ANALISIS PENGENALAN AKSARA LAMPUNG MENGGUNAKAN MODIFIEDDIRECTION FEATURE (MDF) DAN HIDDEN MARKOV MODEL
Cahyo Prarian¹, Iwan Iwut Tritoasmoro², Rita Magdalena³
¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
AbstrakSaat ini, perkembangan teknologi telekomunikasi berkembang sangat pesat. Salah satunyaadalah sistem pengenalan pola. Sistem pengenalan pola sudah banyak dimanfaatkan dandikembangkan. Salah satu contoh dari sistem pengenalan pola yang banyak dimanfaatkan saat iniadalah pengenalan tulisan.
Tugas akhir ini dibuat dengan tujuan untuk mengimplementasikan suatu sistem yang mampumengenali pola dari aksara lampung dimana aksara lampung yang digunakan adalah aksaralampung dasar. Agar tingkat akurasinya mencapai 90%, maka pada sistem ini akan menggunakanteknik Modified Direction Feature (MDF) untuk ekstraksi cirinya dimana MDF adalah teknik yangmengambil vektor ciri dari segala arah dan menggabungkannya menjadi vektor ciri yang spesifikagar dapat dibedakan antara aksara lampung yang satu dengan yang lainnya. Hasil ciri dari MDFini akan dijadikan masukan pada proses pembelajaran pada Hidden Markov Model dimanaHidden Markov Model akan melihat urutan ciri dan akan menghasilkan nilai probabilitas A, B,dan Phi. Nilai A, B , dan Phi ini digunakan untuk klasifikasi.
Manfaat dari tugas akhir ini adalah dapat membantu mempermudah dan mempercepat prosespembelajaran dengan menggunakan aksara lampung dengan hasil yang diharapkan pada tugasakhir yang menggunakan Hidden Markov Model memiliki hasil tingkat akurasi yang lebih baikyaitu mencapai 93% untuk pengenalan 100 data uji yang terdiri dari 20 aksara dengan masing-masing aksara terdiri dari 5 citra uji.
Kata Kunci : Aksara Lampung, Modified Directio Feature (MDF) , Hidden Markov Model,Pengenalan Pola
AbstractAt present, the development of telecommunications technology is growing very rapidly. One ofthem is a pattern recognition system. Pattern recognition system has been used and developed.One example of a pattern recognition system is widely used today is the introduction of writing.
The final task was made with the purpose to implement a system that is able to recognize thepattern of Lampung script where script is the script used Lampung Lampung basis. Orderaccuracy rate reaches 90%, then the system will use a technique Modified Direction Feature(MDF) extraction characteristics for which the MDF is a technique that takes feature vector fromall directions and combine them into a specific feature vector in order to distinguish between theone with the script lampung others. This characteristic results of the MDF will provide input onthe learning process on Hidden Markov Models Hidden Markov Model which will see thesequence characteristics and will yield probability values A, B, and Phi. Grades A, B, and Phi isused for classification.
Benefits of this thesis is to help facilitate and accelerate the learning process by using a scriptlampung with results expected at the end of the task using Hidden Markov Models have resultsbetter accuracy rate, reaching 93% for the introduction of 100 test data consists of 20 characterswith each script consists of 5 test images.
Keywords : Literacy Lampung, Directio Modified Feature (MDF), Hidden Markov Model, PatternRecognition
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Banyaknya budaya – budaya barat yang masuk Indonesia terkadang
membuat budaya – budaya kita terlupakan. Ironisnya banyak jiwa – jiwa muda
Indonesia yang mengikuti budaya barat namun tidak tahu sama sekali mengenai
budaya negaranya itu sendiri. Hal ini perlu segera dibenahi. Budaya – budaya
nasional maupun budaya daerah perlu dilestarikan agar tidak punah. Salah satu
budaya daerah yang harus dilestarikan adalah aksara Lampung.
Aksara Lampung adalah salah satu bentuk penulisan bahasa lampung
selain menggunakan tulisan latin. Berbeda dengan bahasa Indonesia yang
penulisannya menggunakan tulisan latin. Bentuk – bentuk dari aksara lampung
sangat kompleks, sehingga sedikit sulit untuk menghapal dan memahami tulisan
tersebut dikarenakan bentuknya yang tidak familiar.
Oleh karena itu, diperlukan suatu sistem yang mampu membantu
pengidentifikasian aksara lampung yang dapat digunakan untuk membantu
memudahkan orang dalam mempelajari dan mengenali aksara lampung tersebut.
Dengan menggunakan pengolahan citra digital, maka dapat dikembangkan suatu
teknik pengidentifikasian aksara lampung berbasis software yang akan membantu
memudahkan orang dalam mempelajari dan mengenali aksara lampung.
Pada proses pengenalan aksara lampung dilakukan dengan 2 tahap yaitu
proses ekstraksi ciri dan pengklasifikasian. Pada proses ekstraksi ciri akan
digunakan metode Modified Direction Feature (MDF). Teknik MDF adalah
teknik yang mengambil vektor ciri dari segala arah dan kemudian
menggabungkannya sehingga terbentuk vektor ciri yang spesifik[6]
. Dari hasil
vektor ciri yang telah dihasilkan oleh MDF tersebut akan dijadikan masukan pada
Hidden Markov Model. Dengan menggunakan Hidden Markov Model akan
dilakukan proses pengklasifikasian pola aksara lampung yang mewakili kategori
tertentu sehingga diperoleh keluaran pembacaan aksara lampung dengan tingkat
keakuratan yang baik.
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
2
Oleh karena itu, dalam tugas akhir ini akan dihasilkan suatu alat bantu
berbasis software yang dapat dimanfaatkan untuk membantu mengidentifikasi
aksara lampung.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah yang telah dijabarkan, maka dapat
dirumuskan beberapa permasalahan yang terjadi, yaitu :
1. Bagaimana pengimplementasian MDF dan Hidden Markov Model?
2. Bagaimana menghitung performansi akurasi sistem yang menggunakan
gabungan antara metode MDF dan Hidden Markov Model dalam pengenalan
aksara lampung?
3. Bagaimana analisis metode MDF dan Hidden Markov Model pada pengenalan
pola aksara lampung berdasarkan parameter-parameter dari metode tersebut?
1.3 Batasan Masalah
Berdasarkan latar belakang masalah yang telah dijabarkan, berikut ini
adalah beberapa hal yang dibatasi dalam penyusunan tugas akhir, yaitu :
1. Pola aksara lampung yang menjadi masukan pada sistem adalah aksara
lampung dasar (tanpa tanda baca dan berdiri sendiri).
2. Pola masukan pada sistem dengan posisi tertentu dan tidak menangani
tulisan yang bertumpuk.
3. Pola masukan untuk proses uji dan latih berupa file gambar yang telah di
scan dengan format JPEG.
4. Adanya proses preprocessing yang meliputi thresholding, thinning,
cropping dan normalisasi sebelum masuk ke dalam MDF.
5. Sistem ini akan dibuat pada software Matlab R 2012b.
6. Sistem dibuat untuk mengenali huruf yang dibuat.
1.4 Tujuan
Tujuan dari penyusunan tugas akhir ini adalah :
1. Mengimplementasikan kombinasi antara metode MDF dengan Hidden
Markov Model dalam pengenalan aksara lampung.
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
3
2. Menganalisis parameter metode MDF dan Hidden Markov Model yang
mempengaruhi performansi akurasi sistem dalam pengenalan aksara
lampung.
3. Menganalisis kombinasi antara metode MDF dan Hidden Markov Model
dengan melihat performansi akurasi sistem berdasarkan nilai CER
(Character Error Rate) untuk ketepatan pengenalan pola.
1.5 Metodologi Penyelesaian Masalah
Metodologi yang digunakan dalam penyusunan tugas akhir ini adalah :
1. Studi literatur, yaitu dengan mempelajari konsep dan teori pendukung
mengenai batik, motif batik, pengolahan citra digital, metode ekstraksi ciri,
metode MDF, metode klasifikasi, metode Hidden Markov Model (HMM),
mempelajari toolbox pada matlab dan library pendukung yang digunakan.
2. Pengumpulan data, yaitu dengan melakukan akuisisi citra digital pada
aksara lampung.
3. Desain atau pemodelan perangkat lunak, pada tahap ini dibuat
perancangan perangkat lunak untuk mengidentifikasi aksara lampung yang
akan dibangun yang terdiri atas dua tahap yaitu tahap pelatihan dan tahap
pengujian.
4. Simulasi, pada tahap ini perangkat lunak yang telah dirancang
menggunakan MATLAB 8.0.0 R2012b, untuk mendukung justifikasi
analisis dari penyusunan tugas akhir berdasarkan data.
5. Pengujian dan Analisis, pada tahap ini dilakukan pengujian terhadap
perangkat lunak yang telah dibangun untuk melihat keluaran dari setiap
tahapan yang dilakukan pada perangkat lunak.
6. Setelah proses pengujian, maka akan dianalisis hasil yang didapatkan dari
teknik mengidentifikasi aksara lampung menggunakan metode HMM,
menganalisis akurasi yang dihasilkan pada citra latih dan citra uji,
menganalisis pengaruh ciri pada LBP yang diambil sebagai masukan
untuk HMM, serta menganalisis pengaruh besar kecilnya nilai iterasi
pelatihan pada HMM.
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
4
7. Menuliskan laporan yang menggambarkan setiap tahapan yang telah
dilakukan dari awal sampai akhir metodologi penyelesaian masalah
sehingga didapatkan kesimpulan kemudian dituangkan menjadi sebuah
laporan penyusunan tugas akhir.
1.6 Sistematika Penyusunan
Penyusunan laporan tugas akhir dilakukan dengan sistematika sebagai berikut :
BAB I : PENDAHULUAN
Materi yang dibahas pada bab ini yaitu mengenai latar belakang
pengambilan topik penelitian, tujuan penelitian, rumusan masalah,
batasan masalah, metodologi penelitian dan sistematika penulisan tugas
akhir.
BAB II : DASAR TEORI
Materi yang dibahas pada bab ini yaitu teori-teori mengenai batik, motif
batik, citra digital, ekstraksi ciri, metode ekstraksi ciri MDF, metode
klasifikasi Hidden Markov Model (HMM).
BAB III : PERANCANGAN PERANGKAT LUNAK
Materi yang dibahas pada bab ini yaitu rancangan perangkat lunak yang
akan dibangun, meliputi deskripsi perangkat lunak, diagram alir proses,
gambaran input dan output, ilustrasi dari metode MDF terhadap citra
aksara latih, pemodelan klasifikasi dengan HMM.
BAB IV : PENGUJIAN DAN ANALISIS
Materi yang dibahas pada bab ini yaitu lingkungan implementasi
mencakup spesifikasi perangkat keras dan perangkat lunak yang
digunakan, pengujian perangkat lunak, tujuan pengujian, skenario
pengujian, perhitungan akurasi mengidentifikasi jenis aksara yang
dihasilkan, dan hasil pengujian serta analisis terhadap performansi sistem
yang dihasilkan.
BAB V : KESIMPULAN DAN SARAN
Pemberian kesimpulan dari permasalahan yang dibahas berdasarkan hasil
penelitian dengan tahapan-tahapan yang telah dilakukan pada bab
sebelumnya. Selain itu diberikan juga saran yang dapat menunjang
pengembangan penelitian Tugas Akhir selanjutnya.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
42
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil implementasi, pengujian, dan analisis yang telah
dilakukan, maka dapat ditarik kesimpulan sebagai berikut :
1. Dari hasil perancangan dan implementasi, pengenalan aksara lampung
menggunakan ekstrasi ciri MDF dan HMM sudah berjalan baik dengan
akurasi 93%.
2. Dari skenario pengujian didapat parameter terbaik dengan akurasi 93%
terhadap 100 citra uji yang terdiri dari 20 kelas aksara adalah Nilai
transisi 2, nilai normalisasi bari 50 dan kolom 100, nilai kuantisasi
kelompok 100, kuantisasi kelas 60, dan dilakukan pengujian ulang
terhadap iterasi pelatihan HMM yang terbaik adalah 200
3. Pengujian 10 citra aksara perkata didapat akurasi sebesar 87%.
Kesalahan terjadi karena proses segmentasi yang masih terdapat
kesalahan dalam melakukan segmentasi per huruf. Dan CER bernilai
sebesar 0,12.
5.2. Saran
Saran yang dapat digunakan untuk perkembangan penelitian Tugas Akhir
selanjutnya, yaitu :
1. Pengambilan citra dilakukan secara real-time, pengambilan gambarnya secara
langsung.
2. Tanpa menggunakan pengelompokkan aksara.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
xiii
DAFTAR PUSTAKA
[1] Pietikäinen, M., Hadid, A., Zhao, G., and Ahonen, T. (2010). Computer
Vision Using Local Binary Patterns, London: Springer.
[2] Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta. Penerbit :
Andi.
[3] Sutoyo, T dkk. 2009. Teori Pengolahan Citra Digital. Yogyakarta.
Penerbit : Andi.
[4] Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan
Algoritmik.Informatika. Bandung.
[5] X. Y. Liu and M. Blumenstein, Experimental Analysis of the Modified
Direction Feature for Cursive Character
[email protected], diakses terakhir tanggal 12
Desember 2011.
[6] P. D. Gader, M. Mohamed and J-H. Chiang. (1997). Handwritten Word
Recognition with Character and Inter-Character Neural Networks. IEEE.
[7] Umami, M.A. 2010. Tugas akhir “Analisis dan implementasi Pengenalan
Huruf Arab Menggunakan Modified Direction Feature dan Learning
Vector Quantization”
[8] Rabiner ,Lawrence. R. “A Tutorial on Hidden Markov Model and
Selected Application in Speech Recognition”, Proc. of IEEE Vol 77,
257-286, February 1989.
[9] Zhang ,Yaxin Mike Alder, "An Improved HMM VQ Training Procedure
for Speaker Independent Isolated Word Recognition”, Journal: Center
for Intelligent Information Processing System, The Department of
Electrical and Electronic Engineering ,The University of Western
Australia, hal. 5.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2013
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi