PENGENALAN AKSARA JAWA TULISAN TANGAN DENGAN MENGGUNAKAN EKSTRAKSI FITUR ZONING DAN KLASIFIKASI K-NEAREST NEIGHBOUR
RIZKINA MUHAMMAD SYAM
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Pengenalan Aksara Jawa Tulisan Tangan dengan Menggunakan Ekstraksi Fitur Zoning dan Klasifikasi K-Nearest Neighbour adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2013
Rizkina Muhammad Syam NIM G64104013
ABSTRAK RIZKINA MUHAMMAD SYAM. Pengenalan Aksara Jawa Tulisan Tangan dengan Menggunakan Ekstraksi Fitur Zoning dengan Klasifikasi KNearest Neighbour. Dibimbing oleh MUSHTHOFA. Berbagai studi mengenai pengenalan aksara tradisional terus dikembangkan dengan menggunakan berbagai metode. Salah satu contohnya adalah pengenalan aksara Jawa tulisan tangan. Penelitian ini bertujuan untuk menentukan akurasi dengan metode ekstraksi ciri Zoning dan Klasifikasi K-Nearest Neighbour. Data yang digunakan pada penelitian ini adalah aksara Jawa tulisan tangan dari 20 orang berbeda. Masing-masing citra karakter yang ditulis oleh tiap orang diubah dalam ukuran 120 x 120 pixel dan akan menerapkan metode thinning. Ekstraksi fitur yang digunakan adalah metode Zoning gabungan ICZ-ZCZ dengan jumlah zona 4, 6, 8, 9, 10, 12, 15, 16, 18, 20 dan 24. K-Nearest Neighbour digunakan sebagai classifier dengan nilai k meliputi 1, 3, 5 dan 7. Nilai akurasi tertinggi diperoleh pada 12 zona dengan nilai k = 1 pada K-Nearest Neighbour sebesar 71.5%. Kata kunci: pengenalan pola, aksara Jawa, K-Nearest Neighbour, Image Centroid and Zone (ICZ), Zone Centroid and Zone (ZCZ)
ABSTRACT RIZKINA MUHAMMAD SYAM. Handwritten Javanese Script Recognition Using Zoning Feature Extraction and K-Nearest Neighbour Classification. Supervised by MUSHTHOFA. Various studies on traditional script recognition continued to be developed using various methods. One of them is handwritten Javanese script recognition. This research aims to determine the accuracy of the Zoning Feature Extraction and K-Nearest Neighbour Classification method. The data used in this this research are handwritten Javanese script from 20 different peoples. Each of character images will be transformed into 120 x 120 pixels dimension and will undergo the thinning method. The feature extraction method used is the combination of the zoning method ICZ-ZCZ with the number of zones are 4, 6, 8, 9, 10, 12, 15, 16, 18, 20 and 24. K-Nearest Neighbour is used as the classifier with k values are 1, 3, 5 and 7. The highest accuracy was obtained on 12 zones with k = 1 on K-Nearest Neighbour with a value of 71.5%. Keywords: pattern recognition, Javanese script, K-Nearest Neighbour, Image Centroid and Zone (ICZ), Zone Centroid and Zone (ZCZ)
PENGENALAN AKSARA JAWA TULISAN TANGAN DENGAN MENGGUNAKAN EKSTRAKSI FITUR ZONING DAN KLASIFIKASI K-NEAREST NEIGHBOUR
RIZKINA MUHAMMAD SYAM
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Judul Skripsi : Pengenalan Aksara Jawa Tulisan Tangan dengan Menggunakan Ekstraksi Fitur Zoning dan Klasifikasi K-Nearest Neighbour Nama : Rizkina Muhammad Syam NIM : G64104013
Disetujui oleh
Mushthofa, SKom, MSc Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan ke hadirat Allah subhanahu wata’ala, yang telah memberikan nikmat yang begitu banyak, sehingga penulis dapat menyelesaikan penelitian dan tulisan ini. Shalawat dan salam penulis sampaikan kepada Nabi Muhammad shallallahu ‘alaihi wasallam, keluarganya, sahabatnya, serta umatnya hingga akhir zaman. Tulisan ini merupakan hasil penelitian yang penulis lakukan sejak Agustus 2012 hingga Februari 2013. Tulisan ini mengambil topik pengenalan pola, dan bertujuan membangun model pengenalan pola karakter aksara Jawa tulisan tangan. Tak lupa penulis mengucapkan terima kasih kepada seluruh pihak yang telah berperan dalam penelitian ini, yaitu: 1 Ayahanda Syamsudin, Ibunda Nanik Hartati, serta Adik Dhani Nur Indra Syamputra dan Permana Ahmad Syamputra atas kasih sayang, doa, semangat, dan dorongan kepada penulis agar dapat segera menyelesaikan penelitian ini. Bapak Mushthofa, SKom, MSc, selaku dosen pembimbing, yang telah 2 memberikan banyak ide, masukan, dan dukungan kepada penulis. 3 Bapak Aziz Kustiyo, SSi, MKom dan Bapak Toto Haryanto, SKom, MSi, yang telah bersedia menjadi penguji. 4 Para sahabat: Dedi Kiswanto, Asep Haryono, Leonardo Siagian, sahabat kontrakan FAT32 (Agung Widyo Utomo, Septiandi Wibowo, Yusrizal Ihya, Galih Eka, dll) serta teman-teman Ilkom Alih Jenis angkatan 5 yang lain atas kebersamaannya selama 2.5 tahun ini. Rekan satu bimbingan: Putri Ayu Pramesti, Hafara Fisca, Intan Ayu Octavia 5 dan Rahmi Juwita Sukma yang telah sharing informasi serta semangat selama pengerjaan skripsi. 6 Pihak-pihak lain yang tidak dapat penulis sebutkan satu persatu. Penulis berharap penelitian dan tulisan ini dapat memberikan manfaat untuk kemajuan masyarakat Indonesia pada umumnya dan masyarakat Jawa pada khususnya.
Bogor, Juni 2013
Rizkina Muhammad Syam
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Tujuan Penelitian Ruang Lingkup Penelitian TINJAUAN PUSTAKA Aksara Jawa Algoritme Thinning Metode Ekstraksi Ciri Zoning K-Nearest Neighbour METODE PENELITIAN Pengumpulan Data Citra Praproses Data Ekstraksi Ciri K-Fold Cross Validation K-Nearest Neighbour (KNN) Analisis dan Evaluasi Lingkungan Penelitian HASIL DAN PEMBAHASAN Pengumpulan Data Citra Praproses Data Ekstraksi Ciri K-Nearest Neighbour Analisis Hasil SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN RIWAYAT HIDUP
vi vi vi 1 1 2 2 2 2 3 3 4 4 5 5 6 7 7 7 8 8 8 9 9 10 11 15 15 16 16 17 26
DAFTAR TABEL 1 2 3 4 5 6 7 8
Pembagian fold pada 5-fold Cross Validation Daftar ukuran data hasil ekstraksi ciri Akurasi tiap zona dengan KNN untuk nilai k = 1 Akurasi tiap zona dengan KNN untuk nilai k = 3 Akurasi tiap zona dengan KNN untuk nilai k = 5 Akurasi tiap zona dengan KNN untuk nilai k = 7 Perbandingan akurasi terbaik tiap k Nilai rata-rata akurasi tiap zona
7 10 11 11 12 12 13 13
DAFTAR GAMBAR 1 2 3 4 5 6 7 8
Huruf dasar aksara Jawa Pixel ketetanggaan Skema metode penelitian Ilustrasi ekstraksi fitur ICZ-ZCZ zona Contoh formulir pengambilan data Praproses citra Perbandingan nilai akurasi tiap zona Contoh hasil praproses citra sebelum segmentasi pada penelitian Wibowo (2012)
2 3 5 6 8 10 14 15
DAFTAR LAMPIRAN 1 Gambar citra hasil akuisisi dari responden 2 Tabel Confusion matrix untuk pada zona 12 dengan k = 1 3 Contoh perbandingan kemiripan antarkarakter aksara Jawa
17 22 23
PENDAHULUAN Latar Belakang Sistem pengenalan pola (pattern recognition) merupakan konsep keilmuan yang telah dikembangkan bertahun-tahun. Pengenalan pola adalah disiplin ilmu yang bertujuan mengklasifikasikan objek dalam banyak kategori atau kelas. Pengenalan pola juga merupakan bagian penting dalam banyak sistem cerdas yang dibangun untuk membantu dalam pengambilan keputusan (Theodoridis dan Koutroumbas 2008). Optical Character Recognition (OCR) merupakan salah satu bentuk pengenalan pola yang dapat mengenali karakter pada media tertentu, baik yang bersifat on-line maupun off-line. Tujuan dari pengenalan karakter ini adalah untuk menerjemahkan karakter yang dikenal manusia agar bisa dikenal oleh sistem komputer. Alur kerja dari OCR terdiri atas 5 tahapan, yaitu: proses input citra, praproses, segmentasi, ekstraksi ciri, dan klasifikasi serta hasil pengenalan citra (Sinha et al. 2012). Pengenalan pola dapat digunakan untuk mengenali tulisan tangan maupun tulisan dalam bentuk cetakan, baik tulisan aksara Latin maupun aksara non-Latin seperti yang dilakukan oleh Rajashekararadhya dan Ranjan (2008). Salah satu bentuk tulisan dengan aksara non-Latin adalah tulisan dengan menggunakan aksara Jawa. Aksara Jawa merupakan khazanah budaya yang telah diwariskan secara turun-temurun oleh nenek moyang masyarakat suku Jawa. Aksara Jawa ini juga telah menjadi disiplin ilmu yang wajib disertakan pada pelajaran bahasa Jawa dari tingkat dasar (SD) sampai menengah (SMA) terutama di daerah Jawa Tengah, Jawa Timur dan Yogyakarta. Untuk lebih mempertegas eksistensi aksara Jawa, beberapa daerah turut menyertakan penulisan dalam aksara Jawa untuk mendeskripsikan nama jalan, nama tempat, serta fasilitas publik lainnya. Namun, tidak semua orang dapat membaca tulisan dalam aksara Jawa, terutama bagi para warga pendatang dan turis. Hal ini disebabkan bentuk karakter pada aksara Jawa berbeda dengan karakter pada aksara Latin. Oleh karena itu, untuk mempermudah dalam pengenalan aksara Jawa diperlukan sebuah sistem komputer yang dapat membaca dan dan mengenali tulisan dengan aksara Jawa, terutama dalam bentuk tulisan tangan. Penelitian mengenai pengenalan aksara tradisional telah banyak dilakukan. Salah satu penelitian yang terkait yaitu penelitian yang dilakukan oleh Wibowo (2012) tentang pengenalan aksara Jawa tulisan tangan menggunakan Fuzzy Feature Extraction dengan metode Jaringan Syaraf Tiruan Propagasi Balik dengan akurasi mencapai 84.1%. Mulia (2012) juga telah melakukan penelitian tentang pengenalan karakter aksara Sunda tulisan cetak dengan menggunakan metode klasifikasi Support Vector Machine (SVM). Akurasi terbaik terdapat pada ekstraksi fitur gabungan ICZ dan ZCZ dengan akurasi mencapai 93.99%. Mengacu pada penelitian yang telah dilakukan oleh Rajashekararadhya dan Ranjan (2008) serta Mulia (2012), penelitian ini dilakukan dengan menggunakan ekstraksi fitur Zoning gabungan ICZ dan ZCZ dengan K-Nearest Neighbour (KNN) sebagai classifier-nya. Dalam penelitiannya, Rajashekararadhya dan
2 Ranjan (2008) memperoleh tingkat pengenalan karakter tulisan tangan Kannada, Tamil, Telugu, dan Malayalam sebesar 90% dengan menggunakan ekstraksi fitur gabungan ICZ-ZCZ dengan proses klasifikasi menggunakan Jaringan Syaraf Tiruan (JST) dan KNN. Tujuan Penelitian 1
2
Tujuan dari penelitian ini adalah: Menerapkan teknik pengenalan pola untuk karakter aksara Jawa tulisan tangan menggunakan ekstraksi fitur Zoning dengan metode klasifikasi KNearest Neighbour (KNN). Menentukan nilai akurasi dari metode yang digunakan. Ruang Lingkup Penelitian
1 2 3
Ruang lingkup dari penelitian ini sebagai berikut: Karakter aksara Jawa yang digunakan dalam penelitian adalah huruf dasar (aksara nglegena atau aksara carakan) tunggal. Model yang akan dikembangkan hanya mengenali pola aksara Jawa dalam bentuk tulisan tangan yang tegak (tidak miring). Ekstraksi fitur zoning yang digunakan adalah gabungan ICZ-ZCZ.
TINJAUAN PUSTAKA Aksara Jawa Huruf-huruf dalam aksara Jawa dibagi dalam beberapa jenis, antara lain huruf dasar (aksara carakan/nglegena) yang merupakan huruf utama dan terdiri atas 20 karakter seperti pada Gambar 1.
Gambar 1 Huruf dasar aksara Jawa Selain itu, aksara Jawa juga memiliki jenis huruf yang lain, antara lain huruf pasangan (aksara pasangan) yang berjumlah 20 huruf, huruf kapital (aksara murda) yang berjumlah 7 huruf, huruf vokal mandiri (aksara swara) sebanyak 5 huruf, huruf vokal tidak mandiri (aksara sandhangan) yang berjumlah 9 huruf,
3 huruf bilangan (aksara wilangan) yang berjumlah 10 huruf, serta huruf tambahan (aksara rekan) yang berjumlah 7 huruf. Algoritme Thinning Thinning adalah proses morfologi citra yang mengubah bentuk asli citra biner menjadi citra yang menampilkan batas-batas objek atau foreground dengan ketebalan hanya 1 pixel. Algoritme thinning secara iteratif akan mengubah nilai pixel pada citra biner dari 0 ke 1 sampai terpenuhinya suatu keadaan ketika satu himpunan dari lebar per unit (satu pixel) terhubung menjadi satu garis (Zurnawita dan Suar 2009). Setiap iterasi dari metode ini terdiri atas dua sub-iterasi yang berurutan yang dilakukan terhadap contour points dari wilayah citra. Contour point adalah setiap pixel dengan nilai 1 dan memiliki setidaknya satu 8-neighbour yang memiliki nilai 0. Contoh pixel ketetanggaan terlihat pada Gambar 2. p9
p2
p3
p8
p1
p4
p7
p6
p5
Gambar 2 Pixel ketetanggaan Langkah pertama dari metode ini adalah menandai contour point p untuk dihapus jika memenuhi kondisi seperti berikut : 1 2 ≤ N(p1) ≤ 6 N(p1) merupakan jumlah tetangga dari p1 yang tidak 0, yaitu : N(p1) = p2 + p3 + … + p8 + p9 S(p1) = 1 2 S(p1) adalah jumlah transisi 0-1 pada urutan p2, p3, … , p8, p9. 3 p2 . p4 . p6 = 0 Hasil perkalian antara nilai pixel p2, p4 dan p6 sama dengan 0. 4 p4 . p6 . p8 = 0 Hasil perkalian antara nilai pixel p4, p6 dan p8 sama dengan 0. Pixel yang telah ditandai tidak akan dihapus sebelum semua border points selesai diproses. Prosedur penandaan dan penghapusan ini akan dilakukan secara iteratif sampai tidak ada lagi titik yang dapat dihapus sehingga pada saat algoritme ini selesai maka akan dihasilkan skeleton dari citra awal. Metode Ekstraksi Ciri Zoning Zoning merupakan salah satu metode ekstraksi ciri pada citra karakter. Secara umum, dengan metode ekstraksi ciri zoning citra akan dibagi menjadi beberapa zona yang berukuran sama, untuk kemudian dari setiap zona akan diambil cirinya. Seperti yang disebutkan oleh Rajashekararadhya dan Ranjan (2008), ada beberapa variasi algoritme untuk metode ekstraksi ciri zoning, yaitu
4 metode ekstraksi ciri ICZ (image centroid and zone), metode ekstraksi ciri ZCZ (zone centroid and zone), dan metode ekstraksi ciri gabungan (ICZ + ZCZ). Pendekatan yang dilakukan dalam penelitian ini adalah dengan metode ekstraksi gabungan (ICZ + ZCZ) dengan langkah-langkah sebagai berikut: 1 Hitung centroid dari citra masukan. 2 Bagi citra masukan menjadi n zona yang sama. 3 Hitung jarak antara centroid citra dengan setiap pixel yang ada dalam zona. 4 Ulangi langkah 3 untuk semua pixel yang ada dalam zona. 5 Hitung jarak rata-rata antara titik-titik tersebut. 6 Hitung centroid tiap zona. 7 Hitung jarak antara centroid zona dengan setiap pixel yang ada dalam zona. Ulangi langkah 7 untuk semua pixel yang ada dalam zona. 8 9 Hitung jarak rata-rata antara titik-titik tersebut. 10 Ulangi langkah 3-9 untuk semua zona secara berurutan. 11 Akhirnya, akan didapatkan 2n ciri untuk klasifikasi dan pengenalan.
K-Nearest Neighbour K-Nearest Neighbour (KNN) merepresentasikan setiap data sebagai titik dalam k-ruang dimensi. Jika ada sebuah data uji maka akan dihitung kedekatan titik data lainnya pada data latih untuk diklasifikasikan berdasarkan kedekatannya yang didefinisikan dengan ukuran jarak. Fungsi jarak yang umumnya digunakan adalah jarak Euclidean yang direpresentasikan dalam persamaan sebagai berikut (Han dan Kamber 2006). 𝑛 2 𝐷𝑖𝑗 = 𝑖=1 𝑝𝑖 − 𝑞𝑖 Dij merupakan jarak antara vektor pi yang merupakan sebuah titik yang telah diketahui kelasnya dan qi yang merupakan titik baru yang merepresentasikan data yang akan dijadikan data uji. Jarak antara vektor dan titik dari data latih akan dihitung dan diambil k buah vektor terdekat. Langkah-langkah dalam teknik klasifikasi dengan K-Nearest Neighbour sebagai berikut : 1 Menentukan parameter k (jumlah tetangga terdekat). 2 Menghitung jarak antara data yang masuk dan semua sampel latih yang sudah ada dengan metode Euclidean Distance. 3 Menentukan k label data yang mempunyai jarak yang minimal. 4 Mengklasifikasikan data baru ke dalam label data yang mayoritas.
METODE PENELITIAN Skema penelitian yang akan dilakukan seperti pada Gambar 3. Tahapantahapannya yaitu pengumpulan data citra, praproses citra, ekstraksi ciri, klasifikasi, pengujian, dan analisis serta evaluasi hasil.
5 Mulai
Pengumpulan Data Citra
Citra Aksara (400 data)
Praproses Citra
Ekstraksi Ciri
Data Uji
Data Latih
Pengujian
K-NN Analisis dan Evaluasi
Selesai
Gambar 3 Skema metode penelitian Pengumpulan Data Citra Data citra yang akan digunakan selama penelitian dikumpulkan pada tahapan ini. Data citra diambil dari 20 orang berbeda yang sebelumnya pernah mempelajari aksara Jawa. Setiap responden akan menuliskan setiap karakter aksara Jawa dasar (nglegena) yang berjumlah 20 karakter pada selembar formulir yang telah disediakan. Praproses Data Agar citra dapat diekstraksi dan dilakukan pengenalan pola, maka perlu dilakukan tahapan praproses terlebih dahulu. Metode praproses yang digunakan meliputi: 1 Melakukan proses binerisasi (mengubah citra RGB atau grayscale menjadi citra biner) dengan nilai threshold tertentu, yakni 0.5 serta mengubah nilai pixel dari citra menjadi 0 dan 1. Melakukan restorasi citra dengan membuang noise dengan metode 82 connected. Metode ini digunakan untuk mengantisipasi ukuran noise citra yang cukup besar yang berasal dari noda spidol maupun debu yang menempel saat proses scan. Metode 8-connected merupakan metode segmentasi pada setiap pixel dengan melakukan pengecekan keterhubungan dengan 8 pixel tetangganya.
6 3 4 5
Memotong (cropping) bagian karakter dari citra karena hanya bagian karakter saja yang akan diproses, sementara bagian latar akan dibuang. Mengubah dimensi dari citra aksara dalam ukuran 120 x 120 pixel. Melakukan proses thinning untuk mendapatkan kerangka inti dari citra karakter. Ekstraksi Ciri
Tahapan ini dilakukan untuk mendapatkan fitur yang menjadi ciri dari setiap karakter aksara Jawa. Fitur tersebut nantinya akan dijadikan acuan dalam proses klasifikasi dan pengenalan pola. Pendekatan yang digunakan dalam penelitian ini adalah ekstraksi fitur gabungan Image Centroid and Zone dan Zone Centroid and Zone (ICZ - ZCZ). Ilustrasi mengenai ekstraksi fitur ICZ-ZCZ dapat dilihat pada Gambar 4. Sebelum memulai tahapan ini, citra yang akan diolah harus memiliki dimensi yang sama besar. Setelah itu, dihitung nilai centroid citra dengan rumus seperti berikut: 𝑥𝑐 =
(𝑥1 . 𝑝1 + 𝑥2 𝑝2 + … + 𝑥𝑛 𝑝𝑛 ) (𝑝1 + 𝑝2 + … + 𝑝𝑛 )
𝑦𝑐 =
(𝑦1 . 𝑝1 + 𝑦2 𝑝2 + … + 𝑦𝑛 𝑝𝑛 ) (𝑝1 + 𝑝2 + … + 𝑝𝑛 )
dengan: xc = centroid koordinat x xc = centroid koordinat y xn = koordinat x dari pixel ke-n
xn = koordinat x dari pixel ke-n pn = Nilai pixel ke-n
Gambar 4 Ilustrasi ekstraksi fitur ICZ-ZCZ zona Dari Gambar 4, setelah centroid dari citra diperoleh, lalu citra input dibagi kedalam sejumlah area yang sama besar (z1, z2, .., zn). Selanjutnya, dicari jarak antara centroid citra dengan koordinat pixel dalam tiap zona dengan menggunakan
7 metode Euclidean Distance (d1, d2, .., dn) dan dihitung rata-rata jarak antar titik tersebut. Tahapan selanjutnya adalah menghitung centroid tiap zona dengan masingmasing pixel pada citra (D1, D2, .. Dn) lalu menghitung jarak rata-rata pixel yang ada pada masing-masing zona tersebut sehingga akan diperoleh 2 nilai fitur untuk tiap zona (f1, f2, …, fn). K-Fold Cross Validation Data yang sudah melalui proses ekstraksi ciri kemudian akan dibagi menjadi data latih dan data uji dengan menggunakan k-fold cross validation. Nilai k yang digunakan adalah 5 sehingga akan diperoleh 5 buah fold, yaitu fold1, fold2, fold3, fold4, dan fold5. Pembagian fold terlihat seperti pada Tabel 1. Tabel 1 Pembagian fold pada 5-fold Cross Validation
Fold 1 Fold 2 Fold 3 Fold 4 Fold 5
s1 Uji Latih Latih Latih Latih
s2 Latih Uji Latih Latih Latih
s3 Latih Latih Uji Latih Latih
s4 Latih Latih Latih Uji Latih
s5 Latih Latih Latih Latih Uji
Keterangan : s1 - s5 = subset 1 sampai 5
K-Nearest Neighbour (KNN) Proses klasifikasi dengan KNN dilakukan menggunakan data latih hasil ekstraksi ciri yang sebelumnya sudah dibagi menggunakan k-fold crossvalidation. Dalam melakukan pelatihan dan pengujian data, karakter akan diambil satu persatu dari kumpulan citra yang ada. Jumlah kelas yang ada dalam pengenalan aksara Jawa ini yaitu 20 kelas. Dalam proses klasifikasi sebelumnya harus ditentukan dahulu nilai k, yaitu jumlah tetangga terdekat yang akan dilihat kelasnya untuk menentukan kelas terbanyak yang merupakan kelas dari titik baru. Nilai k akan sangat berpengaruh pada akurasi hasil klasifikasi. Nilai k yang akan dicobakan pada penelitian ini adalah 1, 3, 5, dan 7. Analisis dan Evaluasi Tahapan ini merupakan tahapan terakhir dalam mengevaluasi kelebihan serta kekurangan dari metode yang digunakan. Hal ini terlihat dari hasil perbandingan antara hasil klasifikasi citra aksara Jawa dengan citra aksara Jawa asli. Proses perhitungan akurasi hasil klasifikasi menggunakan rumus berikut:
8 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =
𝑁𝑏𝑒𝑛𝑎𝑟 𝑥 100% 𝑁
Dengan : ΣNbenar : jumlah citra yang tepat terklasifikasi ΣN : jumlah citra yang ada Lingkungan Penelitian Lingkungan yang digunakan untuk penelitian ini memiliki spesifikasi sebagai berikut: Perangkat keras: Processor Intel Dual Core 2,31 GHz. Memory RAM dengan kapasitas 2 GB. Harddisk dengan kapasitas 250 GB. Perangkat lunak: Sistem Operasi Microsoft Windows 7 Ultimate Service Pack 2 32-bit MATLAB R2008b.
HASIL DAN PEMBAHASAN Pengumpulan Data Citra Data yang digunakan dalam penelitian ini didapat dari hasil penyebaran formulir yang dilakukan ke 20 responden yang pernah mempelajari aksara Jawa. Responden akan diminta untuk mengisi formulir tersebut dengan menuliskan 20 aksara Jawa dasar (aksara nglegena) dengan menggunakan sebuah spidol kecil berwarna hitam. Kertas yang digunakan adalah kertas A4 80 gram dengan dimensi area penulisan tiap karakter sebesar 2.16 x 3.23 cm. Contoh formulir pengambilan data terlihat pada Gambar 5, sedangkan data seluruh formulir pengambilan data serta satu contoh formulir berukuran satu halaman penuh tercantum pada Lampiran 1.
Gambar 5 Contoh formulir pengambilan data
9 Setelah semua formulir telah terisi dan terkumpul, formulir-formulir tersebut diubah menjadi data citra digital dengan melakukan proses scanning dengan menggunakan scanner. Kemudian, citra hasil scan tersebut dipotong untuk diambil citra hurufnya saja sehingga dari tiap responden akan didapat 20 citra aksara Jawa. Praproses Data Pada tahapan praproses data, data citra yang telah diperoleh dari proses pengumpulan data akan diubah menjadi citra biner (binerisasi), dibuang noise-nya (noise removal), dipotong (crop), diubah ukurannya (resize), serta dilakukan proses thinning. Data citra aksara yang telah diperoleh sebelumnya harus dibinerisasikan untuk memastikan bahwa komponen warna yang terdapat pada citra aksara hanya terdiri atas warna hitam dan putih. Selain itu, nilai pixel citra harus dikomplemenkan agar bagian karakter pada citra tersebut bernilai 1, sedangkan pada bagian background bernilai 0. Citra aksara hasil dari proses pengumpulan data memungkinkan munculnya noise, baik yang disebabkan dari noda spidol selama proses penulisan aksara Jawa oleh responden maupun debu yang berasal dari proses scanning. Proses penghilangan noise menggunakan metode 8-connected. Metode ini dipilih karena metode median filter tidak bisa digunakan untuk menghilangkan noise yang berukuran besar. Luas area dari tiap pixel yang terhubung akan dihitung dan dijadikan satu label. Jika luas sebuah area kurang dari 100 pixel, maka nilai pixel dari area tersebut akan diubah menjadi 0. Setelah noise berhasil dibuang, citra tersebut akan dipotong (crop) karena hanya bagian karakter saja yang akan diproses, sedangkan bagian latar akan dibuang. Cara memotongnya adalah dengan menentukan batas kanan, kiri, atas dan bawah dari area karakter yang akan diambil. Setelah itu, elemen citra yang berada di dalam batas akan diambil sebagai data citra baru. Setelah dilakukan proses pemotongan, diperoleh citra hasil yang ukurannya tidak seragam antara satu dengan lainnya. Agar ukurannya sama, maka citra hasil harus diubah ukurannya menjadi 120 x 120 pixel. Kemudian, akan dilakukan proses thinning pada citra untuk mendapatkan bentuk kerangka inti dari citra karakter. Perbandingan antara citra sebelum dilakukan praproses, saat binerisasi, pemotongan, pengubahan ukuran, serta thinning ditunjukkan oleh Gambar 6. Ekstraksi Ciri Metode ekstraksi ciri yang digunakan adalah ekstraksi ciri zoning gabungan antara Image Centroid and Zone (ICZ) dan Zone Centroid and Zone (ZCZ). Jumlah zona yang akan digunakan adalah 4, 6, 8, 9, 10, 12, 15, 16, 18, 20, dan 24 zona.
10
Gambar 6 Praproses citra: (a) Citra sebelum dilakukan praproses, (b) citra setelah dilakukan binerisasi dan dikomplemenkan, (c) citra setelah dilakukan pemotongan (cropping), (d) citra setelah dilakukan pengubahan ukuran (resizing), dan (e) citra setelah dilakukan proses thinning Setelah dilakukan ekstraksi ciri dengan menggunakan algoritme gabungan ICZ dan ZCZ dengan menggunakan ke-11 zona, maka akan diperoleh 11 dataset yang memiliki ukuran yang berbeda seperti ditunjukkan pada Tabel 2. Tabel 2 Daftar ukuran data hasil ekstraksi ciri Jumlah Zona 4 6 8 9 10 12 15 16 18 20 24
Dimensi 2x2 2x3 2x4 3x3 2x5 2x6 3x5 2x8 3x6 2 x 10 3x8
Ukuran Data 400 x 8 400 x 12 400 x 16 400 x 18 400 x 20 400 x 24 400 x 30 400 x 32 400 x 36 400 x 40 400 x 48
K-Nearest Neighbour Setelah didapatkan data hasil ekstraksi ciri, proses selanjutnya adalah proses klasifikasi dengan K-Nearest Neighbour (KNN). Data yang akan dijadikan sebagai data uji akan dibandingkan dengan data latih hasil ekstraksi ciri. Data yang digunakan sebagai data latih pada KNN sebanyak 320 buah, sedangkan untuk data uji yang digunakan sebanyak 80 buah. Pembagian data dilakukan dengan 5-fold cross-validation. Setelah data dibagi menggunakan k-fold
11 cross-validation, dilakukan proses klasifikasi menggunakan KNN dengan nilai k yang akan diujicobakan adalah 1, 3, 5, dan 7. Analisis Hasil Untuk KNN dengan k = 1 Nilai akurasi dengan k = 1 pada KNN untuk setiap zona yang digunakan terlihat pada Tabel 3. Dari Tabel 3 terlihat bahwa nilai akurasi tertinggi pada k = 1terdapat pada zona 12 dengan nilai akurasi mencapai 71.50%. Tabel 3 Akurasi tiap zona dengan KNN untuk nilai k = 1 Jumlah Zona 4 6 8 9 10 12 15 16 18 20 24
Nilai Akurasi (dalam %) 54.50 60.25 58.25 61.50 70.00 71.50 61.50 65.75 64.50 68.00 55.75
Untuk KNN dengan k = 3 Nilai akurasi pada KNN dengan k = 3 untuk setiap zona yang digunakan terlihat pada Tabel 4. Dari Tabel 4 terlihat bahwa nilai akurasi tertinggi pada k = 3 terdapat pada zona 12 dengan nilai akurasi yang diperoleh mencapai 69.75%. Tabel 4 Akurasi tiap zona dengan KNN untuk nilai k = 3 Jumlah Zona 4 6 8 9 10 12 15 16 18 20 24
Nilai Akurasi (dalam %) 56.00 61.25 58.50 59.75 68.50 69.75 57.50 64.75 64.50 65.50 54.75
12 Untuk KNN dengan k = 5 Nilai akurasi pada KNN dengan k = 5 untuk setiap zona yang digunakan terlihat pada Tabel 5. Dari Tabel 5 terlihat bahwa nilai akurasi tertinggi pada k = 5 terdapat pada zona 12 dengan akurasi yang diperoleh mencapai 67.00%. Tabel 5 Akurasi tiap zona dengan KNN untuk nilai k = 5 Jumlah Zona 4 6 8 9 10 12 15 16 18 20 24
Nilai Akurasi (dalam %) 58.25 62.50 60.50 59.75 66.00 67.00 60.75 62.25 62.00 61.50 54.00
Untuk KNN dengan k = 7 Nilai akurasi pada KNN dengan k = 7 untuk setiap zona yang digunakan terlihat pada Tabel 6. Dari Tabel 6 terlihat bahwa nilai akurasi tertinggi pada k = 7 terdapat pada zona 10 dengan akurasi yang diperoleh mencapai 67.25%. Tabel 6 Akurasi tiap zona dengan KNN untuk nilai k = 7 Jumlah Zona 4 6 8 9 10 12 15 16 18 20 24
Nilai Akurasi (dalam %) 57.75 59.00 59.00 58.75 67.25 63.50 58.00 60.75 59.50 63.50 55.25
Dari keempat percobaan yang dilakukan pada tiap nilai k pada KNN, nilai akurasi dari tiap nilai k akan dibandingkan satu sama lain untuk memperoleh nilai k yang mempunyai rata-rata nilai akurasi terbaik. Perbandingan nilai akurasi untuk zona terbaik pada setiap nilai k pada KNN terlihat pada Tabel 7.
13 Tabel 7 Perbandingan akurasi terbaik tiap k Zona 4 6 8 9 10 12 15 16 18 20 24 Rata-rata
k=1 54.50 60.25 58.25 61.50 70.00 71.50 61.50 65.75 64.50 68.00 55.75 62.86
Akurasi (dalam %) k=3 k=5 56.00 58.25 61.25 62.50 58.50 60.50 59.75 59.75 68.50 66.00 69.75 67.00 57.50 60.75 64.75 62.25 64.50 62.00 65.50 61.50 54.75 54.00 61.89 61.32
k=7 57.75 59.00 59.00 58.75 67.25 63.50 58.00 60.75 59.50 63.50 55.25 60.20
Berdasarkan data pada Tabel 7, nilai rata-rata tertinggi terdapat pada k = 1 dengan nilai akurasi rata-rata mencapai 62.86% dan nilai rata-rata akurasinya semakin menurun untuk nilai k selanjutnya. Sedangkan secara keseluruhan nilai akurasi terbaik pada penelitian ini terdapat pada zona 12 dengan nilai k = 1 pada KNN dengan akurasi mencapai 71.50%. Analisis Faktor Zona Nilai rata-rata akurasi yang diperoleh untuk setiap zona yang digunakan dari semua nilai k pada KNN dalam penelitian ini dapat dilihat pada Tabel 8. Dari Tabel 8 terlihat bahwa nilai rata-rata akurasi tertinggi terdapat pada zona 10 dan 12 dengan nilai akurasi mencapai 67.938%. Grafik pola perbandingan dari nilai rata-rata akurasi dapat dilihat pada Gambar 7. Tabel 8 Nilai rata-rata akurasi tiap zona Zona 4 6 8 9 10 12 15 16 18 20 24
Rata-Rata Akurasi (dalam %) 56.625 60.750 59.063 59.938 67.938 67.938 59.438 63.375 62.625 64.625 54.938
Akurasi (%)
14 100 90 80 70 60 50 40 30 20 10 0 0
5
10
15
20
25
Jumlah Zona
Gambar 7 Perbandingan nilai akurasi tiap zona Faktor Kesalahan Ada beberapa faktor yang dapat menyebabkan akurasi yang diperoleh dari penelitian ini masih rendah, antara lain dari sisi citra tulisan aksara Jawa yang meliputi: Citra aksara berupa tulisan tangan lebih bervariasi daripada citra aksara 1 yang berasal dari tulisan cetak (printed). Hal ini akan berpengaruh terhadap nilai akurasi karena setiap huruf pada tulisan cetak memiliki tingkat kemiripan yang lebih tinggi terhadap huruf yang sama dibandingkan pada aksara Jawa. 2 Pada aksara Jawa, setiap orang memiliki gaya penulisan yang berbeda. Perbedaan itu dapat dilihat dari kemiringan tulisan, jarak antar kaki tiap huruf, dan sebagainya. 3 Beberapa karakter dalam aksara Jawa memiliki bentuk yang hampir serupa dengan karakter lainnya. Hal ini dapat mengakibatkan sebuah karakter dalam aksara Jawa yang menjadi data uji bisa teridentifikasi ke dalam kelas yang salah. Dari tabel confusion matrix yang terdapat pada Lampiran 2, beberapa karakter aksara Jawa yang diujikan terklasifikasi ke dalam kelas tertentu yang merupakan kelas yang salah atau bukan kelas aslinya. Karakter aksara Jawa yang salah tersebut secara bentuk memiliki kemiripan dengan satu atau beberapa aksara lainnya. Karakter tersebut antara lain: 1 Na (10 data karakter Na teridentifikasi benar) memiliki kemiripan dengan Ka (4 data karakter Na teridentifikasi ke dalam kelas Ka) dan Da (5). Ca (14) memiliki kemiripan dengan Dha (4). 2 3 Wa (11) memiliki kemiripan dengan Dha (4). 4 Nga (13) memiliki kemiripan dengan Tha (5). Sementara itu, karakter yang paling sering terklasifikasi dengan benar adalah karakter Ya (20) dan Ga (19). Daftar lengkap mengenai analisis perbedaan dari karakter-karakter yang salah tersebut tercantum pada Lampiran 3.
15 Perbandingan dengan Penelitian Wibowo (2012) Setelah diperoleh nilai akurasi secara keseluruhan, hasil dari penelitian ini akan dibandingkan dengan hasil penelitian yang dilakukan Wibowo (2012) tentang pengenalan huruf Jawa tulisan tangan dengan menggunakan Jaringan Saraf Tiruan (JST) dengan Fuzzy Feature Extraction. Jika dibandingkan dengan penelitian tersebut, nilai akurasi yang dihasilkan dari penelitian ini lebih kecil dari penelitian yang dilakukan oleh Wibowo (2012) tersebut yang mencapai 84.1 %. Hal ini disebabkan karena penelitian tersebut menggunakan pendekatan berupa proses segmentasi tiap karakter citra aksara Jawa, sedangkan penelitian ini menggunakan pendekatan pembagian zona citra karakter. Contoh hasil praproses citra yang dilakukan oleh Wibowo (2012) sebelum dilakukan proses segmentasi terlihat pada Gambar 8.
Gambar 8
Contoh hasil praproses citra sebelum segmentasi pada penelitian Wibowo (2012)
SIMPULAN DAN SARAN Simpulan Dari penelitian yang telah dilakukan dalam pengenalan karakter aksara Jawa ini dapat diambil beberapa kesimpulan sebagai berikut: 1 Metode zoning gabungan ICZ dan ZCZ dengan KNN sebagai classifier dapat diimplementasikan dalam pengenalan karakter aksara Jawa tulisan tangan. Klasifikasi KNN dengan nilai k = 1 memiliki rata-rata hasil pengenalan yang 2 lebih baik dibandingkan dengan k yang bernilai 3, 5, dan 7. 3 Nilai akurasi tertinggi diperoleh pada zona 12 dengan nilai k = 1 pada KNN dengan nilai akurasi mencapai 71.5%. 4 Dari 11 bentuk zona yang diuji, zona 10 dan 12 memiliki dengan nilai akurasi rata-rata terbaik sebesar 67.938%. 5 Nilai akurasi tertinggi dari penelitian ini menghasilkan nilai akurasi yang lebih rendah dibandingkan penelitian yang telah dilakukan oleh Wibowo (2012) yang mencapai 84.1%.
16 Saran Beberapa hal yang perlu dikembangkan lebih lanjut dari penelitian ini antara lain: 1 Melakukan pengenalan aksara Jawa dengan menggunakan metode ekstraksi ciri dan klasifikasi yang lain (jaringan syaraf tiruan, Support Vector Machine, Probabilistic Neural Network, dan sebagainya). 2 Mengakomodasi citra aksara Jawa tulisan tangan dengan tanpa memperhatikan gaya penulisan responden, seperti tingkat kemiringan dan sebagainya. 3 Melakukan pengembangan dalam sistem yang bersifat mobile sehingga pengenalan aksara Jawa dapat diterapkan secara langsung di lapangan.
DAFTAR PUSTAKA Han J, Kamber M. 2006. Data Mining Concepts and Techniques. Ed ke-2. San Francisco (US): Elsevier. Mulia I. 2012. Pengenalan aksara Sunda berbasis citra menggunakan Support Vector Machine [skripsi]. Bogor (ID): Institut Pertanian Bogor. Rajashekararadhya SV, Ranjan PV. 2008. Efficient zone based feature extraction algorithm for handwritten numeral recognition of four popular South Indian scripts. Journal of Theoretical and Applied Information Technology. 4(12): 1171-1181. Sinha G, Rani A, Dhir R, Rani R. 2012. Zone-Based Feature Extraction Techniques and SVM for Handwritten Gurmukhi Character Recognition. International Journal of Advanced Research in Computer Science and Software Engineering. 2(6): 106:111. Theodoridis S, Koutroumbas K. 2008. Pattern Recognition. Ed ke-4. Burlington (US) : Academic Press. Wibowo A. 2012. Pengenalan huruf Jawa tulisan tangan menggunakan jaringan saraf tiruan perambatan balik dengan Fuzzy Feature Extraction [skripsi]. Semarang (ID): Universitas Diponegoro. Zurnawita, Suar Z. 2009. Algoritma Image Thinning. Jurnal Ilmiah Elektron. 1(1): 29-37.
17 Lampiran 1 Gambar citra hasil akuisisi dari responden
18 Lampiran 1 Gambar citra hasil akuisisi dari responden
19 Lampiran 1 Gambar citra hasil akuisisi dari responden
20 Lampiran 1 Gambar citra hasil akuisisi dari responden
21 Lampiran 1 Gambar citra hasil akuisisi dari responden
22 Lampiran 2 Tabel Confusion matrix untuk pada zona 12 dengan k = 1 HASIL KLASIFIKASI HA NA CA RA KA DA TA SA WA LA PA DHA JA YA NYA MA GA BA THA NGA HA
14
1
0
0
0
0
1
0
0
0
1
0
0
0
0
1
0
2
0
0
NA
0
10
0
0
4
5
1
0
0
0
0
0
0
0
0
0
0
0
0
0
CA
0
0
14
0
0
0
0
0
1
0
1
4
0
0
0
0
0
0
0
0
RA
0
0
0
17
0
0
0
0
0
0
0
0
0
0
0
0
2
0
0
1
KA
2
1
0
0
15
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
DA
0
2
0
0
0
15
0
1
0
0
0
2
0
0
0
0
0
0
0
0
TA
0
0
0
0
0
0
18
0
0
0
0
0
0
2
0
0
0
0
0
0
SA
0
1
1
0
0
1
0
15
0
1
1
0
0
0
0
0
0
0
0
0
WA
0
0
1
0
0
0
0
0
11
0
1
4
0
0
0
2
0
1
0
0
LA
0
1
0
0
0
0
1
0
0
16
0
0
0
0
0
2
0
0
0
0
PA
1
0
0
0
0
2
0
1
1
0
11
0
0
0
0
2
0
0
2
0
DHA
0
0
1
0
0
0
0
0
4
0
3
10
0
0
0
0
0
1
0
1
JA
2
0
0
0
0
1
1
1
0
0
0
0
15
0
0
0
0
0
0
0
YA
0
0
0
0
0
0
0
0
0
0
0
0
0
20
0
0
0
0
0
0
NYA
2
0
0
0
0
0
0
0
0
0
0
0
0
0
15
0
0
3
0
0
MA
0
2
2
0
0
0
0
0
0
3
1
0
0
0
0
11
0
1
0
0
GA
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
19
0
0
0
BA
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
18
0
1
THA
0
0
2
0
0
1
0
1
0
0
1
2
0
0
0
0
0
1
9
3
NGA
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
5
13
23 Lampiran 3 Contoh perbandingan kemiripan antarkarakter aksara Jawa 1. Karakter Na dengan Da
Karakter Na yang terklasifikasi Da
Pembagian zona karakter Na
Grafik karakter Na
Karakter Da Benar Terklasifikasi
Pembagian zona karakter Da
Grafik karakter Da
2. Karakter Ca dengan Dha
Karakter Ca yang terklasifikasi Dha
Pembagian zona karakter Ca
Karakter Dha Benar Terklasifikasi
Pembagian zona karakter Dha
24
Grafik karakter Ca
Grafik karakter Dha
3. Wa dengan Dha
Karakter Wa yang terklasifikasi Dha
Pembagian zona karakter Wa
Grafik karakter Wa
Karakter Dha Benar Terklasifikasi
Pembagian zona karakter Dha
Grafik karakter Dha
4. Nga dengan Tha
Karakter Nga yang terklasifikasi Tha
Karakter Tha Benar Terklasifikasi
25
Pembagian zona karakter Nga
Grafik karakter Nga
Pembagian zona karakter Tha
Grafik karakter Tha
26
RIWAYAT HIDUP Penulis dilahirkan di Sleman, Yogyakarta, pada tanggal 19 Maret 1989. Penulis merupakan anak pertama dari pasangan Syamsudin dan Asih Sutarti (alm.). Penulis mengenyam pendidikan di SD Negeri Jajaway 1 Tasikmalaya pada tahun 1994-1998, SD Negeri Gentan 1 pada tahun 1998-2000, SLTPN 2 Ngaglik Sleman pada 2000-2003 serta SMA Negeri 4 Kota Yogyakarta pada tahun 20032006. Selanjutnya, penulis melanjutkan studi diploma pada program studi Komputer dan Sistem Informasi (KOMSI) Universitas Gadjah Mada dan lulus pada tahun 2009. Pada tahun 2010, penulis diterima di program Alih Jenis Ilmu Komputer Institut Pertanian Bogor.
