Upload
vuongkiet
View
227
Download
0
Embed Size (px)
Citation preview
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2018
SEGMENTASI CITRA AKSARA JAWA PADA DAUN
LONTAR DENGAN PROJECTION PROFILE
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Disusun oleh:
Filemon Kristian Novarimawan
135314053
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2018
i
SEGMENTASI CITRA AKSARA JAWA PADA DAUN
LONTAR DENGAN PROJECTION PROFILE
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Disusun oleh:
Filemon Kristian Novarimawan
135314053
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
INFORMATICS ENGINEERING STUDY PROGRAM
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2018
ii
SEGMENTATAION CITRA AKSARA JAWA PADA DAUN
LONTAR DENGAN PROJECTION PROFILE
THESIS
Presented as Partial Fulfilment of Requirements
To Obtain Sarjana Komputer Degree
In Informatics Engineering Department
By :
Filemon Kristian Novarimawan
135314053
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
HALAMAN MOTO DAN PERSEMBAHAN
"Sesuatu yang belum dikerjakan, seringkali tampak mustahil, kita baru yakin
kalau kita telah berhasil melakukannya dengan baik." (Evelyn Underhill)
Karya ini saya persembahkan kepada :
Tuhan Yesus
Kedua orang tua, kakak dan Sahabat sahabat terkasih
Yang dengan sabar memberi arahan, semangat, doa dan motivasi
Keluarga besar yang selalu menanti dan memberi semangat dan
dukungannya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
ABSTRAK
Bangsa Indonesia merupakan bangsa yang kaya akan budaya yang beragam.
Keragaman budaya tersebut diperkaya oleh peninggalan budaya yang sudah
dimusiumkan, salah satunya peninggalan atau warisan budaya Jawa yaitu Aksara
jawa pada daun lontar. Pada zaman dulu, Aksara Jawa dituliskan pada prasasti,
kertas maupun daun lontar. Banyak tulisan atau hasil karya susastra jawa yang
dituliskan pada media daun lontar. Jika ditilik dari media yang digunakan daun
lontar, sangatlah sulit perawatannya dan hasil dari susastra itu sendiri akan pudar
jika tidak rutin perawatannya. Maka diperlukan lah tindakan untuk mulai
melakukan digitalisasi untuk mempermudah, melestarikan serta memahami isi
susastra yang sudah ada pada daun lontar supaya menjadi informasi yang dapat
dipahami oleh banyak orang.
Untuk mendapatkan potongan setiap karakter aksara jawa pada daun lontar
ini harus dilakukan beberapa tahap yakni dengan preprocessing dan kemudian dapat
dilakukan segmentasi citra. Pada tugas akhir ini segmentasi aksara jawa pada daun
lontar ini dilakukan dengan metode projection profile. Projection profile dilakukan
dengan memotong gambar secara horizontal dan vertikal pada citra, yang akhirnya
akan didapatkan potongan gambar karakter aksara jawa.
Percobaan ini dilakukan dengan data masukkan sebanyak 24 citra aksara
jawa pada daun lontar dengan format .png yang didapat dari koleksi lontar
perpustakaan Universitas Sanata Dharma. Berdasarkan pengujian pada 24 citra
aksara jawa pada daun lontar diperoleh rata-rata persentase keberhasilan sebesar
62.1%.
Kata Kunci : aksara jawa, daun lontar, segmentasi, projection profile.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRACT
Indonesia is a rich country with its cultures. The cultural diversity is enriched
by the cultural heritage that has been kept in the museum, one of Indonesian
heritage is from Java that becomes the phenomenal heritage in this country.
Javanese’s cultures heritage are very well-known, one of those heritages is the
Javanese script which is written on palm leaves and now can be found in the
museum. In addition, a long time ago, Javanese script was written on the
inscriptions, papers, and palm leaves. Furthermore, there are so many Javanese
literature which are written on the palm leaves. The palm leaves themselves are
very fragile, therefore, palm leaves need the extra time to be treated. If the treatment
is not maximum, the Javanese script on it cannot be read. Hence, to preserve the
integrity of Javanese script written on palm leaves, there is the way to facilitate and
preserve the Javanese script on it by doing a digitization, so that the script can be
read and understood by many people.
To get a piece of each character in Javanese script on palm leaves, there are
some stages that must be used to identify the Javanese characters i.e. by
preprocessing and image segmentation process. In this study, the researcher uses
projection profile method to identify the Javanese script segmentation on palm
leaves. Project profile is done by cutting the images horizontally and vertically, then
in the end, will finally get the image pieces of Javanese script characters.
This experiment had done by inputting the data as many as 24 images of
Javanese script on palm leaves. The researcher used the .png format for obtaining
the Javanese script on palm leaves from the collection of Sanata Dharma University.
Based on the test on 24 images of the Javanese script, there were found that 62,1%
of Javanese script could be analyzed.
Keywords: Javanese manuscript, segmentation, projection profile, palm leaves.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
KATA PENGANTAR
Puji dan syukur kami haturkan kepada Tuhan Yang Maha Esa atas berkat-
Nya dan bimbingan Roh Kudus yang telah dicurahkan kepada penulis sehingga
dapat menyelesaikan Tugas Akhir “ Segmentasi Citra Aksar4a Jawa Pada Daun
Lontar Dengan Projection Profile” ini dengan baik.
Dalam penyelesaian tugas akhir ini, penulis tidak terlepas dari bantuan dan
dukungan dari sejumlah pihak, oleh sebab itu dalam kesempatan ini penulis ingin
mengucapkan terima kasih kepada :
1. Tuhan Yesus atas berkat dan kesehatan yang diberikan kepada saya
untuk menyelesaikan tugas akhir ini.
2. Ibu Anastasia Rita Widiarti selaku Dosen Pembimbing skripsi dan
Ketua Program Studi Teknik Informatika Universitas Sanata Dharma
atas saran, waktu, ilmu dan kesabaran dalam membimbing penulis.
3. Kedua Orang tua penulis (Mama Emma dan Papa Hari) beserta kakak
(Mbak Pritta) yang senantiasa memberi semangat dan doa.
4. Ibu Agnes Maria Polina, S.Kom., M.Sc. selaku dosen pembimbing
akademik.
5. Seluruh dosen yang telah memberi jasa dan ilmunya kepada saya dalam
perkuliahan maupun pengerjaan tugas akhir ini.
6. Teman-teman seperjuangan yang sudah menghabiskan waktu semasa
perkuliahan.
7. Bowi Prabono, S.kom dan Ririn yang sudah membantu dan saling
memberi semangat dan motivasi serta berjuang bersama dalam
penyelesaian tugas akhir ini.
8. Seluruh Mahasiswa bimbingan tugas akhir bu Rita (Rusdi, Ratri, Fanny,
Bowi Prabono dan yang lainnya) atas bantuan dan masukkan, semangat,
motivasi yang sudah diberikan.
9. Maria Ardianti Kurnia Sari, S.Pd dan Bangkit Kristianto, S.Pt yang
telah membantu dan memberi asupan dan kesegaran otak selama
kepenatan penyelesaian tugas akhir ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
SKRIPSI ................................................................................................................... i
THESIS ................................................................................................................... ii
SKRIPSI ................................................................................................................. iii
HALAMAN MOTTO DAN PERSEMBAHAN .................................................... iv
HALAMAN PENGESAHAN .................................................................................. v
PRNYATAAN KEASLIAN HASIL KARYA ...................................................... vi
LEMBAR PERNYATAAN PERSETUJUAN ..................................................... vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... iv
KATA PENGANTAR ............................................................................................. x
DAFTAR ISI .......................................................................................................... xi
BAB I PENDAHULUAN ........................................................................................ 1
1.1 Latar Belakang ...................................................................................... 1
1.2 Rumusan Masalah ................................................................................. 2
1.3 Tujuan Penelitian .................................................................................. 2
1.4 Batasan Masalah .................................................................................... 3
1.5 Manfaat Penelitian ................................................................................ 3
1.6 Metode Penelitian .................................................................................. 3
1.7 Sistematika Penulisan ............................................................................ 4
BAB II LANDASAN TEORI .................................................................................. 6
2.1 Pengertian Daun Lontar ........................................................................ 6
2.2 Pengertian Citra ..................................................................................... 6
2.3 Pengertian Citra Digital ......................................................................... 7
2.4 Format Citra Portable Network Graphics (.png) .................................. 7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
2.5 Konversi Citra RGB ke Citra Keabuan ................................................ 7
2.6 Metode otsu .......................................................................................... 7
2.7 Segmentasi Baris .................................................................................. 8
2.8 Segmentasi Karakter ............................................................................ 8
BAB III ANALISA DAN METODE PENELITIAN .............................................. 9
3.1 Bahan/Data ............................................................................................ 9
3.2 Alat ...................................................................................................... 10
3.2.1 Kebutuhan Perangkat Keras .......................................................... 10
3.2.2 Kebutuhan Perangkat Lunak ......................................................... 10
3.3 Tahap Penelitian ................................................................................. 10
3.3.1 Studi Pustaka ................................................................................. 10
3.3.2 Pengumpulan Data ......................................................................... 11
3.3.3 Perencanaa Sistem dan Pembuatan Alat Uji ................................. 11
3.3.4 Skenario Pengujian ......................................................................... 15
3.3.5 Skenario Pengujian Akurasi ........................................................... 15
BAB IV IMPLEMENTASI SISTEM ................................................................... 16
4.1 Implementasi Pre Processing ............................................................ 16
4.2 Implementasi Proyeksi Horizontal ..................................................... 17
4.2.1 Pemotongan Sementara ................................................................. 18
4.2.2 Proyeksi Horizontal ....................................................................... 19
4.2.3 Penggabungan Baris ...................................................................... 20
4.3 Implementasi Proyeksi Vertikal ......................................................... 21
BAB V HASIL DAN ANALISA .......................................................................... 22
5.1 Data Maskukkan .................................................................................. 22
5.2 Hasil Citra Grayscaling ...................................................................... 24
5.3 Hasil Citra Otsu .................................................................................. 25
5.4 Hasil Proyeksi Horizontal ................................................................... 26
5.5 Hasil Proyeksi Vertikal ....................................................................... 27
5.6 Hasil Pengujian Projection Profile ...................................................... 28
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
BAB VI KESIMPULAN DAN SARAN ............................................................... 30
6.1 Kesimpulan ......................................................................................... 30
6.2 Saran .................................................................................................... 30
Daftar Pustaka ........................................................................................................ 31
Lampiran ................................................................................................................ 32
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
DAFTAR GAMBAR
Gambar 3.1 Citra RGB Aksara Jawa Pada Daun Lontar ......................................... 9
Gambar 3.2 4 bagian lontar setelah dipotong manual .............................................. 9
Gambar 3.3 Proses Pengambilan Data Aksara Jawa Pada Daun Lontar ................ 11
Gambar 3.4 Diagram Konteks................................................................................ 12
Gambar 3.5 Diagram Alur Sistem .......................................................................... 12
Gambar 3.6 Tahapan Pre-Processing Sistem ......................................................... 13
Gambar 3.7 Tahap Projection Profile..................................................................... 14
Gambar 4.1 Gambar citra masukkan ...................................................................... 16
Gambar 4.2 Hasil Citra Grayscale ......................................................................... 17
Gambar 4.3 Hasil Citra Black and White............................................................... 17
Gambar 4.4 Contoh Hasil Potongan Sementara ..................................................... 18
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
DAFTAR TABEL
Tabel 5.1 Data Citra Aksara Jawa Pada Daun Lontar ............................................ 22
Tabel 5.2 Contoh Hasil Grayscaling ...................................................................... 24
Tabel 5.3 Contoh Hasil Binerisasi ......................................................................... 25
Tabel 5.4 Contoh Hasil Proyeksi Horizontal ......................................................... 26
Tabel 5.5 Contoh Hasil Proyeksi Vertikal ............................................................. 27
Tabel 5.6 Pengujian Akurasi Projection Profile .................................................... 28
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR RUMUS
Rumus 1.1 ............................................................................................................... 7
Rumus 1.2 ................................................................................................................ 8
Rumus 1.3 ................................................................................................................ 8
Rumus 3.1 .............................................................................................................. 15
Rumus 3.2 .............................................................................................................. 15
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Aksara Jawa yang menjadi bagian tak terpisahkan dari Bahasa Jawa dan
merupakan salah satu unsur kebudayaan dari masyarakat Jawa, saat ini tinggal
mengalami kematian. Pengunaan Aksara Jawa semakin berkurang, karena
pemahaman tentang aksara jawa sudah berkurang dan bersaing dengan bahasa dari
luar seperti bahasa inggris, dll. Kondisi saat ini ditambah dengan permasalahan
pada dunia pendidikan mengenai mata pelajaran Bahasa Jawa. Seharusnya
Pemerintah Provinsi DIY berperan aktif dalam mendukung program pelestarian
budaya dengan tetap mencantumkan Bahasa Jawa dalam kurikulum. Karena
pelajaran Bahasa Jawa sangat berperan dalam pembentukan karakter generasi muda
di Yogyakarta.
Warisan Budaya Jawa sudah semakin dilupakan salah satunya yaitu aksara
jawa pada daun lontar yang telah bertahun-tahun ada, seperti lontar beraksara jawa
yang ada di Perpustakaan ruang Artati Kampus 2 Mrican Universitas Sanata
Dharma, di dalam lontar itulah terdapat karya susastra (karya tulis yang bermutu
baik, bagus, dan indah) yang banyak mengajarkan kita tentang filosofi hidup,
agama, dan banyak ilmu lainnya yang sangat bemanfaat untuk kita sebagai bekal
hidup.
Naskah-naskah kuno seperti aksara pada daun lontar perlu diremajakan
untuk menjaga kelestariannya karena daun lontar yang telah berusia puluhan tahun
akan lebih rentan rusak karena rapuh, Salah satu cara untuk melestarikannya adalah
proses pengubahan ke dalam format digital. Naskah dalam format digital memiliki
manfaat yang besar terutama bagi dunia pendidikan. Para peneliti dapat
menggunakan naskah tersebut untuk proses penelitian ilmiah, seperti alih aksara
dari aksara Jawa ke latin dan melakukan penerjemahan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
Dari penelitian Image Segmentation of Historical Handwriting from Palm
Leaf Manuscripts, Olarik Surinta dan Rapeeporn Chamchong, Background
Elimination dengan menggunakan algoritma otsu untuk menghilangkan
background daun lontar dengan akurasi 61% dan akan dilanjutkan dengan proses
segmentasi baris dan karakter dengan menggunakan projection profile analysis
dengan rata-rata akurasi 82.5%. Berdasarkan Penelitian diatas maka Peneliti akan
menggunakan metode Projection profile analysis dan akan menggunakan algoritma
otsu untuk eliminasi background dengan perbedaan data yang akan digunakan,
penulis ingin membuat topik tugas akhir dengan judul “Segmentasi Citra Aksara
Jawa pada Daun Lontar Dengan Projection Profile”.
1.2 Rumusan Masalah
Dari uraian di atas, maka terdapat beberapa rumusan masalah yaitu sebagai
berikut :
1. Bagaimana uji kerja projection profile pada segmentasi aksara jawa pada
daun lontar ?
1.3 Tujuan Penelitian
Dalam penulisan laporan tugas akhir ini penulis memiliki tujuan dan
berharap ada manfaat yang dapat diperoleh.
Tujuan dari penelitian ini adalah :
1. Mengetahui hasil uji kerja dari Projection Profile dalam Segmentasi
Aksara jawa pada daun lontar.
1.4 Batasan Masalah
Dalam penulisan laporan tugas akhir ini penulis memberikan batasan -
batasan masalah :
1. Citra yang digunakan yaitu citra yang didapat dari hasil foto daun lontar
diruang artati perpustakaan Universitas Sanata Dharma.
2. Sampel citra dokukmen yang digunakan diambil dari foto menggunakan
camera Nikon, aksara jawa pada daun lontar disimpan pada file *.png.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
3. Citra daun lontar akan dipotong manual terlebih dahulu menjadi
beberapa bagian.
4. Pengimplementasian aplikasi ini dibuat menggunakan program matlab.
5. Citra yang dimasukkan/diolah harus sudah pada posisi tegak lurus.
1.5 Manfaat Penelitian
Manfaat dari penelitian ini diharapkan mampu meningkatkan kualitas citra
yang akan disegmentasi untuk membantu pembaca lontar sehingga lebih mudah
untuk membaca lontar. Selain itu juga manfaat bagi generasi muda untuk
membangkitkan semangat melestarikan Budaya jawa khususnya pemahaman isi
dari aksara jawa pada daun lontar.
1.6 Metode Penelitian
1. Studi Pustaka
Pengumpulan informasi tentang preprocessing pada citra dan
projection profile melalui buku-buku pendukung, jurnal dan yang didapat
dari internet maupun perkuliahan sebagai refrensi dalam penelitian ini.
2. Pengumpulan Data
Mengumpulkan data untuk diuji menggunakan alat uji yang dirancang
pada penelitian ini.
3. Pembuatan Alat uji
Pembuatan alat uji yang akan digunakan untuk menghitung akurasi
segmentasi dengan projection profile akan dibuat dengan bantuan MATLAB
R2016a meliputi tahap preprocessing hingga menghasilkan output berupa
data segmentasi perkarakter.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
4. Pengujian Sistem
Pengujian system dengan melihat seberapa besar akurasi yang
didapatkan dengan melihat hasil benar dari segmentasi karakter.
5. Analisa Sistem
Melakukan Analisa dari system yang sudah dibuat, termasuk
kekurangan dan kelebihan.
1.7 Sistematika Penulisan
Secara umum dalam penelitian ini, sistematika penulisan yang akan
digunakan adala sebagai berikut :
BAB I PENDAHULUAN
Bab ini membahas latar belakang masalah, rumusan masalah, tujuan
penelitian, batasan masalah, metodologi penelitian, dahn sistematika
penulisan.
BAB II LANDASAN TEORI
Bab ini membahas teori-teori mengenai pengertian citra, pengertian
dan tujuan segmentasi, algoritma segmentasi, dan metode yang
menjadi landasan utama penelitian dan akan digunakan dalam
pengembangan aplikasi.
BAB III ANALISA DAN DESAIN PENELITIAN
Bab ini membahas analisa dan perancangan sistem secara umum,
data yang akan diolah, rincian tahap-tahap penelitian, rancangan
proses serta rancangan antar muka yang akan digunakan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
BAB IV IMPLEMENTASI SISTEM
Bab ini berisis implementasi dari perancangan sistem Segmentasi
citra aksara jawa pada daun lontar menggunakan projection profile
berdasarkan perancangan sistem yang telah dibuat di BAB III.
BAB V HASIL DAN ANALISA
Bab ini berisi mengenai data-data yang digunakan, pengujian dan
hasil pengujian, serta analisa hasil implementasi segmentasi
menggunakan projection profile.
BAB VI KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran dari hasil Analisa, perancangan
dan implementasi system.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
BAB II
LANDASAN TEORI
Pada bab ini akan dibahas mengenai citra digital, pengertian, teori projection
profile dan implementasinya pada segmentasi aksara jawa pada daun lontar.
1.1 Pengertian Daun Lontar
Daun lontar adalah salah satu bentuk media penulisan naskah kuno
(manuscript) yang ada di nusantara. Lontar dapat ditemukan di Jawa, tetapi
beberapa ditemukan di Bali, Sulawesi (disebut lontara), dan di Lombok. Lontar
dipakai sebagai alat tulis menulis pada saat itu sebelum orang mengenal kertas.
Selain lontar adapula bahan yang serupa lontar yang dipakai untuk tempat menulis,
seperti di Jawa memakai daun nipah (serupa lontar), dluwang (dari kulit kayu), dan
perkamen ( dari kulit kambing), di Sulawesi memakai bambu (ditulis melingkar)
dan rotan, sedangkan di Batak selain lontar ada juga tribak (dari kulit kayu).
Dokumentasi budaya masa lampau ini merupakan benda yang sangat bernilai.
Isi yang terkandung dalam manuskrip lontar begitu bermanfaat seperti tentang
mantra, keagamaan, pengetahuan tentang astronomi dan astrologi (wariga),
pengobatan tradisional (usada), prosa, kekawin, kidung, sejarah, cerita-cerita, dan
lain-lain.
1.2 Pengertian Citra
Kata citra berasal dari kata image dalam bahasa Inggris. Citra atau Image
adalah suatu gambar yang berbentuk Informasi Visual. Citra merupakan fungsi
intensitas dua dimensi (2-D) f(x,y), dimana x dan y adalah koordinat spasial,
dan f pada titik (x,y)merupakan tingkat kecerahan (brightness) suatu citra pada
suatu titik. Ketika x, y, dan nilai intensitas f-nya terbatas, maka disebut dengan citra
digital (Gonzales dan Woods, 1992).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
1.3 Pengertian Citra Digital
Citra digital digambarkan ke dalam bentuk matriks yang terdiri dari baris dan
kolom, setiap pasangan indeks baris dan kolom menyatakan suatu titik atau piksel
dari sebuah citra. Elemen elemen matriks tersebut kemudian dinamakan sebagai
elemen citra atau elemen gambar atau elemen piksel (Gonzales dan Woods, 1992).
1.4 Format Citra Portable Network Graphics (.png)
Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis.
Setiap file format memiliki karakteristik masing – masing. Salah satu format file
citra adalah .png format penyimpanan citra terkompresi. Format ini dapat
digunakan pada citra grayscale, citra dengan palet warna, dan juga citra fullcolor.
Format .png mampu menyimpan informasi hingga kanal alpha dengan
penyimpanan sebesar 1 hingga 16 bit per kanal.
1.5 Konversi Citra RGB ke Citra Keabuan
Warna RGB adalah format lain dari citra warna. Citra RGB adalah
representasi dari tiga matriks dengan ukuran yang sama dari format gambar. Setiap
matriks akan sama beradasarkan warna Merah , Hijau dan Biru. Ketika diubah
menjadi skala keabuan(atau “intensitas”) gambar akan tergantung pada kurva
respon sensitivitas detektor cahaya sebagai fungsi dari panjang gelombang. Dengan
persamaannya sebagai berikut (Surinta, O.,dkk 2009) :
𝑌 = 0.3𝑅 + 0.59𝐺 + 0.11𝐵 (1.1)
1.6 Metode Otsu
Pendekatan yang dilakukan oleh metode otsu (Otsu's method, 2005) adalah
dengan melakukan analisis diskriminan yaitu menentukan suatu variable yang dapat
membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis
diskriminan akan memaksimumkan variable tersebut agar dapat memisahkan obyek
dengan latar belakang. Ide utamanya adalah untuk menemukan secara otomatis
ambang optimal yang ada di histogram yang membagi objek gambar dengan
membangun dua kelas dari setiap tingkat keabuan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
Untuk menemukan threshold optimal (THR) kita dapat menggunakan
persamaan kriteria berikut (Surinta, O., dkk, 2009):
𝜂 = 𝜎𝐵
2
𝜎𝑇ℎ𝑟2 (1.2)
Dimana 𝜂 = 𝜎𝐵
2
𝜎𝑇ℎ𝑟2 , sebagai total varian, sebagai varian dari gray-level.
Hanya perlu meminimalkan fungsi 𝜎𝐵2 , dalam class varian. Ambang optimal Thr*
akan didefinisikan dalam persamaan berikut (Surinta, O., 2009):
𝑇ℎ𝑟 ∗= 𝐴𝑟𝑔𝑀𝑖𝑛 𝜂 (1.3)
1.7 Segmentasi Baris
Projection profile analysis merupakan teknik yang popular untuk melakukan
Segmentasi baris. Kita menggunakan Horizontal projection profile analysis karena
teks di kebanyakan gambar dokumen sejajar sepanjang garis horizontal. Horizontal
Projection Profile merupakan teknik segmentasi garis dasar. (Surinta, O.,
2009) horizontal projection profile didapatkan dengan menjumlahkan nilai pikels
sepanjang garis horizontal (sumbu-x) untuk setiap baris (sumbu-y).
1.8 Segmentasi Karakter
Sebagai langkah terakhir, baris disegmentasi menjadi karakter (Surinta, O.,
2009) Untuk menemukan batas-batas antara karakter, kita menerapkan nilai
ambang batas pada panjang ruang di antara karakter. Setelah menemukan posisi
dari spasi di antara karakter maka akan menghilangkan bagian-bagian dari segmen
baris.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
BAB III
ANALISA DAN DESAIN PENELITIAN
Dalam bab ini akan dibahas mengenai cara kerja projection profile yang akan
digunakan dan proses yang akan dibangun untuk segmentasi citra pada daun lontar.
3.1 Bahan/Data
Data yang digunakan dalam penelitian ini merupakan data citra lontar
beraksara jawa. Data yang akan digunakan didapatkan dari memfoto dengan
kamera Nikon D3100 dan disimpan dalam format file *.NEF. Data utuh dari
pengambilan gambar ini akan diproses secara manua terlabih dahulu sehingga akan
diapatkan gambar citra daun lontar yang siap untuk di teliti dengan manual
memotong dan akan disimpan dalam format *.png. Gambar 3.1 adalah contoh citra
daun lontar aksara jawa awal.
Gambar 3.1 Citra RGB Aksara Jawa Pada Daun Lontar
Dari contoh data akan diproses manual dengan memotong menjadi 4 bagian.
Gambar 3.2 4 bagian lontar setelah dipotong manual
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
3.2 Alat
Dalam melakukan penalitian diperlukan alat untuk melakukan
pengambilan data ,pengujian,dan pemrosesan. Berikut ini adalah alat yang
digunakan penulis selama melakukan penelitian :
3.2.1 Kebutuhan Perangkat Keras :
Laptop : prossesor core i5(2,80GHz), memory 12gb, vga 2gb.
Kamera DSLR : Nikon jenis D3100 yang beresolusi 14,20 megapiksel dan
lensa berjenis 18-55mm.
3.2.2 Kebutuhan Perangkat Lunak :
Adobe Photoshop CC 2015 untuk memotong manual gambar .NEF dan
merubah ke format .png.
MATLAB R2016a unutk melakukan Pengolahan citra aksara jawa pada
daun lontar.
3.3 Tahapan Penelitian
3.3.1 Studi Pustaka
Penelitian dan tulisan tentang eliminasi background dengan method otsu
dan projection profile sudah banyak dilakukan oleh peneliti. (Surinta O., 2009)
melakukan penelitian tentang segmentasi baris pada tulisan tangan bahasa Thailand
dengan menggunakan metode otsu dan horizontal projection profile. Penelitian
tersebut dapat digunakan untuk mencari lokasi teks pada suatu dokumen
berdasarkan sumbu x (horizontal) dan segmentasi karakter pada dokumen tuisan
tangan. Penulis mencoba menggunakan metode tersebut untuk melakukan analisys
pada Aksara jawa pada Daun Lontar yang berada di ruang artati perpustakaan
kampus mrican USD.
(Gonzalez dan Woods, 1992) mendefinisikan proses binerisasi dari
citra grayscale secara umum. Binerisasi dapat digunakan pada penelitian ini untuk
mengubah citra daun lontar dengan warna yang di grayscaling terlebih dahulu
kemudian menjadi hitam putih dengan warna hitam sebagai data dan warna putih
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
sebagai latar. Selain menggunakan projection profile (Surinta O., dkk., 2009)
mengemukakan persamaan untuk mengurangi gangguan pada citra hitam putih.
Penelitian (Gonzalez dan Woods, 1992) dan (Surinta O., dkk., 2009) dapat
digunakan untuk pre-processing citra daun lontar sebelum dilakukan segmentasi
baris horizontal dan segmentasi karakter.
3.3.2 Pengumpulan data
Data citra daun lontar beraksara jawa didapatkan dari hasil pengambilan
gambar dengan kamera dan akan disimpan dalam format *.png, yang berada di
ruang artati perpustakaan, kampus 2 Universitas Sanata Dharma.
Gambar 3.3 Proses Pengambilan Data Aksara Jawa Pada Daun Lontar
3.3.3 Perancangan Sistem dan Pembuata Alat Uji
3.3.3.1 Gambaran Umum Sistem
Skenario sistem dimulai dari memasukkan data citra berupa citra daun
lontar dari hasil foto yang diolah manual sebelum dimasukkan ke dalam sistem.
Kemudian sistem akan merubah citra menjadi citra grayscale, setelah akan
dilakukan tahap binerisasi untuk eliminasi background daun lontar dengan
binerisasi otsu, Berikut adalah diagram konteks data flow diagram dari system
binerisasi citra aksara jawa pada daun lontar :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Gambar 3.4 Diagram Konteks
Gambaran umum dari proses program segmentasi, dimulai darai user
memasukkan data citra daun lontar dengan format .png, kemudian akan diproses
oleh sistem. Dari proses itu sistem akan mengeluarkan hasil berupa citra karakter
aksara jawa.
3.3.3.2 Alur Sistem
Gambar 3.5 Diagram Alur Sistem
Alur system ini akan dimulai dengan pengambilan data berupa citra daun
lontar dengan format .png. Setelah itu akan melakukan langkah pre proccessing
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
dengan mengubah citra RGB lontar menjadi grayscale kemudian langsung berlanjut
ke binerisasi. Setelah selesai binerisasi dan citra RGB berubah menjadi hitam putih
maka akan dilanjutkan dengan proses Proyeksi horizontal, pada proses ini akan
didapatkan 4 baris tiap data lontar. Setelah mendapat 4 baris bagian lontar maka
akan dilakukan pemotongan atau proyeksi vertikal, proses ini akan menghasil
karatker dari setiap baris pertama hingga ke 4.
a) Pre Processing
Tahap ini memiliki input berupa citra rgb dan output berupa citra grayscale
serta citra binerisasi atau citra hitam putih. Berikut gambar 3.6 merupakan alur
tahap pre processing dari system.
Gambar 3.6 Tahapan Pre-Processing Sistem
b) Prosses Projection Profile
Tahap ini memiliki input citra biner yang berasal dari proses pre-
processing dan output berupa citra karakter aksara jawa. Berikut gambar 3.7
merupakan alur tahap projection profile :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Gambar 3.7 Tahap Projection Profile
Dalam proses ini dilakukan beberapa langkah seperti pada gambar 3.7. Pada
tahap pemotongan sementara dilakukan pemotongan sebanyak 20 kali yang di
tentukan dengan melakukan pertimbangan dari perhitungan rata-rata jumlah aksara
setiap baris pada setiap data lontar.
Proyeksi horizontal dilakukan beberapa proses pemotongan dengan syarat
seperti tinggi piksel satu aksara yang ditentukan mulai dari 20 piksel. Hal ini
dilakukan berdasarkan penelitian dari hasil potongan yang didapat sebelumnya.
Kemudian dari angka 20 itu dilakukan penambahan ataupun pengurangan untuk
perulangan pemotongan berdasarkan baris yang didapat.
Penggabungan dilakukan penyamaan tinggi setiap gambar dengan
menambahkan piksel 1 pada bagian atas ataupu bagian bawah sesuai dengan posisi
aksara yang dengan ketentuan titik potong pada gambar masing-masing.
Proyeksi vertikal dilakukan pemotongan karakter dengan ketentuan besaran
atau lebar aksara minimal yaitu 16 piksel. Ditentukan dari analisis hasil karakter
dalam peneletian, yang sudah ditemukan berdasarkan hasil bahwa aksara yang
memnuhi syarat terkecil memiliki lebar 16 piksel. Hal ini dilakukan agar beberapa
noise pada daun lontar tidak termasuk kedalam hasil potongan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
3.3.4 Skenario Pengujian
Pada proses pengujian data, terlebih dahulu sudah diubah format menjadi
.png, kemudian citra tersebut akan dimasukkan kedalam system untuk mendapat
karakter aksara jawa dengan projection profile. Berikut adalah tahapan
pengujiannya :
1. Citra dengan format .png dimasukkan kedalam system.
2. Sistem akan melakukan preprocessing mengubah citra menjadi
grayscale.
3. Citra grayscale kemudian di cari level thresholdnya, kemudian akan
dilakukan binerisasi citra menggunakan nilai threshold tadi.
4. Setelah menjadi black and white Sistem akakn melakukan pemotongan
sementara terhadap data.
5. Setelah didapat potongan gambar sementara akan dilakukan proyeksi
horizontal yang kemudian digabungkan kembali menurut barisnya.
6. Setelah didapatkan masing masing baris system akan melakukan
proyeksi vertikal untukmendapatkan karakter dari setiap barisnya.
3.3.5 Skenario Pengujian Akurasi
Hasil akhir dari scenario pengujian berupa potongan akhir citra berupa
citra aksara perkarakter. Setelah didapatkan hasil karakter akan di lihat satu persatu
mana karakter potongan yang memenuhi syarat sebagai data benar. Akurasi akan
didapatkan dengan melihat total objek pada citra asli/ citra rgb dengan total citra
benar pada hasli karakter.
Persentase Keberhasilan = 100% x persentase objek benar (3.1)
Dimana
Persentase Objek benar = ∑ 𝑂𝑏𝑗𝑒𝑘 𝑏𝑒𝑛𝑎𝑟
∑ 𝑇𝑜𝑡𝑎𝑙 𝑂𝑏𝑗𝑒𝑘 (3.2)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
BAB IV
IMPLEMENTASI SISTEM
Rancangan system yang sudah dibuatdalam BAB III akan diimplementasikan
menjadi system yang digunakaan untuk segmentasi citra aksara jawa pada daun
lontar menggunakan projection profile. Proses implementasinya adalah sebagai
berikut :
4.1 Implementasi Pre Processing
a. Implementasi Load data citra lontar
Setelah data yg sebelumnya diproses manual untuk pemotongan 4
bagian kemudian diload sebagai citra yang akan digunakan/ diolah sebagai
data dengan fungsi imread.
Gambar 4.1 Gambar citra masukkan
b. Implementasi Grayscaling
Setelah load gambar dilakukan maka akan langsung dikenai proses
grayscaling, gambar akan diubah dari citra warna menjadi citra keabuan
dengan fungsi rgb2gray.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Gambar 4.2 Hasil Citra Grayscale
c. Implementasi Otsu
File yg diambil sebelumnya disimpan menggunakan urutan angka yg
akan di looping untuk melakukan proses eliminasi background. Proses
elminasi background ini akan menggunakan otsu dengan threshold keabuan
dari masing-masing gambar, dilakukan dengan fungsi graytrhesh dan im2bw.
Gambar 4.3 Hasil Citra Black and White
4.2 Implementasi Proyeksi Horizontal
Proyeksi horizontal dilakukan dengan menentukan piksel akhir dari satu
aksara/objek sementara. Dengan syarat suatu aksara memiliki tinggi tertentu yang
dihitung dari jumlah piksel. Penentuan jumlah piksel dilakukan dengan
pertimbangan dari beberapa data yang sudah diperoleh.
Sebelum melakukan Proyeksi Horizontal akan dilakukan pemotongan
sementar, fungsinya untuk membantu mencari batas atas dan batas bawah aksara
agar nantinya hasilnya aksara tidak terpotong pada bagian pentingnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
4.2.1 Pemotongan Sementara
Potongan digunakan untuk membantu mencari titik potong atas maupun
bawah aksara yang beragam. Dengan cara memotong citra menjadi 20 bagian secara
vertikal untuk sementara. Pemotongan sebanyak 20 ini didapatkan dengan
pertimbangan dari jumlah karakter aksara jawa pada setiap data lontar yang
digunakan dengan mengambil kesimpulan rata-rata karakter setiap baris nya
terdapat 15 hingga 20 karakter.
ambang atau total potongan sementara akan digunakan sebagai pembagian
jumlah kolomnya, Proses ini dilakukan dengan algoritma berikut:
1. Memberi ambang untuk potongan sementara dengan membagi total
kolom sebanyak 20.
2. Mendeklarasi variable j = ambang.
3. Looping sebanyak total kolom dari citra masukan.
i. Melakukan pemotongan h ke i = seluruh piksel dari i ke j.
ii. Menentukan titik awal selanjutnya i = i didambah ambang.
iii. Dengan perubahan titik akhir j = j ditambah ambang.
iv. Menjumlah total potongan yang dilakukan.
Gambar 4.4 Contoh Hasil Potongan Sementara
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
4.2.2 Proyeksi Horizontal
Cara kerja proyeksi horizontal adalah dengan menghitung jumlah piksel
hitam dari setiap baris pikselnya. Potongan fungsi untuk melakukan proses proyeksi
horizontal setelah mendapat bagian dari potongan sementara, akan dilakukan
looping sebanyak potongan sementara. Berikut adalah algoritma dari proyeksi
horizontal :
1. While k lebih kecil sama dengan total potongan sementara.
2. Jika k bernilai 1.
i. Memanggil potongan sementara dengan variable bw dari hasil
potongan sementara ke k.
ii. for i sama dengan 1 dilakukan looping sebanyak total baris dari
citra potongan sementara.
a. Deteksi batas atas dari aksara.
b. Jika X lebih besar dari level potong.
c. Potong citra dari pAwal sampai pAkhir.
d. Simpan dalam variable b ke urut.
e. TitikP sama dengan pAwal.
3. Kembali ke proses iv hingga akhir baris.
4. Cek potongan baris yang didapat ber jumlah 4 baris atau tidak.
5. Jika potongan yg didapat lebih dari 4 baris maka dilakukan proses
pemotongan ulang dengan penambahan level potong sebanyak 1.
6. Jika potongan yg didapat kurang dari 4 baris maka dilakukan proses
pemotongan ulang dengan pengurangan level potong sebanyak 1.
7. Jika k tidak bernilai 1 dilakukan pemotongan k ke 2 hingga k terakhir
dengan cara yang sama namun akan disimpan dalam variable berbeda.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
Dilakukan 2 kali pemotongan awal karena saat penggabungan gambar
dibutuhkan 2 citra yang dilakukan setiap didapatkan masing-masing potongan
sudah berjumlah 4 baris.
4.2.3 Penggabungan Baris
Penggabungan gambar dari potongan sementara yang sudah dikenai proyeksi
horizontal menjadi satu bagian akan menghasilkan citra berupa baris aksara.
Sehingga didapatkan potongan horizontal yang diinginkan pada penelitian ini.
Pada proses penggabungan baris ini dilakukan dengan melakukan langkah
selanjutnya dari proyeksi horizontal setelah mendapat 2 potongan awal dengan
masing-masing citra memiliki 4 baris hasil potong, dengan algoritma berikut:
1. For n sama dengan 1 dilakukan looping sebanyak jumlah baris.
2. Jika t lebih besar dari newt.
i. Hitung selisih t dengan newt
ii. Buat temp_rowa sebagai citra piksel 1 setinggi selisih t dengan
lebar kolom citra tempB ke n.
iii. Menambah temp_rowa diatas citra tempB ke n.
3. jika baris1 lebih kecil dari baris2, maka
i. while baris1 tidak sama dengan baris2
ii. Menambahkan piksel 1 dibawah citra tempB.
4. jika baris1 lebih besar dari baris2, maka
i. while baris1 tidak sama dengan baris2
ii. Menambahkan piksel 1 dibawah citra newb.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
5. Gabungkan tempB dengan newb
6. Jika t lebih kecil dari newt akan dilakukan hal yang sama dengan
perhitungan selisih nya.
7. Jika t dan newt sama
i. jika baris1 lebih kecil dari baris2, maka
a. while baris1 tidak sama dengan baris2
b. Menambahkan piksel 1 dibawah citra tempB.
ii. jika baris1 lebih besar dari baris2, maka
a. while baris1 tidak sama dengan baris2
b. Menambahkan piksel 1 dibawah citra newb.
8. Gabungkan tempB dengan newb
4.3 Proyeksi Vertikal
Pada proses ini akan mengambil hasil dari proyeksi Horizontal. Proyeksi
vertikal disini berfungsi untuk melakukan pemotongan agar didapatkan perkarakter
aksara jawa pada tiap barisnya.
Melakukan pemotongan vertikal dengan syarat lebar dari aksara yang
dipotong lebih besar dari 16 piksel.
1. For j sebanyak kolom
i. Deteksi titik awal potongan
ii. Jika titik awal hingga akhir potongan lebih besar dari 16 piksel
iii. Potong piksel dari awal hingga titik akhir.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
BAB V
HASIL DAN ANALISA
5.1 Data Masukan
Data citra yang digunakan untuk penelitian ini yaitu data citra aksara jawa
pada daun lontar sebanyak 24 citra. Format file citra masukan bertipe .png dan citra
dokumen dapat dilihat pada table berikut :
Tabel 5.1 Data Citra Aksara Jawa Pada Daun Lontar
No Nama File Ukuran Pixel Ukuran File Citra
1 1.png 292 X 810 498 kb
2 2.png 316 X 1050 1647 kb
3 4.png 312 X 776 564 kb
4 5.png 328 X 822 569 kb
5 6.png 328 X 1050 783 kb
6 7.png 328 X 1050 798 kb
7 8.png 328 X 822 598 kb
8 9.png 288 X 821 581 kb
9 10.png 328 X 1050 734 kb
10 12.png 328 X 822 562 kb
11 13.png 298 X 812 530 kb
12 14.png 298 X 1055 1765 kb
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
No Nama File Ukuran Pixel Ukuran File Citra
13 15.png 298 X 1045 1746 kb
14 16.png 298 X 822 535 kb
15 17.png 316 X 822 540 kb
16 19.png 305 X 1049 754 kb
17 20.png 291 X 781 552 kb
18 21.png 297 X 759 448 kb
19 23.png 304 X 1005 604 kb
20 24.png 320 X 953 567 kb
21 25.png 298 X 802 528 kb
22 26.png 298 X 1060 1796 kb
23 27.png 298 X 1050 1774 kb
24 28.png 267 X 776 498 kb
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
5.2 Hasil Citra Grayscaling
Citra yang sudah diolah manual menjadi 4 bagian akan dilakukan proses
untuk mnjadi citra berjenis grayscale. Tabel 5.2 adalah beberapa contoh hasil
grayscaling.
Tabel 5.2 Contoh Hasil Grayscaling
NO. Citra Asli Citra Grayscale
1
2
3
4
5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
5.3 Hasil Citra Otsu
Hasil dari tahap ini adalah memisahkan background daun lontar dan tulisan
aksara jawa dengan mengubah gambar dari grayscale menjadi hitam putih
menggunakan metode otsu. Table 5.3 adalah beberapa contoh hasil eliminasi
background.
Tabel 5.3 Contoh Hasil Binerisasi
NO. Citra Grayscale Citra biner
1
2
3
4
5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
5.4 Hasil Proyeksi Horizontal
Setelah dilakukan binerisasi maka langsung dilakukan proyeksi horizontal.
Hasil dari proyeksi dapat dilihat pada table 5.4.
Tabel 5.4 Contoh Hasil Proyeksi Horizontal
Nam
a File Gambar Biner Hasil Potong Horizontal
1.png
2.png
Pada hasil proyeksi horizontal ini didapatkan beberapa error seperti baris
yang hilang dikarenakan beberapa factor seperti aksara pada baris bawah yang
tersambung dengan baris atasnya. Baris aksara atas menggantung, atau aksara
terlalu kecil sehinga terpotong bersama baris selanjutnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
5.5 Hasil Proyeksi Vertikal
Hasil citra dari 4 baris yang dihasilkan pada proses proyeksi horizontal akan
dikenai proyeksi vertikal sehingga setiap baris nya akan didapatkan hasil
perkarakter akasa jawa. Berikut contoh gambar dari hasil proyeksi vertikal pada
table 5.5.
Tabel 5.5 Contoh Hasil Proyeksi Vertikal
No Hasil Potong Data benar Data salah
1
x
2
x
3
x
4
v
5
v
6
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
5.6 Hasil Pengujian Projection Profile
Setiap hasil karakter yang didapatkan akan dilihat satu persatu apakah
didapatkan satu karakter saja pada setiap potongan ytang menurut penulisan jawa
benar. Berikut Tabel akurasi hasil dari projection profile yang sudah didapatkan
dengan menggunakan 24 data citra.
Tabel 5.6 Pengujian Akurasi Projection Profile
No Objek Citra
RGB
Objek
Benar
Objek
Error
Akurasi
Error (%)
Akurasi
Benar (%)
1 61 30 31 50.81967 49.18033
2 75 51 24 32 68
3 55 27 28 50.90909 49.09091
4 58 33 25 43.10345 56.89655
5 73 41 32 43.83562 56.16438
6 65 36 29 44.61538 55.38462
7 55 35 20 36.36364 63.63636
8 54 28 26 48.14815 51.85185
9 73 39 34 46.57534 53.42466
10 56 28 28 50 50
11 61 45 16 26.22951 73.77049
12 81 45 36 44.44444 55.55556
13 70 42 28 40 60
14 55 38 17 30.90909 69.09091
15 55 27 28 50.90909 49.09091
16 66 51 15 22.72727 77.27273
17 54 38 16 29.62963 70.37037
18 49 35 14 28.57143 71.42857
19 57 41 16 28.07018 71.92982
20 61 35 27 44.2623 57.37705
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
No Objek Citra
RGB
Objek
Benar
Objek
Error
Akurasi
Error (%)
Akurasi
Benar (%)
21 56 44 12 21.42857 78.57143
22 80 53 27 33.75 66.25
23 71 49 22 30.98592 69.01408
24 55 37 18 32.72727 67.27273
Rerata Akurasi 37.95896 62.10935
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
BAB VI
KESIMPULAN DAN SARAN
Pada bab ini membahas tentang kesimpulan dan saran dari penulis pada
penelitian segmentasi citra aksara pada daun lontar menggunakan projection
profile.
6.1 Kesimpulan
Dari pengujian data yang didapatkan penulis dari hasil penelitian segmentasi
citra aksara pada daun lontar dengan projection profilel, diperoleh kesimpulan
sebagai berikut :
1. Dari hasil analisa output system pada citra masukan sebanyak 24 citra
aksara jawa pada daun lontar diperoleh rata-rataa persentase
keberhasilan mencapai 62.1% dengan rata-rata persentase error
mencapai 37.9%.
2. Rata-rata kegagalan/ error yang didapat akibat kurang bersihnya data
yang diolah, pemotongan sering terganggu oleh piksel yang
menghalangi sehingga terkadang hasil aksara yang didapatkan bisa
lebih dari satu karakter.
6.2 Saran
Berikut Ini saran bagi penelitian berikutnya untuk melanjutkan sistem
segmentasi ini :
1. Dari analisa error, dapat ditambahkan metode noise reduction yang baik
untuk menghilangkan noise dari daun lontar.
2. Cara pengambilan gambar lontar sangat penting untuk menunjang data
yang akan di teliti selanjutnya.
3. Dapat diuji kembali menggunakan data selain daun lontar atau yg
memiliki karakteristik berbeda.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
DAFTAR PUSTAKA
Surinta, O., Rapeeporn C. (2009), Image Segmentation of Historical Handwriting
from Palm Leaf Manuscripts. The International Federation for Information
Processing, Volume 288.
Widiarti Anastasia R., (2006), Pengenalan Citra Dokumen Sastra Jawa Konsep dan
Implementasinya.
http://www.library.usd.ac.id/Data%20PDF/Tesis%20dan%20Disertasi%20
Dosen/Tesis%20dan%20Disertasi/1365_full.pdf diakses tanggal 12 Oktober
2016.
Gonzales, R.C., dan Woods, R.E., 1992, Digital Image Processing, Addison-Wesley
Publishing Company, Inc., USA.
http://folk.uio.no/ainard/Folder2/Digital%20Image%20Processing%203rd%
20ed.%20-%20R.%20Gonzalez,%20R.%20Woods.pdf diakses tanggal 1
Desember 2016.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
LAMPIRAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
Lampiran I
Data
1. 1.png
2. 2.png
3. 3.png
4. 4.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
5. 5.png
6. 6.png
7. 7.png
8. 8.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
9. 9.png
10. 10.png
11. 11.png
12. 12.png
13. 13.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
14. 14.png
15. 15.png
16. 16.png
17. 17.png
18. 18.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
19. 19.png
20. 20.png
21. 21.png
22. 22.png
23. 23.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
24. 24.png
25. 25.png
26. 26.png
27. 27.png
28. 28.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
Lampiran II
Hasil
Lontar 1.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
Lontar 2.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
Lontar 4.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
Lontar 5.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
Lontar 6.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Lontar 7.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Lontar 8.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
Lontar 9.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Lontar 10.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Lontar 12.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Lontar 13.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
Lontar 14.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
Lontar 15.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Lontar 16.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Lontar 17.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Lontar 19.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Lontar 20.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Lontar 21.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Lontar 23.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Lontar 24.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
Lontar 25.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
Lontar 26.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Lontar 27.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Lontar 28.png
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI