. Lampung people seldom use their language and character.
Thud, it needs effort to make a conservation in order to keep it. The purpose of
this research is to develop handwritten recognition aplication of Lampung
character and to translate it into Indonesian language.
The system is developed using image proccesing canny method and
backpropagation artificial neural network. The system consists of two programs,
they are training program and aplication program. Training program was used to
train the neural networks. The training is carried out for five times and
multiplications to get bias and weights. Aplication program was used to test the
trials to networks which has been trained and translate it into Indonesian language.
The testing resulta give the errors percentase at 22% of character testing and 40%
of 100 vocabularies testing. The conclusion is canny method could recognise
some of the characters but it has not reached the optimum rate.
Key words : Lampung character, handwritten recognition, backpropagation
artifical neural network, image proccesing, canny
SISTEM PENGENALAN TULISAN TANGAN AKSARA
LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY)
BERBASIS JARINGAN SYARAF TIRUAN
BACKPROPAGATION
Oleh
Eliza Hara
Skripsi
Sebagai Salah Satu Syarat Untuk Mencapai Gelar
SARJANA TEKNIK
Pada
Jurusan Teknik Elektro
Fakultas Teknik Universitas Lampung
FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2016
ii
RIWAYAT HIDUP
Penulis dilahirkan di Kotabesi, Kecamatan Batu Brak,
Lampung Barat pada tanggal 27 juni 1993, sebagai anak
keempat dari lima bersaudara, dari Bapak Busto dan Ibu Mar
Hani.
Riwayat pendidikan penulis dimulai dari Sekolah Dasar SDN 1 Kota Besi tahun
1999-2005, SMPN 1 Batu Brak tahun 2005-2008), SMKN 1 Liwa pada tahun
2008 - 2011.
Tahun 2011 penulis terdaftar di Universitas Lampung sebagai mahasiswa Jurusan
Teknik Elektro Fakultas Teknik melalui jalur PMPAP (Penerimaan Mahasiswa
Perluasan Akses Pendidikan). Selama menjadi mahasiswa penulis pernah menjadi
asisten Laboratorium Teknik Elektronika Universitas Lampung pada tahun 2012
sampai 2016 dan aktif di organisasi Himpunan Mahasiswa Teknik Elektro
(HIMATRO) Universitas Lampung pada tahun 2012 sampai 2013. Pada Januari
2014 penulis melakukan kerja praktek di PT. Gegha Power Lestari (GPL) Bandar
Lampung, Lampung
Motto
“Sesungguhnya Allah tidak akan mengubah nasib suatu
kaum hingga mereka sendiri”
(Q.S. Ar-Ra’d : 11)
Lupakan masa lalu,
Pikirkan masa depan, kerjakan hari ini
Kupersembahkan karya tulis ini Untuk kedua orang tuaku yang tercinta
Yang telah merawat, mendidik, menjaga dan
santiasa mendoakan ku untuk kesuksesan dan
kebahagiaan
SANWACANA
Alhamdulillahirobbil‟alamiin, puji syukur kepada ALLAH SWT yang telah
memberikan rahmat dan hidayah-Nya sehingga skripsi ini dapat diselesaikan
dengan baik dan tepat waktu.
Skripsi dengan judul “Sistem Pengenalan Tulisan Tangan Aksara Lampung
Dengan Metode Deteksi Tepi (Canny) Berbasis Jaringan Syaraf Tiruan
Backpropagation” merupakan salah satu syarat untuk memperoleh gelar sarjana
Teknik di Universitas Lampung.
Dalam kesempatan ini penulis mengucapkan banyak terimakasih kepada :
1. Bapak Prof. Suharno, M.Sc, Ph.D., selaku Dekan Fakultas Teknik Universitas
Lampung
2. Bapak Dr. Eng.,Helmy Fitriawan, S.T.,M.Sc., selaku Wakil Dekan (WD) 1
FT unila sekaligus dosen pembimbing utama skripsi atas ketersediaannya
meluangkan waktu, motivasi, dukungan, bimbingan dan arahannya.
3. Bapak Dr. Ing. Ardian Ulvan, S.T., MSc., selaku Ketua Jurusan Teknik
Elektro
4. Ibu Yessi Mulyani, S.T.,M.T., selaku pembimbing kedua yang telah
meluangkan waktu untuk memberikan bimbingan, saran dan kritik dalam
proses penyelesaian skripsi ini.
5. Ibu Dr. Ir. Sri Ratna Sulistiyanti, M.T., selaku dosen penguji utama skripsi
dan kepala Laboratorium Teknik Elektronika, yang telah memberikan
dukungan, saran dan kritik yang sangat membangun.
6. Ibu Dr.Eng.Dikpride Despa, S.T.,M.T., selaku pembimbing akademik atas
bimbingan yang telah diberikan selama penulis menjadi mahasiswa.
7. Segenap dosen dan pegawai Jurusan Teknik Elektro yang telah memberi
materi dan pengalaman selama penulis menduduki bangku perkuliahan dari
awal hinnga akhir
8. Busto (Bapak), Mar Hani (Emak), ngah Hinda, abang Hasir, Kakak Anis dan
Adik Liani, Abunasir, S.Sos (Alak), Rohmi, S.Pdi (Inabalak), Terimakasih
atas doa, dukungan baik secara moril maupun materil selama ini.
9. Mbak Titin, kak Afri, kak Hendri dan mbak Layla, atas semua dukungan,
ilmu dan wawasan yang telah diberikan dalam proses penyelesaian tugas
akhir.
10. Penghuni Laboratorium dan mantan asisten Teknik Elektronika kak Agung,
kak Ridho, kak Rudy, kak Nadhir, kak Rendy, kak Afrizal, kak Jerry, kak
Andri, kak Yudi, kak Victor, Bastian, Reza N, Aditya, Gusmau, Fikri, Winal,
Sivam, Faizun, Yogi, Bella, Desi, Windy, Gusti, Ridho, Nando, Roy, Reza,
yang telah santiasa bekerja sama dalam berbagai hal baik itu pengalaman,
pengetahuan, candaan dan lain sebagainya.
11. TS : Nurhayati, Yunita Bahati, Fenti Triani, Vina Aprilia, Annida Puspa, Rani
Kusuma Dewi, Octarina Firmaningtyas, Alin Adilah dan Fanny Simatupang.
Terimakasih a
12. tas do‟a, dukungan, canda tawa dan semangat yang telah kalian berikan.
13. Teman-teman seperjuangan Petrus, Frisky, Abidin, Restu, dan Arosiq yang
telah banyak membantu dalam penyelesaian tugas akhir.
14. Teman-teman Elektro 2011 yang telah memberikan semangat dalam
menjalankan pendidikan di Teknik elektro Universitas Lampung, semoga kita
bisa sukses bersama.
15. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah
membantu dan mendukung penulis dari awal kuliah hingga terselesainya
tugas akhir ini.
16. Almamater tercinta, memberikan bejuta kisah hidup semasa kuliah
Akhir kata, Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan,
akan tetapi sedikit harapan semoga skripsi yang sederhana ini dapat berguna dan
bermanfaat bagi kita semua. Dan semoga ALLAH SWT membalas kebaikan
semua pihak yang telah membantu dalam penyelesaian skripsi ini. Aamiin
Bandar Lampung 19 April 2016
Penulis,
Eliza Hara
DAFTAR ISI
Halaman
COVER ........................................................................................................... i
ABSTRAK ...................................................................................................... ii
ABSTRACT ..................................................................................................... iii
DAFTAR ISI ................................................................................................... xiv
DAFTAR GAMBAR ....................................................................................... xvii
DAFTAR TABEL ............................................................................................ xx
I. PENDAHULUAN
1.1 Latar Belakang .................................................................................. 1
1.2 Tujuan Penelitian .............................................................................. 3
1.3 Manfaat Penelitian ............................................................................ 3
1.4 Rumusan Masalah ............................................................................. 4
1.5 Batasan Masalah ............................................................................... 4
1.6 Hipotesis ........................................................................................... 4
1.7 Sistematis penulisan.......................................................................... 5
II. TINJAUAN PUSTAKA
2.1 Bahasa dan Aksara Lampung .......................................................... 6
2.1.1 Induk Huruf (Kelabai Sukhat) ............................................. 6
2.1.2 Anak Huruf .......................................................................... 6
xv
2.1.3 Penggabungan Huruf Induk dan Anak Huruf ...................... 9
2.2 Pengolahan Citra ............................................................................. 10
2.3 Matrik Dan Vektor ......................................................................... 14
2.4 Jaringan Syaraf Tiruan..................................................................... 15
...................................... 15
.................................................................. 17
2.5 Pemrograman Matlab ..................................................................... 21
III. METODE PENELITIAN
3.1 Waktu dan Tempat........................................................................... 22
3.2 Alat dan Bahan ................................................................................ 22
3.3 Tahap-Tahap Dalam Penelitian ....................................................... 22
3.3.1 Studi literatur ....................................................................... 23
3.3.2 Perancangan sistem .............................................................. 23
a. Penentuan kriteria sistem .............................................. 23
b. Perancangan cara kerja sistem ....................................... 27
c. Perancangan tampilan (sketsa) sistem ........................... 29
3.3.3 Pengumpulan Data ............................................................... 30
3.3.4 Pembuatan Sistem ................................................................ 31
3.3.5 Pengujian Sistem ................................................................ 46
3.3.6 Analisis dan kesimpulan ..................................................... 47
2.4.1 Pengertian Jaringan Syaraf Tiruan
2.4.2 Backpropagation
2.4.3 Arsitektur Backpropagation ................................................ 17
2.4.4 Fungsi AktivasiBackpropagation ........................................ 18
2.4.5 Algoritma Pelatihan Backpropagation ................................ 18
xvi
IV. HASIL DAN PEMBAHASAN
4.1 Hasil ................................................................................................ 48
4.1.1 Hasil Pelatihan Data .............................................................. 48
4.1.2 Perbandingan Hasil Pelatihan Data ....................................... 63
4.1.3 Hasil Pengenalan Karakter Aksara Lampung Dan Perbandingan
Kosakata Yang Diterjemahkan Oleh Sistem Aplikasi .......... 67
4.1.4 Perbedaan Proses Pengolahan Citra ...................................... 74
4.2 Pembahasan .................................................................................... 76
4.2.1 Bentuk Karakter Aksara Lampung ........................................ 76
4.2.2 Proses dan Hasil Pengolahan Citra ....................................... 77
4.2.3 Penentuan algoritma Parameter Jaringan Syaraf Tiruan
Backpropagation ................................................................... 81
4.2.4 Penulisan Aksara Lampung Pada Layar Sentuh ................... 82
4.2.5 Kekurangan-Kekurangan Pada Sistem Aplikasi Yang Dibuat
................................................................................................ 83
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan ..................................................................................... 85
5.2 Saran ............................................................................................... 86
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR GAMBAR
Gambar Halaman
2.1 Huruf induk aksara Lampung ................................................................... 6
2.2 Proses pengolahan citra ............................................................................ 11
2.3 Binerisasi citra .......................................................................................... 11
2.4 Slicing citra .............................................................................................. 12
2.5 Cropping citra .......................................................................................... 12
2.6 Hasil deteksi tepi (canny) ......................................................................... 13
2.7 Morfologi dilasi citra ............................................................................... 14
2.8 Pengisian piksel yang berlubang (hole) .................................................... 14
2.9 Neuron ...................................................................................................... 16
2.10 Arsitektur backpropagation ..................................................................... 17
3.1 Tahapan dalam penelitian ......................................................................... 23
3.2 Diagram alir cara kerja sistem ................................................................... 27
3.3 Sketsa tampilan aplikasi ............................................................................ 29
3.4 Contoh angket data pelatihan .................................................................... 31
3.5 Proses kerja perangkat pelatihan ............................................................... 32
3.6 Proses pengolahan citra aksara ka .............................................................. 33
3.7 Contoh vektorisasi citra ............................................................................. 35
xviii
3.8 Proses pelatihan data bertingkat (ganda) ................................................... 37
3.9 Proses algoritma preprocessing pada program slicing............................... 38
3.10 Proses preprocessing pada deteksi tepi, dilasi, fill, cropping dan resizing 39
3.11 Proses konversi ke vektor ...................................................................... 41
3.12 Proses jaringan syaraf tiruan ................................................................. 42
3.13 Proses kerja perangkat aplikasi .............................................................. 45
4.1 Persentase rata-rata kesalahan pelatihan karakter induk huruf .............. 49
4.2 Persentase rata-rata kesalahan pelatihan (ga, ka dan sa) ........................ 50
4.3 Persentase rata-rata kesalahan pelatihan (a, la, na, nga dan nya) ......... 51
4.4 Persentase rata-rata kesalahan pelatihan (la dan nga) ........................... 52
4.5 Persentase rata-rata kesalahan pelatihan (la dan na) ............................. 53
4.6 Persentase rata-rata kesalahan pelatihan (ja dan na) ............................. 54
4.7 Persentase rata-rata kesalahan pelatihan (ja dan sa) .............................. 55
4.8 Persentase rata-rata kesalahan pelatihan (ca,ha dan gha) ..................... 56
4.9 Persentase rata-rata kesalahan pelatihan (gha dan ha) .......................... 57
4.10 Persentase rata-rata kesalahan pelatihan (ra dan wa) ............................ 58
4.11 Persentase rata-rata kesalahan pelatihan (ba dan pa) ............................ 59
4.12 Persentase rata-rata kesalahan pelatihan karakter anak huruf di atas .... 60
4.13 Persentase rata-rata kesalahan pelatihan karakter anak huruf di bawah 61
4.14 Persentase rata-rata kesalahan pelatihan karakter anak huruf di depan . 62
4.15 Persentase rata-rata kesalahan pelatihan (ai dan nengen) ...................... 63
4.16 Tampilan perangkat aplikasi .................................................................. 67
4.17 Karakter ka, ga dan sa ............................................................................ 76
4.18 Karakter ba, pa dan ma .......................................................................... 76
xix
4.19 Karakter ca dan sa ................................................................................. 76
4.20 Karakter a, la dan nga ........................................................................... 76
4.21 Hasil proses pengolahan citra ................................................................ 78
4.22 Karakter anak huruf di atas e dan e‟ ....................................................... 78
4.23 Karakter ha dan gha ............................................................................... 79
4.24 Karakter anak huruf diatas an, ang dan e‟ .............................................. 79
4.25 Karakter anak huruf an .................................................................................... 79
4.26 Pengenalan karakter yang tidak dikenali ......................................................... 80
DAFTAR TABEL
Tabel Halaman
2.11 Rekam jejak penelitian ............................................................................. 3
2.1 Anak huruf yang terletak di atas induk huruf .......................................... 7
2.2 Anak huruf yang terletak di depan induk huruf ....................................... 7
2.3 Anak huruf yang terletak di bawah induk huruf ...................................... 8
2.4 Penggabungan induk huruf dan anak huruf ............................................. 9
3.1 Kosakata dialek A dan O .......................................................................... 24
4.1 Nilai kesalahan rata-rata pelatihan data ................................................... 63
4.2 Nilai rata-rata kesalahan pada pelatihan bertingkat .................................. 65
4.3 Perbandingan hasil pelatihan anak huruf .................................................. 65
4.4 Hasil pengujian sistem pengenalan per-karakter aksara Lampung .......... 69
4.5 Hasil pengujian sistem pengenalan kosakata ........................................... 71
4.6 Keragaman bentuk tulisan aksara Lampung ............................................ 83
I. PENDAHULUAN
1.1 Latar Belakang
Bahasa merupakan alat komunikasi antar manusia untuk menyampaikan suatu
informasi, dengan adanya bahasa maka informasi yang disampaikan mudah
dimengerti dan dipahami. Indonesia memiliki beragam bahasa daerah,
kebudayaan dan adat-istiadat. Selain memiliki bahasa yang ragam, Indonesia juga
memiliki aksara yang beragam dan masih banyak digunakan di sebagian wilayah
Indonesia sebagai warisan untuk generasi-generasi selanjutnya untuk
dipertahankan.
Salah satu bahasa dan aksara yang ada di Provinsi Indonesia yaitu bahasa dan
aksara Lampung. Bahasa dan aksara Lampung merupakan bahasa yang digunakan
sejak turun temurun sebagai identitas diri bagi provinsi Lampung dan digunakan
sebagai alat untuk berkomunikasi dalam kehidupan sehari-hari[1].
Namun, Provinsi Lampung tidak lagi didominasi oleh masyarakat asli suku
Lampung, melainkan banyak pendatang dari luar Propinsi Lampung. Sebagian
dari masyarakat asli suku Lampung sudah jarang menggunakan bahasa dan aksara
Lampung bahkan saat ini banyak yang tidak mengerti bahasa dan aksara
2
Lampung, terutama dikalangan generasi muda. Oleh karena itu diperlukan upaya
pelestarian agar bahasa dan aksara Lampung tetap terjaga.
Salah satu cara menjaga kelestarian bahasa dan aksara Lampung yaitu dengan cara
memanfaatkan teknologi komputer, pengolahan citra dan jaringan syaraf tiruan.
Ketiga teknologi ini mengalami perkembangan yang terus berkembang dengan
bermacam-macam aplikasi. Salah satu dari aplikasi dari ketiga teknologi ini
adalah pengenalan pola.
Pada penelitian ini penulis akan menggembangkan hasil dari penelitian
sebelumnya (Hendri setiawan, 2014). Membuat aplikasi komputer yang dapat
mengenali tulisan tangan aksara Lampung menggunakan metode masukan dan
pengambilan data dengan memanfaatkan layar sentuh pada komputer tablet
berbasis jaringan syaraf tiruan backpropagation. Penulis akan membandingkan
tingkat akurasi pengenalan pola aksara Lampung dengan metode deteksi tepi
(Canny) pada pengolahan citra.Canny merupakan salah satu operasi atau metode
dari deteksi tepi yang dikenal sebagai deteksi tepi yang optimal, algoritma ini
memberikan tingkat kesalahan yang rendah, melokalisasi titit-titik tepi serta
memberikan satu tanggapan untuk satu tepi [2].
Penelitian ini merupakan pengembangan dari penelitian-penelitian yang telah
dilakukan sebelumnya dapat dilihat pada Tabel 1.1.
3
Tabel 1.1 Penelitian sebelumnya
No Nama (NPM) Tahun Judul penelitian
1 Ariyanto
(0515031007) 2010
Rancang Bangun Sistem Pengenalan Tulis
Tangan dan Penerjemah Kosakata Bahasa
Lampung Menggunkan Jaringan Syaraf
Tiruan
2
M. Arif
Proklamasi
(0715031054)
2012
Rancang Bangun Sistem Pengenalan dan
Penerjemah Tulisan Tangan Aksara
Lampung dengan metode Histogram Citra
Menggunakan Jaringan Syaraf Tiruan
3 Hendri Setiawan
(0915031044) 2014
Rancang Bangun Aplikasi Pengenalan
Tulisan Tangan Aksara Lampung Dengan
Masukan Layar Sentuh Menggunakan
Jaringan Syarat Tiruan Backpropagation
1.2 Tujuan Penelitian
Tujuan dari penelitian ini yaitu membuat sistem pengenalan pola tulisan tangan
aksara Lampung dan mampu menterjemahkan kedalam bahasa Indonesia. Serta
membandingkan tingkat akurasi pengenalan aksara Lampung dengan hasil
penelitian sebelumnya [3].
1.3 Manfaat Penelitian
Manfaat dari penelitian ini yaitu:
1. Melestarikanbudaya daerah dan menarik minat masyarakat untuk mengetahui
lebih banyak tentang aksara Lampung.
2. Mempermudahpenerjemahan bahasa dan aksara Lampung dalam bahasa
Indonesia dan dapat diaplikasikan dalam kehidupan sehari-hari.
4
1.4 RumusanMasalah
Penelitian ini akan membuat sebuah sistem pengenalan pola tulisan tangan aksara
Lampung kemudian diterjemahkan kedalam bahasa Indonesia. Pada bagian
pengolahan awal dari sistem pengenalan pola tersebut, menggunakan pengolahan
citra dengan metode deteksi tepi (canny).
1.5 Batasan Masalah
Pada penelitian ini terdapat pembatasan masalah diantaranya sebagai berikut :
1. Dalam penelitian ini tidak membuat perangkat keras. Perangkat keras berupa
laptop sebagai media untuk perancangan software Matlab dan pengujian
sistem.
2. Dalam penelitian ini tidak membahas semua tentang deteksi tepi, hanya
menggunakan deteksi tepi metode canny
3. Aplikasi hanya dapat menerjemahkan kosakata bahasa Lampung sebanyak
250 kata yang terdiri dari 150 kosakata dialek “A” dan 100 kosakata
berdialek “O”. Kosakata yang akan di kenali hanya kosakata yang
menggunakan anak huruf tunggal saja.
1.6 Hipotesis
Dengan sistempengujian menggunakan metode deteksi tepi (canny),diharapkan
mampu menunjukkan tingkat kesalahan pengenalan karakter di bawah penelitian
sebelumnya [3] sebesar 12 %
5
1.7 Sistematis penulisan
Laporan tugas akhir ini terdiri dari:
I. Pendahuluan
Bab ini membahas tentang latar belakang, tujuan penelitian, manfaat penelitian,
perumusan masalah, batasan masalah, hipotesis dan sistematika penulisan.
II. Tinjauan pustaka
Bab ini membahas tentang materi yang berhubungan dengan tugas akhir seperti:
bahasa dan aksara Lampung, pengolahan citra, jaringan syaraf tiruan
backpropagation.
III. Metode Penelitian
Bab ini membahas tentang metode yang akan digunakan pada penelitian
IV. Pembahasan
Memaparkan hasil yang didapat pada pengujian sistem dan pengenalan karakter.
V. Kesimpulan
Bab ini memuat tentang simpulan dan saran dari penelitian tugas akhir.
II. TINJAUAN PUSTAKA
2.1 Bahasa dan Aksara Lampung
2.1.1 Induk Huruf (Kelabai Sukhat)
Terdapat 20 induk huruf dalam penulisan aksara Lampung, yaitu: ka, ga, nga, pa,
ba, ma, ta, da, na, ca, ja, nya, ya, a, la, ra, sa, wa, ha, gha. Aksara Lampung
tersebut untuk bentuk induk huruf diperlihatkan pada Gambar 2.1 [1].
Gambar 2.1 Induk huruf aksaraLampung
2.1.2 Anak Huruf
Dalam aksara Lampung selain induk huruf terdapat juga 12 anak huruf yang
terletak di atas, samping kanan/depan dan bawah induk huruf.
a) Anak huruf yang terletak di atas induk huruf
Ka Ga Nga Pa Ba
Ma Ta Da Na Ca
Ja Nya Ya A La
Ra Sa Wa Ha Gha
7
Tabel 2.1 Anak huruf yang terletak di atas induk huruf
Nama Bunyi Simbol
Ulan i Ulan e Bicek e
Rejunjung r Tekelubang ng
Datas n Dari Tabel 2.1 dijelaskan bahwa :
Ulan adalah anak huruf yang berbentuk setengah lingkaran kecil terletak
di atas induk huruf. Ulan terdiri dari dua macam yaitu ulan yang
menghadap ke atas yang berbunyi i, sedangkan ulan yang menghadap ke
bawah berbunyi e.
Bicek adalah anak huruf yang yang terletak di atas induk huruf berbentuk
garis tegak lurus berbunyi e.
Rejunjung adalah anak huruf yang terletak di atas induk huruf berbentuk
spiral berbunyi r.
Ketekelubang adalah anak huruf yang terletak di atas induk huruf
berbentuk garis lurus yang berbunyi ng.
Datas adalah anak huruf yang terletek diatas induk huruf berbentuk dua
garis mendatar (seperti simbol sama dengan) yang berbunyi n.
b) Anak huruf yang terletak di depan induk huruf
Tabel 2.2 Anak huruf yang terletak di depan induk huruf
Nama Bunyi Simbol
Tekelingai Ai Keleniah Ah
Nengen -
8
Dari Tabel 2.2 dapat di jelaskan bahwa:
Tekelingai adalah anak huruf yang terletak didepan atau samping kanan
induk huruf yang berbentuk seperti huruf h yang berbunyi ai.
Keleniah anak huruf yang berbentuk tegak lurus terletak didepan induk
huruf yang berbunyi ah.
Nengen anak huruf yang terletak didepan induk huruf berbentuk garis
miring. Nengen digunakan untuk mematikan induk huruf, namun nengen
tidak bisa digunakan beberapa huruf seperting, n, y, h dan w, huruf ini bisa
menggunakan anak huruf.
c) Anak huruf yang terletak di bawah induk huruf
Tabel 2.3 Anak huruf yang terletak di bawah induk huruf
Nama Bunyi Simbol
Bitan o
Bitan u
Tekelungau au
Dari Tabel 2.3 dapat dijelaskan bahwa :
Bitan merupakan anak huruf terletak di bawah induk huruf. Bitan terdiri
dari dua simbol yang berupa garis pendek mendatar yang berbunyi au dan
garis tegak berbunyi o.
Tekelungau berbunyi au dengan simbol berbentuk setengah lingkaran kecil
menghadap induk huruf yang terletak di bawah induk huruf.
9
2.1.3 Penggabungan Induk Huruf dan Anak Huruf
Tabel 2.4 Penggabungan induk huruf dan anak huruf
Dengan Anak
Huruf di Atas
Dengan Anak
Huruf di Bawah
Dengan Anak Huruf
di Depan
Anak Huruf
Ganda
Akasara Latin Aksara Latin Aksara Latin Aksara Latin
de
mu bai
jen
ji
mo jah
pung
war
cah
sak
boh
nang
gih
Tabel 2.4 jika suatu induk huruf bertemu dengan anak huruf vokal tunggal seperti
e, i, u, dan o maka huruf vokal pada huruf induk yaitu a maka bunyi a menjadi
bunyi pada anak huruf. Misalkan da bertemu dengan anak huruf e maka
penggabungannya dibaca de. Tetapi jika selain itu maka penggabungan dilakukan
tanpa mengubah bunyi huruf, hanya saja harus menghilangkan dua huruf vokal
yang bertemu, misalnya induk huruf bertemu dengan anak huruf ar penggabungan
tersebut bukan dibaca waar melainkan war. Jika ada dua atau lebih penggabungan
induk huruf maka digabungkan tanpa ada perubahan bunyi, misal induk huruf sa
dan ka maka dibaca saka. Begitu juga dengan induk huruf yang telah dibubuhi
anak huruf, misalnya induk huruf yang teelah dibubuhi anak huruf seperti mu
digabungkan dengan induk huruf ka, maka dibaca muka. Jika ingin memetikan
bunyi induk huruf maka dilakukan dengan menambahkan anak huruf nengen
didepan induk huruf, misal induk huruf ka diberi anak huruf nengen, maka dibaca
k. Jika huruf yang telah di gabung dengan anak huruf nengen ingin digabung
dengan huruf induk dengan anak huruf maka huruf yang telah diberi
10
nengendiurutkan di urutan terakhir penggabungan. Misalkan menggabungkan
induk huruf sa dengan induk huruf ka yang telah diberi nengen maka
penggabungan dibaca sak.
2.2 Pengolahan Citra
Sebuah citra atau gambar didefinisikan sebagai fungsi dua dimensi f(x,y) citra
pada titik suatu intensitas atau level keabuan, dimana x dan y adalah koordinat
spasial dan amplitudo dari f pada koordinat (x,y) [4].
Pengolahan citra adalah istilah umum untuk berbagai teknik yang keberadaannya
untuk memaipulasi dan memodifikasi citra dengan berbagai cara. Pengolahan citra
merupakan bagian penting yang mendasari berbagai aplikasi nyata, seperti
pengenalan pola, penginderaan jarak melalui satelit atau pesawat udara dan
machine vision. Pada pengenalan pola, pengolahan citra antara lain berperan
memisahkan objek dari latar belakang secara otomatis. Pada machine vision
(sistem yang dapat “melihat” dan “memahami” yang dilihatnya), pengolahan citra
berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin [2].
Pengolahancitra adalah pemrosesan citra, khususnya dengan menggunakan
komputer, sehingga menjadi citra yang berkualitas [5]. Pada Gambar 2.2 contoh
pengolahan citra, dimana pada gambar (a) memperlihatkan citra burung nuri
tampak agak gelap. Setelah dilalukan perbaikan kontras, citra burung nuri lebih
terang dan tajam diperlihatkan pada gambar (b).
11
Gambar 2.2 Proses pengolahan citra
(a) citra asli tampa agak gelap, (b) citra setelah diperbaiki kontras lebih tajam
dan terang.
2.2.1 Proses Pengolahan Citra Digital
Adapun proses pada pengolahan citra terdiri dari [3,6]:
a. Binerisasi Citra
Binerisasi citra adalah proses merubah citra kedalam bentuk biner (0 dan 1).
Proses ini menyebabkan citra hanya memili dua warna yaitu hitam dan putih.
Pada Gambar 2.3 merupakan contoh beberapa karakter aksara yang telah
mengalami proses binerisasi.
Gambar 2.3 Binerisasi citra
12
b. Slicing
Slicing merupakan proses pemotongan citra beberapa bagian untuk
mendapatkan informasi yang diinginkan. Pada penelitian ini fungsi slicing
untuk memisahkan citra aksara yang terdapat pada lembar data penelitian.
Gambar 2.4 menyatakan proses slicing untuk memotong karakter aksara.
Gambar 2.4 Slicing citra
c. Cropping
Cropping adalah proses pemotongan citra pada koordinat tertentu di area
citra. Untuk memotong citra digunakan dua koordinat, yaitu koordinat awal
yang merupakan koordinat awal bagi citra hasil pemotongan dan koordinat
akhir yang merupakan titik koordinat akhir dari citra hasil pemotongan.
Gambar 2.5 memperlihatkan salah satu karakter aksara yang mengalami
proses cropping.
Gambar 2.5Cropping citra
13
d. Deteksi tepi (canny)
Deteksi tepi (edge detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari objek-objek gambar dan merupakan langkah
pertama untuk melingkupi informasi didalam citra. Canny dikenal sebagai
deteksi tepi yang optimal, algoritma ini memberikan tingkat kesalahan yang
rendah, melokalisasi titit-titik tepi serta memberikan satu tanggapan untuk
satu tepi [2,7] Gambar 2.6 menunjukkan contoh dari deteksi tepi metode
canny.
Gambar 2.6 Hasil deteksi tepi(Canny)
Terdapat enam langkah untuk mengimplementasikan deteksi tepi canny
1. Melakukan penapisan terhadap citra dengan tujuan untuk menghilangkan
derau.
2. Selanjutnya proses untuk mendapatkan kekuatan tepi (edge detection).
3. Perhitungan arah tepi.
4. Menghubungkan arah atara tepi dengan sebuah arah yang dapat diacak
dari citra
5. Setelah melakukan arah tepi, penghilangan nonmaksimum dilaksanakan.
Penghilangan nonmaksimum dilakukan disepanjang tepi pada arah tepi
(piksel diatur menjadi ), yang tidak dianggap sebagai tepi.
6. Hysteresis, proses ini menghilangkan garis-garis yang seperti terputus –
terputus pada tepi objek.
14
e. Morfologi dilasi
Dilasi merupakan perluasan objek atau menambah piksel pada batasan dari
objek dalam suatu citra.
Gambar 2.7 Morfologi dilasi citra
f. Fill (pengisian)
Gambar 2.8 pengisian piksel yang berlubang (hole)
g. Resizing
Resizing merupakan proses untuk merubah ukuran piksel suatu citra.
Pengubahan ukuran citra dilakukan dengan metode interpolasi. Interpolasi
adalah sebuah metode citra untuk meningkatkan jumlah piksel pada suatu
citra digital. Interpolasi bekerja dengan menggunakan data yang diketahui
untuk memperkirakan nilai-nilai pada titik yang tidak diketahui.
2.3 Matrik dan vektor
a. Matrik
Matrik adalah kumpulan bilangan-bilangan yang disusun dalam larik baris
dan kolom. Jika matrik A terdiri dari m baris dan n kolom atau yang disebut
dengan ordo m x n, maka A dapat ditulis sebagai [8]:
15
𝑎11
𝑎21
…
𝑎12 … 𝑎1𝑛
𝑎22 … 𝑎2𝑛
… … …𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
(2.1)
b. Vektor
Vektor adalah n tupel bilangan-bilangan riil. Notasinya adalah huruf kecil
seperti x, y, z [8].
𝑥 =
𝑥1
𝑥2…𝑥𝑛
dengan 𝑥1, 𝑥2 … 𝑥𝑛 adalah bilangan-bilangan riil (2.2)
Jika diberikan suatu matrik A berordo m x n, maka sering kali perlu menunjuk
pada satu baris atau kolom tertentu. Vektor baris ke A dinyatakan oleh 𝑎(𝑖, ∶)
dan vektor kolom ke-j dinyatakan oleh 𝑎(, ∶ 𝑗). Jika A suatu matrik m x n,
maka vektor-vektor baris dari A maka [9] :
𝑎 𝑖, ∶ = (𝑎𝑖1,𝑎𝑖2,… 𝑎𝑖𝑛 ) 𝑖 = 1 , 2,… ,𝑚
Dan vektor-vektor kolomnya :
𝑎𝑗 = 𝑎(: , 𝑗) =
𝑎1𝑗
𝑎2𝑗…𝑎𝑛𝑗
𝑗 = 1, 2,… ,𝑛 (2.3)
2.4 Jaringan Syaraf Tiruan
2.4.1 Pengertian Jaringan Syaraf Tiruan
Jaringan syaraf tiruan adalah pemprosesan suatu informasi yang terinsfirasi oleh
sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi.
Jaringan syaraf tiruan dibentukuntuk memecahkan suatu masalah tertentu seperti
pengenalan pola atau klarifikasi karena proses pembelajaran [10].
16
Jaringan syaraf tiruan adalah sistem pemroses informasi yang memiliki
karateristik mirip dengan jaringan syaraf biologi [8]. Jaringan syaraf tiruan
dibentuk sebagai generasi model matematika dari jaringan syaraf biologi, dengan
asumsi bahwa:
1. Pemroses informasi terjadi pada banyak elemen sederhana(neuron)
2. Sinyal dikirimkan melalui neuron-neuron melalui penghubung-penghubung.
3. Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal.
4. Penentuan output, setiap neuron munggunakan fungsi aktifasi dikenakan pada
jumlah output yang diterima. Kemudian besar output tersebut dibandingkan
dengan batas ambang.
Jaringan syaraf ditentukan oleh:
1. Pola hubungan antar neuron (arsitektur jaringan)
2. Metode penentuan bobot penghubung (metode training/learning/algoritma)
3. Fungsi aktifasi.
Sebagai contoh seperti pada gambar 2.9 perhatikan neuron Y
Gambar 2.9 Neuron
Y menerima input dari neuron x1, x2, x3dengan bobot masing-masing w1, w2, w3.
Ketika inplus neuron yang ada dijumlahkan :
𝑛𝑒𝑡 = 𝑥1𝑤1 + 𝑥2𝑤2 + 𝑥3𝑤3 (2.4)
x1
x2
x3
y
W1
W2
W3
17
2.3.6 Backpropagation
Seperti halnya model jaringan syaraf tiruan lain, backpropagation melatih
jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk
mengenali pola yang digunakan selama pelatihan, serta kemampuan jaringan
untuk memberi respon yang benar terhadappola masukan yang serupa dengan pola
yang dipakai selama pelatihan.
2.4.3 Arsitektur Backpropagation
Backpropagation memiliki beberapa unit dalam satu atau lebih layar tersembunyi.
Arsitektur backpropagation dilihatkan pada Gambar 2.10, dengan n masukan
(ditambah sebuah bias) dan sebuah layar tersembunyi yang terdiri dari p
(ditambah sebuah bias) serta m sebuah unit keluaran[8].
Gambar 2.10Arsitektur backpropagation
z1
Yk Ym Y1
1 zP zj
1 x1 xn xi
v1o
Vj0
Vp0
v11 Vj1
W10 Wk0
Wm0
W11
Wk1 Wm1 W1j
Wkj Wmj
W1p
Wkp Wmp
Vn1
Vnj
Vnp Vpi Vji
V1i Vp1
18
2.4.4 Fungsi AktivasiBackpropagation
a. Fungsi simoid biner
Fungsi simoid biner ini memiliki range (0,1)
𝑓 𝑥 =1
1+𝑒−𝑥 dengan turunan 𝑓 ′(𝑥) = 𝑓(𝑥)(1− 𝑓 𝑥 ) (2.5)
b. Fungsi simoid bipolar
Fungsi simoid bipolar memiliki range (-1,1)
𝑓 𝑥 =2
1+𝑒−𝑥− 1 dengan turunan𝑓′ 𝑥 =
1+𝑓 𝑥 (1−𝑓 𝑥 )
2 (2.6)
2.4.5 Algoritma Pelatihan Backpropagation
Pelatihan backpropagation meliputi tiga fase yaitu:
a. Fase I: Propagasi maju
Selama propagasi maju, sinyal masukan (xi) dipropagasikan kelayar
tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari
layer tersembunyi (zj)selanjutnya dipropagasi maju ke layar tersembunyi
diatas nya menggunakan fungsi aktivasi yang ditentukan. Demikian
seterusnya hingga menghasilkan keluaran jaringan (yk).Berikutnya, keluaran
jaringan (yk) dibandingkan dengan target yang harus dicapai (tk). Selisih (tk -
yk ) adalah kesalahan yang terjadi. Jika kesalahan lebih kecil dari matas
toleransi yang ditentukan, maka iterasi dihentikan.
b. Fase II: Propagasi mundur
Berdasarkan kesalahan (tk - yk ) dihitung fakor 𝛿𝑘 = (𝑘 = 1,2,3,… ,𝑚) yang
dipakai untuk mendistribusi kesalahan di unit yk kesemua unit tersembunyi
yang terhubung langsung dengan yk. 𝛿𝑘 juga dipakai untuk mengubah bobot
garis yang terhubung langsung dengan unit keluaran.Dengan cara yang sama,
19
dihitung faktor 𝛿𝑗 di setiap unit layar tersembunyi sebagai dasar perubahan
bobot semua garis yang berasal dari unit tersembunyi di layar di bawahnya.
Demikian seterusnya hingga semua faktor 𝛿 di unit tersembunyi yang
berhubungan langsung dengan unit masukan dihitung.
c. Fase III: Perubahan bobot
Setelah semua faktor 𝛿 dihitung, semua garis dimodifikasi bersamaan.
Perubahan bobot didasarkan atas faktor 𝛿 neuron di atasnya. Sebagai contoh,
bobot garis yang menuju ke layar keluaran didasarkan atas 𝛿𝑘 yang ada di
unit keluaran.
Ketiga fase tersebut di ulang-ulang terus hingga kondisi penghentian dipenuhi.
Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau
kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah
melebihi jumlah maksimal iterasi yang ditetapkan.
Algoritma pelatihan utuk jaringan dengan satu layer tersembunyi (menggunakan
fungi aktivasi sigmoid biner) adalah sebagai berikut [8]:
Langkah 0: inisialisasi semua bobot dengan bilangan acak kecil.
Langkah 1: Jika kondisi penghentian belum terpenuhi, lakukan langkah (2-8).
Langkah 2 : untuk setiap pasang data pelatihan, lakukan langkah (3-8).
Fase I : Propagasi Maju
Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskannyake unit
tersembunyi di atasnya.
Langkah 4 : Menghitung semua keluaran di unit tersembunyi zj(j = 1, 2, …, p)
𝑧−𝑛𝑒𝑡𝑗 = 𝑣𝑗𝑜 + 𝑥𝑖𝑣𝑗𝑖𝑛𝑖=1 (2.7)
20
𝑧𝑗 = 𝑓 𝑧_𝑛𝑒𝑡𝑗 =1
1+ 𝑒−𝑧_𝑛𝑒𝑡 𝑗
(2.8)
Langkah 5 : Menghitung semua keluaran jaringan di unit yk (k = 1, 2, …, m)
𝑦−𝑛𝑒𝑡𝑘 = 𝑤𝑘𝑜 + 𝑧𝑗𝑤𝑘𝑗𝑛𝑗=1 (2.9)
𝑦𝑗𝑘 = 𝑓 𝑦_𝑛𝑒𝑡𝑘 =1
1+ 𝑒−𝑦 _𝑛𝑒𝑡 𝑘 (2.10)
Fase II : Propagasi Mundur
Langkah 6 : Menghitung faktor δunit keluaran berdasarkan kesalahan di setiap
unit keluaran yk (k = 1, 2, …, m)
𝛿 = 𝑡𝑘 − 𝑦𝑘 𝑓′ 𝑦−𝑛𝑒𝑡𝑘 = 𝑡𝑘 − 𝑦𝑘 𝑦𝑘 1− 𝑦𝑘 (2.11)
δkmerupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar di
bawahnya (langkah 7). Hitung suku perubahan bobot wkj (yang akan dipakai nanti
untuk merubah bobot wkj) dengan laju percepatan α.
∆𝑤𝑘𝑗 = 𝛼𝛿𝑘𝑧𝑗 , k = 1, 2, ......., m ; j = 0, 1, ....., p (2.12)
Langkah 7 : Menghitung faktor δ unit tersembunyi berdasarkan kesalahan di
setiap unit tersembunyi zj (j = 1, 2, …, p).
δ_𝑛𝑒𝑡𝑗 = 𝛿𝑘𝑤𝑘𝑗𝑚𝑘=1 (2.13)
Faktor δ unit tersembunyi :
𝛿𝑗 = 𝛿_𝑛𝑒𝑡𝑗𝑓′(𝑦−𝑛𝑒𝑡𝑗 ) = 𝛿𝑛𝑒𝑡 𝑗𝑧𝑗 1 − 𝑧𝑗 (2.14)
21
Hitung suku perubahan bobot vji(yang akan dipakai nanti untuk merubah bobot
vji)
𝛥𝑣𝑗𝑖 = 𝛼𝛿𝑗𝑥𝑖 , j = 1, 2, …, p ; i = 0, 1, …, n (2.15)
Fase III : Perubahan Bobot
Langkah 8 : Menghitung semua perubahan bobot
Perubahan bobot garis yang menuju ke unit keluaran :
𝑤𝑘𝑗 𝑏𝑎𝑟𝑢 = 𝑤𝑘𝑗 𝑙𝑎𝑚𝑎 + 𝛥𝑤𝑘𝑗 , (k=1, 2, …, m; j=0, 1, …,p) (2.16)
Perubahan bobot garis yang menuju ke unit tersembunyi
𝑣𝑗𝑖 𝑏𝑎𝑟𝑢 = 𝑣𝑗𝑖 𝑙𝑎𝑚𝑎 + 𝛥𝑣𝑗𝑖 , (j = 1, 2, …, m ; i = 0, 1, …,p)(2.17)
2.5 Pemrograman Matlab
Matlab (matrik laboratory) adalah sebuah program untuk anaalisis dan komputasi
numeric, merupakan suatu bahasa pemprograman matematika lanjut yang dibuat
dengan dasar pemikiran menggunakan sifat dan bentuk matrik. Untuk
menyelesaikan masalah-masalah yang melibatkan operasi matematikaelemen,
matrik, optimasi, aproksimasi dan lain-lain. Matlab banyak digunakan pada
matematika dan komputasi, pengembangan algoritma, pemrograman modeling,
simulasi, pembuatan prototype, analisis data, eksplorasi, visualisasi, analisis
numeric, statistik dan pengembangan teknik [11].
III. METODE PENELITIAN
3.1 Waktu dan Tempat
Penelitian ini dilakukan di Laboratorium Terpadu Teknik Elektro Universitas
Lampung. Penelitian dimulai pada bulan September 2015 hingga bulan Februari
2016.
3.2 Alat dan Bahan
Alatdan bahan yang digunakan pada penelitian ini adalah:
1. Satu unit Personal Computer (PC) dengan Spesifikasi:
AMD E-300 HD Graphics 1,30GHz
RAM 2,00 GB
32 Bit Operating System
2. Software Matlab 2011a
3.3 Tahap-Tahap Dalam Penelitian
Penelitian ini terdiri dari beberapa tahap seperti diperlihatkan pada Gambar 3.1
23
Gambar 3.1 Tahapan dalam penelitian
3.3.1 Studi Literatur
Studi literatur bertujuan untuk mendapatkan informasi dan sebagai langkah awal
untuk menyelesaikan masalah serta memberikan solusi terhadap permasalahan
yang telah dirumuskan. Studi literatur merupakan sebuah kajian yang bersumber
dari buku, media dan penelitian orang lain. Studi literatur yang dilakukan dalam
penelitian ini mencari informasi tentang :
1. Bahasa dan aksara Lampung
2. Pengolahan citra
3. Jaringan syaraf tiruan backpropagation
4. Pemrograman Matlab
3.3.2 Perancangan sistem
A. Penentuan kriteria sistem
Sistem yang akan dibuat akan memiliki kriteria, sebagai berikut :
Kesimpulan
Analisis dan Pembahasan
Pengujian Sistem
Pembuatan Sistem
Pengumpulan Data Sampel
Perancangan Sistem
Studi Literatur
24
1. Menggunakan software matlab untuk programnya.
2. Mampu mengenali pola aksara dan menterjemahkannya, yang memiliki
keandalan tingkat kesalahan karakter sekitar 10%.
3. Menggunakan 5 (lima) kolom untuk tampilan sistem, sebagai batas penulisan
antara satu karakter dengan karakter lain.
4. Dapat menterjemahkan sebanyak 250 kosakata bahasa Lampung (150 kosakta
dialek “A”, dan 100 kosakata dialek “O”) ke dalam bahasa indonesia. Tabel
3.1kosakata yang mampu diterjemahkan oleh sistem Dialek “A” dan “O”.
Tabel 3.1 Kosakata dialek “A dan O” [1,3,12]
Dialek A
Kosakata Terjemahan
Agas Nyamuk
Aghlak Akhlak
Aghwah Arwah
Ajagh Ajar
Akik Sedangkan
Akuk Ambil
Andan Pelihara
Angon Pemikiran
Antak Hingga
Api Apa
Appai Baru
Apui Api
Ayit Pijit
Babai Gendong
Babang Asuh
Babui Babi
Baghih Lain
Baghong Bersama
Bakak Akar
Balak Besar
Bangik Enak
Basoh Basah
Bawak Kulit
Bayu Basi
Beghak Lebar
Betoh Lapar
Buluh Bambu
Bulung Daun
Buya Lelah
Cadang Rusak
Cagha Cara
Candung Golok
Cawa Berkata
Culuk Tangan
Cutik Sedikit
Debingi Malam
Dilan Terasi
Gaghak Kepiting
Galah Leher
Ganta Sekarang
Gasak Hantam
Gelagh Nama
Ghabai Takut
Ghamik Ramai
Ghanglaya Jalan
Ghangok Pintu
Ghatong Datang
Gudu Botol
Gundang Ekor
Halinu Bayangan
25
Halok Mungkin
Helau Bagus
Hinji Ini
Hulu Kepala
Induh Entah
Ingok Ingat
Ipos Kecoa
Ipon Gigi
Iwa Ikan
Jaghing Jaring
Jappal Telapak
Jeghing Jengkol
Jimmoh Besok
Jinna Tadi
Jujun Dorong
Jukung Perahu
Kanca Teman
Kanjat Kaget
Katan Luka
Kawai Baju
Kebayan Pengantin
Kecah Bersih
Kedok Lebat
Kedogok Mengantuk
Kelom Gelap
Kemunduk Nagka muda
Kesipak Sempat
Kughuk Masuk
Kundang Tunangan
Kuta Pagar
Labah Boros
Lading Pisau
Lamban Rumah
Lapah Pergi
Lesung Lumpang
Liyogh Licin
Luwot Lagi
Malih Pergi
Manjau Berkunjung
Manom Sore
Mawas Siang
Mawat Tidak
Mejong Duduk
Mengan Makan
Metuha Mertua
Midogh Bermain
Minan Bibi
Miwang Menangis
Munih Juga
Nandok Menempel
Nayuh Hajatan
Nginjam Meminjam
Ngison Dingin
Ngugha Muda
Niku Kamu
Nutuk Ikut
Nyak Saya
Nyenyah Hambar
Padok Padat
Pagas Tikam
Paghi Padi
Palai Lelah
Panjak Terlihat
Panjang Piring
Patoh Patah
Peghom Simpan
Pengatu Sangat berharap
Penyana Anggap
Pudak Muka
Pungah Sombong
Sabah Sawah
Sai Satu
Salai Sarang
Sangun Memang
Sassai Dinding
Sebbu Tiup
Segaga Berebut
Seghom Semut
Sekelik Saudara
Senemon Giat
Sikkuh Segan
Sukkan Sungkan
Suluh Merah
Suwah Bakar
Tallui Telur
Tanggai Kuku
Tangih Masih lama
Tanom Tanam
Tekanjat Kaget
Temon Sungguh
Tigham Kangen
Tikol Sembelih
26
Timbuk Gayung
Tuwot Lutut
Ulun Orang
Usung Bawa
Walu Delapan
Wat Ada
Wawai Baik
Way Air
Dialek O
Kosakata Terjemah
Umo Lading
Nyo Apa
Ino Itu
Cawo Kata
Ghango Mulut
Ngenah Melihat
Tano Sekarang
Ghanglayo Hujan
Bagho Bunyi
Dilem Didalam
Penano Begitu
Pedem Tidur
Lago Berkelahi
Matopanas Matahari
Wawai Bagus
Ngekai Mencari
Tibaco Dibaca
Tetak Tebang
Pegiran Pangeran
Luwah Keluar
Tuho Tua
happir Hamper
Jamo Dengan
Sikam Kami
Betapo bertap
Ago Akan
Bahaso Bahasa
Caluk Kaki
Dapek Dapat
Gaccak Tinggi
Had Aksara
Jajak Lari
Kacab Penuh
Letam Rebut
Mahho Tertawa
Nayah Banyak
Pukek Pendek
Ragah laki-laki
Saghak Robek
Tubik Lahir
Wates Batas
Wayah Perilaku
Yo Dia
Dakjo Kemari
Cekelang Berlari
Penyakik Penyakit
Siwo Sembilan
Tawak Contoh
Rajo Raja
Meghiyan Suami
Acaro Acara
Dipa Dimana
Hughik Hidup
Ghanting Ranting
Kawai Baju
Tuko Took
Pigho Berapa
Memok Pendek
Nuwo Rumah
Cutik Sedikit
Betong Kenyang
Ghega Harga
Agamo Agama
Lunik Kecil
Wayah Perilaku
Tunggai Jumpa
Paghek Padi
Moghah Murah
Bando Harta
Buguw Bodoh
Jelema Orang
Kunpa Kapan
Nikeu Kamu
Pikken Letakkan
Sipa Siapa
Apa Siapa
Kelapo Kelapa
Tiling Tuang
27
Pintegh Pintar
Matei Mati
Biyak Berat
Happing Ringan
Pegat Putus
Sihat Sehat
Mudo Muda
Beteh Lapar
Bulung Daun
Kuto Pagar
Suluh Merah
Mesigit Masjid
Ngisen Dingin
Ngenah Melihat
Mewing Menangis
Sabaghai Sebentar
Biaso Biasa
Jukuk Rumput
Maghih Sakit
Mulei Gadis
Sekula Sekolah
Jimo Orang
Pada perancangan sistem peneliti menggunakan dua perangkat yaitu
perangkat keras dan perangkat lunak. Perangkat keras yang digunakan untuk
mengambil data sampel dan untuk pemprogramnya menggunakan person
computer (PC), sedangkan perangkat lunak untuk perangkat programnya
yang digunakan adalah perangkat lunak matlab 2011a.
B. Perancangan Cara Kerja Sistem
Cara kerja dari sistem ditunjukkan pada diagram alir yang dapat dilihat pada
Gambar 3.2
A
Mulai
Gambarkan Pola
AksaraLampung
Kenali data citra digital
Baca data citra digital
Tampilkan kosakata
28
Gambar 3.2 Diagram alir cara kerja sistem
Dari Gambar 3.2 menjelaskan tahapan cara kerja sistem yang akan dibuat, seperti
dijelaskan berikut: Sistem akan masuk secara langsung dengan cara
menggambarkan pola aksara Lampung yang tersedia pada kotak aplikasi.
Selanjutnya sistem akan melakukan proses pengenalan data masukan melalui
jaringan syaraf tiruan dan menampilkan hasil pengenalan pada perangkat aplikasi.
Selanjutnya proses pengenalan kosakata dengan melakukan kondisi percabangan
Tampilkan
“Tidak diketahui”
Apakah kosakata
termasuk ke dalam
dialek A?
Tampilkan “A”
Apakah kosakata
termasuk ke dalam
dialek O?
Tampilkan “O”
ya
ya
tidak
tidak
Tidak
Ya
Apakah kosakata
yang dikenali dapat
diterjemahkan?
Tidak diketahui
Tampilkan terjemah dari
kosakata yang dikenal
Hapus informasi dan data input
Selesai
A
29
Pandai Berbahasa Lampung
Huruf Induk Anak Huruf
Hapus Tulis
Terjemahan :
Alphabet : Dialek :
Waktu :
Terjemahkankan Baca
Selesai
Bersihkan
untuk memastikan bahwa kosakata tersebut termasuk kedalam dialek A atau O.
Apabila dari kedua dialek data tidak dikenali maka sistem akan memberikan
informasi melalui tulisan bahwa terjemahan tidak diketahui. Dan jika data
masukan termasuk kedalam diantara dua dialek tersebut, maka sistem dikenali dan
akan menampilkan dialek dari data tersebut, sehingga sistem akan menampilkan
dari dialek tersebut. Selanjutnya sistem akan menterjemahkan dan menampilkan
data hasil terjemahan tersebut. Proses terakhir adalah melakukan pengahapusan
informasi dan data masukan dari sistem.
C. Perancangan Tampilan (sketsa) Sistem
Perancangan pada sistem untuk sketsa atau tampilan aplikasi ditunjukan pada
Gambar 3.3
Gambar 3.3Sketsa tampilan aplikasi
30
3.3.3 Pengumpulan Data Sampel
Pengumpulan data sampel dilakukan pemilihan data baru dan data sebelumnya
yang telah dikumpulkan oleh Hendri Setiawan, S.Tdari skripsi sebelumnya yaitu
“Rancang Bangun Aplikasi Pengenalan Tulisan Tangan Aksara Lampung Dengan
Dengan Masukan Layar Sentuh Menggunakan Jaringan Syarat Tiruan
Backpropagation” [3].
Data sampel dibutuhkan untuk melatih jaringan syaraf tiruan agar dapat
mengenali pola aksara Lampung. Data sampel diperoleh dari beberapa orang yang
memiliki penulisan pola aksara yang berbeda. Data sampel terdiri dari 75 set data
yang berisikan karakter aksara yang terdiri dari 20 karekter induk, 12 karakter
anak huruf (6 anak huruf terletak diatas huruf induk, 3 anak huruf terletak di
bawah karakter induk huruf dan 3 anak huruf terletak di depan induk huruf). Pada
setiap set data pelatihan satu karakter tunggal ditulis sebanyak 13 kali karakter
dan 12 karakter ditulis dengan anak huruf. Oleh karena itu dalam satu set
pelatihan terdapat 7 sheet (angket) dengan jumlah karakter sebanyak 260 karakter
aksara yang dapat diisi.
Dalam satu set data terdapat 7 sheet (anget), jadi total data sampel pelatihan
dibutuhkan 350 lembar angket data. Satu lembar angket terdiri dari 4 baris dan 10
kolom sehingga dapat menulis 40 karakter aksara. Dibutuhkan 7 lembar angket
data untuk mendapatkan 260 karakter aksara. Pada penelitian ini data sampel
diambil menggunakan teknologi layar sentuh pada komputer tablet. Angket yang
telah diisi kemudian disimpan dan merupakan dalam format citra digital
selanjutnya akan diproses. Gambar 3.4 memperlihatkan contoh angket data yang
belum diisi dan sudah diisi aksara.
31
(a)
(b)
Gambar 3.4 Contoh angket data pelatihan a) angket data belum diisi, b) angket
data yang telah diisi.
3.3.4 Pembuatan sistem
Tahap pembuatan sistem terdiri dari dua rancangan yaitu :
a. Perangkat pelatihan
Pelatihan perangkat digunakan untuk melatih jaringan syaraf tiruan
backpropagation. Perangkat pelatihan menggunakan 15 set data sampel dari
32
75 set yang diambil secara acak. Terdapat beberapa langkah yang dilakukan
pada perangkat pelatihan ditunjukkan pada Gambar 3.5
Gambar 3.5 Proses kerja perangkat pelatihan
Dari Gambar 3.5 dalam proses kerja perangkat dapat dijelaskan:
1. Input
Input merupakan data masukan yang berupa data dalam hal ini berupa
data sampel aksara Lampung.
2. Preprocessing
Tahap awal dalam pengolahan citra dengan algoritma pengolahan citra
yang meliputi:
Binerisasi adalah proses untuk mengubah citra warna menjadi citra
biner. Binerisasi juga digunakan untuk membantu menghilangkan
garis bantu yang ada pada angket data pelatihan.
Input (citra)
Konversi ke
vektor
Proses
Pelatihan
Output
Algoritma Preprocessing
Binerisasi
Slicing (pemotongan)
Deteksi tepi (Canny)
Morfologi dilasi
Fill (holes)
Cropping
Resizing
33
Slicing digunakan untuk proses pemotongan terhadap karakter huruf
induk maupun anak huruf untuk mendapatkan informasi yang
diinginkan.
Deteksi tepicannydigunakan untuk meningkatkan penampakan garis
batas suatu daerah atau objek dari suatu citra.
Dilasi merupakan morfologi dilasi yang dilakukan untuk penebalan
terhadap piksel bernilai 1. Pada penelitian ini menggunakan fungsi
se=(strel('square',4));
A = imdilate (Ed, se);
Fill(pengisian piksel yang kosong)
Cropping berguna untuk menghasilkan sebuah citra yang hanya
membaca satu karakter saja, sedangkan karakter yang lainnya
dihilangkan.
Resizing digunakan untuk melakukan proses pengubahan ukuran citra.
Dalam proses ini ukuran citra menjadi 20x35 piksel. Dengan
memperkecil ukuran citra dapat mempermudah data yang masuk ke
dalam jaringan syaraf tiruan.
Pada prosees algoritma pengolahan citra pada penelitian ini supaya
mudah dipahami dapat dilihat pada Gambar 3.6
Input
A
34
\
Gambar 3.6 Proses pengolahan citra aksara ka
Hasil Slicing
Binerisasi
Hasildilasi
Hasil Cropping dan Resizing
Hasildeteksi tepi canny
Hasilfill
A
35
3. Konversi ke vektor
Datacitra yang sudah dilakukan resizing terlebih dahulu harus diubah ke
dalam matriks vektor. Jika suatu tupel-n (vektor) dinyatakan dalam suatu
matrik 1 x n, maka dinyatakan sebagai suatu vektor baris. Sebaliknya jika
tupel-n dinyatakan oleh matrik n x 1, maka dinyatakan sebagai vektor
kolom [9]. Sehingga pada penelitian ini menggunakan vektor kolom,
karena data matriks yang terdiri dari 700 baris dengan satu kolom
(700x1). Datayang dapat diproses pada jaringan syaraf tiruan adalah data
vektor. Untuk mendapatkan data vektor dari matrik perhatikan Gambar
3.7
Gambar 3.7 Contoh vektorisasi citra
Dari Gambar 3.7 gambar a merupakan data matrik berukuran 3x3
selanjutnya diubah dalam bentuk vektor seperti pada gambar b dengan
cara mengewali pengambilan nilai yang ada pada baris pertama matrik,
kemudian dilanjutkan dengan pengambilan nilai yang ada pada baris
kedua dan seterusnya hingga terakhir pada baris ketiga. Sehingga
a) Matrik 3x3
b) Vektor 9x1
36
diperoleh vektor berukuran 9x1 seperti pada Gambar 3.7(b). Pada matlab
pengubahan data matrik ke vektor bisamenggunakan fungsi :
Y = imtovector ();
4. Proses pelatihan
Pelatihan perangkat digunakan untuk melatih jaringan syaraf tiruan
backpropagation tujuannya untuk mendapatkan parmeter-parameter yang
dibutuhkan oleh jaringan agar didapat hasil pelatihan yang baik.
Parameter tersebut sepeti bobot awal, bias awal, parameter epoch dan
parameter goal. Parameter epoch dan parameter goal digunakan untuk
menghentikan proses pelatihan apabila sudah mencapai error yang
diizinkan. Proses pelatihan akan berhenti apabila telah mencapai output
sesuai target yang ditentukan berdasarkan error yang diizinkan. Dalam
aksara Lampung terdapat beberapa karakter yang hampir sama, maka
diperlukan proses pelatihan bertingkat (ganda) untuk melatih katrakter
tersebut. Proses pelatihan karakter ganda tersebut di perlihatan pada
Gambar 3.8
37
Gambar 3.8 Proses pelatihan data bertingkat(Ganda)
TAHAPAN PELATIHAN DATA
AN
AK
HU
RU
F D
I D
EP
AN
4 K
arak
ter
(3 k
ar.
anak
hu
ruf
di
dep
an
dan
1 k
ar. k
oso
ng
)
2 K
arak
ter
anak
hu
ruf
di
dep
an (
ai
dan
nen
gen
)
AN
AK
HU
RU
F D
I B
AW
AH
4 K
arak
ter
(3 k
ar.
anak
hu
ruf
di
baw
ah d
an 1
kar
. k
oso
ng)
7 K
arak
ter
(6 k
ar.
anak
hu
ruf
di
atas
dan
1 k
ar. k
oso
ng)
AN
AK
HU
RU
F D
I A
TA
S
2 K
arak
ter
hu
ruf
ind
uk
(ja
dan
sa)
HU
RU
F I
ND
UK
21
Kar
akte
r (2
0
kar
. hu
ruf
ind
uk
dan
1 k
ar. k
oso
ng)
3 K
arak
ter
hu
ruf
ind
uk
(ca
, gh
a, d
an
ha)
2 K
arak
ter
hu
ruf
ind
uk
(h
a d
an g
ha)
3 K
arak
ter
hu
ruf
ind
uk
(ca
, gh
a, d
an
ha)
5 K
arak
ter
hu
ruf
ind
uk
(a,
la,
ng
a,
na
dan
ny
a,)
3 K
arak
ter
hu
ruf
ind
uk
(b
a , m
a
dan
pa)
2 K
arak
ter
hu
ruf
ind
uk
(ra
dan
wa)
2 K
arak
ter
hu
ruf
ind
uk
(ja
dan
na)
3 K
arak
ter
hu
ruf
ind
uk
(k
a, g
a d
an
sa)
3K
arak
ter
hu
ruf
ind
uk
(ra
, ta
dan
wa)
2 K
arak
ter
hu
ruf
ind
uk
(p
a d
an b
a)
2 K
arak
ter
hu
ruf
ind
uk
(b
a d
an m
a)
2 K
arak
ter
hu
ruf
ind
uk
(la
dan
na)
38
5. Output
Hasil yang akan diperoleh dari pelatihan data merupakan hasil dari
jaringan syaraf tiruan backpropagation yang berupa bobot dan bias, dari
hasil ini digunakan untuk perangkat aplikasi.
Diagram alir dari masing-masimh proses diatas
a) Pembuatan program algoritma preprocessing
Pembuatan program Slicing
Apakah direktori
outputslicing sudah
tersedia ?
Membuat direktori
output dengan nama
yang telah ditentukan
pada variabel
„outputdir‟
Melakukan operasi
binerisasi dengan nilai
threshold 0.05
A
Mulai
Mendefinisikan
variabel aksara, jumlah
set, karakter, kolom,
baris, direktori, dll.
Menentukan jumlah
perulangan/ iterasi &
menetukan variabel
lainnya.
Membaca data input di
direktori yang telah
ditentukan pada
variabel masukan
tidak
ya
B
39
Gambar 3.9 Proses algoritma preprocesing pada program slicing
Pembuatan program deteksi tepicanny, dilasi, croppingdan resizing
ya
Ya
Tidak
B
tida
k
ya
Apakah setiap karakter
di semua baris & kolom
telah dilakukan operasi
slicing ?
Menyimpan data
hasil slicing dalam
bentuk citra digital
di direktori output
yang telah
ditentukan
B
Selesai
Melakukan operasi
slicing satu-per-satu
setiap baris & kolom
baik huruf induk atau
anak huruf.
A
Mendefinisikan aksara,
jumlah karakter,
direktori
Apakah direktori
outputslicing sudah
tersedia ?
Membuat direktori
output dengan nama
yang telah ditentukan
pada variabel
„outputdir‟
Mulai
A
40
Gambar 3.10Proses preprocesing pada deteksi tepi, dilasi,
fill,croppingdan resizing
Menentukan jumlah
perulangan/iterasi
Melakukan operasi
resizing, ukuran 20 x 35
Menyimpan data hasil
operasi dalam bentuk
citra digital di
direktori output yang
telah ditentukan
A
tidak
ya
B
Selesai
Membaca data input di hasil
operasi deteksi tepi canny
Melakukan operasi
Morfologi dilasi
se=(strel('square',4),
Melakukan operasi
Fill
Melakukan operasi
Cropping
Apakah setiap file sudah
dilakukan operasi
pengolahan citra ?
41
b) Konversi ke vektor
Mulai
Mendefinisikan
fungsi dengan nama
„vector‟, dimana input = setnumber &
output = y.
Mendefinisikan
variabel karakter
dengan nama-nama
karakter aksara.
Mendefinisikan
variabel-variabel lain: direktori,
ukuran piksel, dll.
Apakah file „.mat‟
cachedata sudah ada
?
Membuat direktori
output dengan nama yang telah
ditentukan
Load file „.mat‟
chacedata sebagai
input file „neuralnetwork.m‟
Apakah direktori
output sudah
tersedia ?
Menentukan jumlah
perulangan/ iterasi.
A
tidak
ya
ya
tidak
Membaca data input,
hasil dari program
pengolahan citra
C
B
42
Gambar 3.11 Proses konversi ke vektor
c) Proses pelatian jaringan syaraf tiruan
Selesai
Menyimpan data
dalam format file
„.mat‟ di direktori yang
telah ditentukan
Apakah setiap data sudah
dlakukan konversi ke
vektor ?
A
C
tidak
ya
B
Melakukan konversi
ke vektor dengan
mencuplik data
satu-per-satu dari
citra ukuran 20 x 35
Mulai
Mendefinisikan
variabel set ideal,
target, jumlah lapisan
jaringan, direktori
output, dll
Mendefinisikan/
menentukan
parameter-parameter
pelatihan
A
43
Melakukan pelatihan
untuk set ideal
Melakukan pelatihan
untuk set idealyang
dikombinasikan
dengan set lainnya
(15 set)
Melakukan pelatihan
untuk set ideal
kembali
A
Apakah direktori
output sudah
tersedia ?
Membuat direktori
output dengan nama
yang telah ditentukan
Menyimpan bobot dan
bias di setiap jaringan,
yang dihasilkan proses pelatihan dalam file
„.mat‟di direktori yang
telah ditentukan
ya
tidak
Menentukan jumlah
perulangan/ iterasi.
Melakukan pengujian
(seluruh set) hasil
pelatihan untuk
mengetahui tingkat
error.
B C
44
Gambar 3.12 Proses Jaringan Syaraf Tiruan
b. Perangkat aplikasi
Pada perangkat aplikasi juga dilakukan pengolahan citra pada perangkat
pelatihan seperti binerisasi, slicing, cropping,deteksi tepi(canny), dilasidan
resizing hingga didapat ukuran citra 20 x 35 piksel. Perangkat aplikasi ini
karakter langsung diolah untuk dikenali oleh jaringan, hanya saja pada
perangkat aplikasi tidak membutuhkan tahap pelatihan karakter, dengan
memanfaatkan bias yang telah dihasilkan pada perangkat pelatihan
sebelumnya. Perangkat aplikasi akan langsung mengambil keputusan untuk
mengenali data masukan(input) dan menghasilkan keluaran (output) berupa
hasil pengenalan dan penerjemah.
Selesai
Menampilkan tingkat
error menggunakan
grafik
Apakah setiap data sudah
dilakukan pengujian ?
tidak
ya
B
C
45
Gambar 3.13 Proses Kerja Perangkat Aplikasi
Berikut ini merupakan langkah-langkah untuk pembacaan karakter aksara
Lampung pada perangkat aplikasi:
1. Program akan membaca data masukan yang berupa karakter aksara
Lampung yang telah dituliskan pengguna.
2. Program akan melakukan proses pengolahan citra yang meliputi, binerisasi,
slicing, deteksi tepi (canny), dilasi, fill, cropping dan resizing.Selanjutnya
menyimpan hasil pengolahan citra ke dalam direktori yang telah dibuat.
Pembuatan program direktori keluaran dibutuhkan untuk menyimpan hasil
pengolahan citra dan vektorisasi citra.
3. Program akan membentuk matrik vektor berdasarkan data citra yang
dihasilkan dari proses pengolahan citra yang kemudian menyimpannya ke
dalam direktori hasil vektorisasi.
Input
(citra)
Algoritma Preprocessing
Binerisasi
Slicing (pemotongan)
Deteksi tepi (Canny)
Morfologi dilasi
Fill (holes)
Cropping
Resizing
Konversi ke
vektor
Pengambilan
Keputusan
Output
(PengenalandanPen
erjeman)
46
4. Selanjutnya jaringan akan menguji data vektor untuk menentukan karakter
tersebut. Karakter yang akan diuji yaitu induk huruf dan anak huruf (anak
huruf atas, bawah dan depan)
5. Program akan melakukan pengkodean karakter terhadap aksara Lampung
baik itu induh huruf maupun anak huruf yang dikenali untuk dapat
menampilkan hasil pembacaan.
6. Langkah terakhir program akan melakukan penerjemah sekaligus
mengklarifikasi dialek hasil pembacaan yang ada pada kolom „terjemah‟.
Penerjemahan dilakukan dengan mencocokkan kata tersebut dengan data
yang ada pada database kosakata di Tabel 3.1. apabila kata tersebut ada
dalam database maka program akan menampilkan terjemahan dan jenis
dialeknya. Namun jika kata tersebut tidak ada di database maka program
akan menampilkan terjemahan „Tidak diketahui‟ .
3.3.5 Pengujian sistem
Langkah selanjutnya, setelah pembuatan sistem yaitu dengan pengujian
kehandalan sistem dan melakukan perbandingan dengan sistem sebelumnya
dengan parameter-parameter yang telah ditentukan sebelumnya. Pengujian
dilakukan dengan cara menuliskan aksara lampung pada kolom yang tersedia
diprogram aplikasi.
Penelitian ini semua karakter aksara telah melakukan pelatian melalui proses
jaringan syaraf tiruan yang dapat dikenali. Jumlah kosakata yang dapat
47
diterjemahkan untuk sementara ini sebanyak 250 kosakata. Kosakata ini bisa
dilihat pada Tabel 3.1.
Keandalan sistem dapat ditentukan dari persentase tingkat kesalahan yang
dihasilkan dari pengujian yaitu dengan
𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐾𝑒𝑠𝑎𝑙𝑎𝑎𝑛(%) =𝐽𝑢𝑚𝑙𝑎 𝐾𝑒𝑠𝑎𝑙𝑎 𝑎𝑛
𝐽𝑢𝑚𝑙𝑎 𝑃𝑒𝑛𝑔𝑢𝑗𝑖𝑎𝑛𝑥100% (3.1)
3.3.6 Analisis dan Kesimpulan
Setalah melalukan pengujian tahap selanjutnya adalah melakukan analisis dari
pengujian sistem. Proses dari analisis ini dilakukan agar dapat mengetahui
kesalahan dan kekurangan pada penelitian ini.Prosesini juga dilakukan untuk
mengambil keputusan.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah dilakukan pengujian terhadap sistem yang telah dibuat, maka dapat
diambil beberapa kesimpulan diantaranya :
1. Sistem aplikasi pengenalan aksara Lampung berhasil mengenali per-karakter
aksara Lampung sebesar 78% dari 10 (sepuluh) kali pengujian. Dengan rata-
rata kesalahan pengenalan pola sebesar 22%.
2. Sistem aplikasi pengenalan aksara Lampung mengenali kosakata sebesar 60%
dari 100 kali pengujian. Dengan rata-rata kesalahan pengenalan sebesar 40%.
3. Metode deteksi tepi (canny) dapat mengenali karakter aksara Lampung akan
tetapi kurang maksimal, dikarenakan canny membaca bagian-bagian tepi
objek dan hanya memberikan satu tanggapan biner, sehingga mempengaruhi
bagian pengolahan citra selanjutnya dan mempersulit proses pengenalan
karakter.
4. Beberapa karakter aksara Lampung memiliki kemiripan bentuk, sehingga
pengenalan karakter lebih sulit, maka dilakukan pelatihan bertingkat (ganda)
terhadap beberapa karakter tersebut. Hal ini menyebabkan waktu proses
penerjemahan lebih lama dibandingkan dengan pelatihan tunggal.
5. Pada perangkat pelatihan nilai kesalahan relatif kecil, namun Pada sistem
aplikasi masih belum mengenali karakter aksara Lampung secara sempurna,
86
dikarena pengujian aplikasi ditulis oleh beberapa orang yang berbeda
membuat bentuk aksara yang beragam dan beberapa bentuk aksara yang
ditulis tidak sama dipelatihan, sehinnga mempersulit jaringan syaraf tiruan
backpropagation untuk membaca pola.
6. Kesalahan utama pada pengenalan pola untuk sistem aplikasi dipengaruhi
oleh keragaman penulisan aksara Lampung pada blangko (tempat penulisan
aksara Lampung) tersebut.
5.2 Saran
Untuk penelitian selanjutnya saran yang diberikan guna perbaikan adalah :
7. Sistem aplikasi ini hanya dapat membaca aksara Lampung yang ditulis dalam
blangko. Sehingga pada penelitian selanjutnya format penulisan ditentukan
dan bisa ditulis secara acak tanpa penulisan di kolom.
8. Program masih terintegrasi dengan perangkat lunak matlab sehingga
membutuhkan program matlab untuk menjalankannya. Maka diharapkan
kedepannya sistem ini dapat dijalankan dalam format .exe agar lebih fleksibel
dan portabel
9. Sistem ini dapat dikembangkan dengan menggunakan bahasa lainnya, seperti
basa pemrograman visual basic, java, skylab, phyton, C++ atau yang lainnya.
10. Pembuatan aplikasi yang mengarah pada pembelajaran bahasa Lampung
dengan menggunakan multimedia seperti suara sehingga aplikasi menjadi
lebih menarik.
DAFTAR PUSTAKA
[1] Noeh, M dan Harisfadilah. 1979. Kamus Umum Bahasa Lampung-
Indonesia. Universitas Lampung. Bandar Lampung.
[2] Kadir, Abdul dan Andhi Susanto. 2013. Teori dan Aplikasi pengolahan
Citra. Andi. Yogyakarta. ISBN978-979-29-3430-4
[3] Setiawan, H. 2014. Rancang Bangun Aplikasi Pengenalan Tulis Tangan
Aksara Lampung Dengan Masukan Layar Sentuh Menggunakan Jaringan
Syaraf Tiruan Bacpropagation. (Skripsi). Universitas Lampung. Bandar
Lampung.
[4] Prasetyo, E. 2011. Pengolahan Citra Digital Dan Aplikasinya
Menggunakan MATLAB. Andi. Yogyakarta. ISBN: 978-979-29-2703-0
[5] amutiara.Bab 1 Pengantar Pengolahan Citra.
http://amutiara.staff.gunadarma.ac.id/Downloads/files/39981/Bab-
1_Pengantar+Pengolahan+Citra.pdf.
[6] Putra, D. 2010. Pengolahan Citra Digital. Andi. Yogyakarta. ISBN: 978-
979-29-1443-6
[7] Delta dan Apriana. 2013. Jurnal.Perbandingan Metode Sobel, Metode
Prewitt dan MetodeRobert Untuk Deteksi Tepi Objek Pada Aplikasi
Pengenalan Bentuk Berbasis Citra Digital.
http%3A%2F%2Feprints.mdp.ac.id%2F795%2F1%2FJURNAL%2520Apri
yana%2520dan%2520Delta. 8 Agustus 2015
[8] Siang, JJ.2009. Jaringan Syaraf Tiruan Dan Pemrogramannya
Menggunakan MATLAB. Andi. Yogyakarta. ISBN: 978-979-29-0493-2
[9] J, Steven Leon. 1993. Aljabar Linear Dan Aplikasinya, Edisi Kelima.
Erlangga. Ciracas, Jakarta. ISBN : 979-688-173-x
[10] Yani, E. 2005. Pengantar Jaringan Syaraf Tiruan. MateriKuliah.Com.
Universitas Muhammadiyah Gresik.
[11] Pusadan, Mohammad Yazdi. 2014. Pemprograman Matlab Pada Sistem
Pakar Fuzzy. Yogyakarta. CV Budi Utama. ISBN : 978-602-280-689-9
[12] Bungsu, Radin. 2011. BelajarAksara dan Budaya lampung 6. CV Pelita
Lestari. Jakarta Utara. ISBN 978-602-6375-06-0
