SISTEM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY) BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION. Oleh

SISTEM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY) BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION (Skripsi)

Oleh Eliza Hara

JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS LAMPUNG 2016

ABSTRAK

SISTEM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY) BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION

Oleh Eliza Hara Bahasa dan aksara Lampung merupakan bahasa yang digunakan sejak turun temurun sebagai identitas Provinsi Lampung. Masyarakat asli suku Lampung sudah jarang menggunakan bahasa dan aksara Lampung. Oleh karena itu diperlukan upaya pelestariannya agar tetep terjaga. Penelitian ini bertujuan untuk membuat aplikasi pengenalan tulisan tangan aksara Lampung dan dapat menerjemahkannya kedalam bahasa Indonesia. Sistem dikembangkan dengan teknik pengolahan citra metode canny dan jaringan syaraf tiruan backpropagation. Sistem perancangan terdiri dari dua perangkat, yaitu perangkat pelatihan dan perangkat aplikasi. Perangkat pelatihan digunakan untuk melatih jaringan syaraf tiruan. Pelatihan dilakukan sebanyak 5 kali dan secara bertingkat untuk menghasilkan bias dan bobot. Perangkat aplikasi digunakan untuk melakukan pengujian terhadap jaringan yang sudah dilatih dan menterjemahkannya kedalam bahasa Indonesia. Hasil pengujian perangkat aplikasi aksara Lampung diperoleh rata-rata persentase kesalahan sebesar 22% dari pengujian karakter dan pengujian kosakata diperoleh persentase kesalahan sebesar 40% dari 100 kali pengujian. Dapat disimpulkan bahwa metode cannydapat mengenali karakter aksara Lampung meskipun kurang maksimal. Kata kunci: aksara Lampung, pengenalan tulisan tangan, jaringan syaraf tiruan backpropagation, pengolahan citra, canny

ABSTRACT

HANDWRITTEN RECOGNITION SYSTEM OF LAMPUNG CHARACTER USING EDGE DETECTION (CANNY) METHOD BASED ON BACKPROPAGATION ARTIFICIAL NEURAL NETWORK

By Eliza Hara Lampung character and language has been used since along time ago as identity of Lampung Province. Lampung people seldom use their language and character. Thud, it needs effort to make a conservation in order to keep it. The purpose of this research is to develop handwritten recognition aplication of Lampung character and to translate it into Indonesian language. The system is developed using image proccesing canny method and backpropagation artificial neural network. The system consists of two programs, they are training program and aplication program. Training program was used to train the neural networks. The training is carried out for five times and multiplications to get bias and weights. Aplication program was used to test the trials to networks which has been trained and translate it into Indonesian language. The testing resulta give the errors percentase at 22% of character testing and 40% of 100 vocabularies testing. The conclusion is canny method could recognise some of the characters but it has not reached the optimum rate. Key words : Lampung character, handwritten recognition, backpropagation artifical neural network, image proccesing, canny

SISTEM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG DENGAN METODE DETEKSI TEPI (CANNY) BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION Oleh

Eliza Hara Skripsi Sebagai Salah Satu Syarat Untuk Mencapai Gelar SARJANA TEKNIK Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Lampung

FAKULTAS TEKNIK UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2016

ii

RIWAYAT HIDUP Penulis dilahirkan di Kotabesi, Kecamatan Batu Brak, Lampung Barat pada tanggal 27 juni 1993, sebagai anak keempat dari lima bersaudara, dari Bapak Busto dan Ibu Mar Hani.

Riwayat pendidikan penulis dimulai dari Sekolah Dasar SDN 1 Kota Besi tahun 1999-2005, SMPN 1 Batu Brak tahun 2005-2008), SMKN 1 Liwa pada tahun 2008 - 2011.

Tahun 2011 penulis terdaftar di Universitas Lampung sebagai mahasiswa Jurusan Teknik Elektro Fakultas Teknik melalui jalur PMPAP (Penerimaan Mahasiswa Perluasan Akses Pendidikan). Selama menjadi mahasiswa penulis pernah menjadi asisten Laboratorium Teknik Elektronika Universitas Lampung pada tahun 2012 sampai 2016 dan aktif di organisasi Himpunan Mahasiswa Teknik Elektro (HIMATRO) Universitas Lampung pada tahun 2012 sampai 2013. Pada Januari 2014 penulis melakukan kerja praktek di PT. Gegha Power Lestari (GPL) Bandar Lampung, Lampung

Motto

“Sesungguhnya Allah tidak akan mengubah nasib suatu kaum hingga mereka sendiri” (Q.S. Ar-Ra’d : 11)

Lupakan masa lalu, Pikirkan masa depan, kerjakan hari ini

Kupersembahkan karya tulis ini Untuk kedua orang tuaku yang tercinta Yang telah merawat, mendidik, menjaga dan santiasa mendoakan ku untuk kesuksesan dan kebahagiaan

SANWACANA

Alhamdulillahirobbil‟alamiin, puji syukur kepada ALLAH SWT yang telah memberikan rahmat dan hidayah-Nya sehingga skripsi ini dapat diselesaikan dengan baik dan tepat waktu. Skripsi dengan judul “Sistem Pengenalan Tulisan Tangan Aksara Lampung Dengan Metode Deteksi Tepi (Canny) Berbasis Jaringan Syaraf Tiruan Backpropagation” merupakan salah satu syarat untuk memperoleh gelar sarjana Teknik di Universitas Lampung.

Dalam kesempatan ini penulis mengucapkan banyak terimakasih kepada : 1.

Bapak Prof. Suharno, M.Sc, Ph.D., selaku Dekan Fakultas Teknik Universitas Lampung

2.

Bapak Dr. Eng.,Helmy Fitriawan, S.T.,M.Sc., selaku Wakil Dekan (WD) 1 FT unila sekaligus dosen pembimbing utama skripsi atas ketersediaannya meluangkan waktu, motivasi, dukungan, bimbingan dan arahannya.

3.

Bapak Dr. Ing. Ardian Ulvan, S.T., MSc., selaku Ketua Jurusan Teknik Elektro

4.

Ibu Yessi Mulyani, S.T.,M.T., selaku pembimbing kedua yang telah meluangkan waktu untuk memberikan bimbingan, saran dan kritik dalam proses penyelesaian skripsi ini.

5.

Ibu Dr. Ir. Sri Ratna Sulistiyanti, M.T., selaku dosen penguji utama skripsi dan kepala Laboratorium Teknik Elektronika, yang telah memberikan dukungan, saran dan kritik yang sangat membangun.

6.

Ibu Dr.Eng.Dikpride Despa, S.T.,M.T., selaku pembimbing akademik atas bimbingan yang telah diberikan selama penulis menjadi mahasiswa.

7.

Segenap dosen dan pegawai Jurusan Teknik Elektro yang telah memberi materi dan pengalaman selama penulis menduduki bangku perkuliahan dari awal hinnga akhir

8.

Busto (Bapak), Mar Hani (Emak), ngah Hinda, abang Hasir, Kakak Anis dan Adik Liani, Abunasir, S.Sos (Alak), Rohmi, S.Pdi (Inabalak), Terimakasih atas doa, dukungan baik secara moril maupun materil selama ini.

9.

Mbak Titin, kak Afri, kak Hendri dan mbak Layla, atas semua dukungan, ilmu dan wawasan yang telah diberikan dalam proses penyelesaian tugas akhir.

10. Penghuni Laboratorium dan mantan asisten Teknik Elektronika kak Agung, kak Ridho, kak Rudy, kak Nadhir, kak Rendy, kak Afrizal, kak Jerry, kak Andri, kak Yudi, kak Victor, Bastian, Reza N, Aditya, Gusmau, Fikri, Winal, Sivam, Faizun, Yogi, Bella, Desi, Windy, Gusti, Ridho, Nando, Roy, Reza, yang telah santiasa bekerja sama dalam berbagai hal baik itu pengalaman, pengetahuan, candaan dan lain sebagainya. 11. TS : Nurhayati, Yunita Bahati, Fenti Triani, Vina Aprilia, Annida Puspa, Rani Kusuma Dewi, Octarina Firmaningtyas, Alin Adilah dan Fanny Simatupang. Terimakasih

a

12. tas do‟a, dukungan, canda tawa dan semangat yang telah kalian berikan. 13. Teman-teman seperjuangan Petrus, Frisky, Abidin, Restu, dan Arosiq yang telah banyak membantu dalam penyelesaian tugas akhir. 14. Teman-teman Elektro 2011 yang telah memberikan semangat dalam menjalankan pendidikan di Teknik elektro Universitas Lampung, semoga kita bisa sukses bersama. 15. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah membantu dan mendukung penulis dari awal kuliah hingga terselesainya tugas akhir ini. 16. Almamater tercinta, memberikan bejuta kisah hidup semasa kuliah

Akhir kata, Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi sedikit harapan semoga skripsi yang sederhana ini dapat berguna dan bermanfaat bagi kita semua. Dan semoga ALLAH SWT membalas kebaikan semua pihak yang telah membantu dalam penyelesaian skripsi ini. Aamiin

Bandar Lampung 19 April 2016 Penulis,

Eliza Hara

DAFTAR ISI Halaman COVER ........................................................................................................... i ABSTRAK ...................................................................................................... ii ABSTRACT ..................................................................................................... iii DAFTAR ISI ................................................................................................... xiv DAFTAR GAMBAR ....................................................................................... xvii DAFTAR TABEL ............................................................................................ xx I.

PENDAHULUAN 1.1 Latar Belakang .................................................................................. 1 1.2 Tujuan Penelitian .............................................................................. 3 1.3 Manfaat Penelitian ............................................................................ 3 1.4 Rumusan Masalah ............................................................................. 4 1.5 Batasan Masalah ............................................................................... 4 1.6 Hipotesis ........................................................................................... 4 1.7 Sistematis penulisan.......................................................................... 5

II.

TINJAUAN PUSTAKA 2.1 Bahasa dan Aksara Lampung .......................................................... 6 2.1.1 Induk Huruf (Kelabai Sukhat) ............................................. 6 2.1.2 Anak Huruf .......................................................................... 6

xv

2.1.3 Penggabungan Huruf Induk dan Anak Huruf ...................... 9 2.2 Pengolahan Citra ............................................................................. 10 2.3 Matrik Dan Vektor ......................................................................... 14 2.4 Jaringan Syaraf Tiruan..................................................................... 15 2.4.1 Pengertian Jaringan Syaraf Tiruan ...................................... 15 2.4.2 Backpropagation.................................................................. 17 2.4.3 Arsitektur Backpropagation ................................................ 17 2.4.4 Fungsi AktivasiBackpropagation ........................................ 18 2.4.5 Algoritma Pelatihan Backpropagation ................................ 18 2.5 Pemrograman Matlab ..................................................................... 21 III. METODE PENELITIAN 3.1 Waktu dan Tempat........................................................................... 22 3.2 Alat dan Bahan ................................................................................ 22 3.3 Tahap-Tahap Dalam Penelitian ....................................................... 22 3.3.1 Studi literatur ....................................................................... 23 3.3.2 Perancangan sistem .............................................................. 23 a. Penentuan kriteria sistem .............................................. 23 b. Perancangan cara kerja sistem ....................................... 27 c. Perancangan tampilan (sketsa) sistem ........................... 29 3.3.3 Pengumpulan Data ............................................................... 30 3.3.4 Pembuatan Sistem ................................................................ 31 3.3.5 Pengujian Sistem ................................................................ 46 3.3.6 Analisis dan kesimpulan ..................................................... 47

xvi

IV. HASIL DAN PEMBAHASAN 4.1 Hasil ................................................................................................ 48 4.1.1 Hasil Pelatihan Data .............................................................. 48 4.1.2 Perbandingan Hasil Pelatihan Data ....................................... 63 4.1.3 Hasil Pengenalan Karakter Aksara Lampung Dan Perbandingan Kosakata Yang Diterjemahkan Oleh Sistem Aplikasi .......... 67 4.1.4 Perbedaan Proses Pengolahan Citra ...................................... 74 4.2 Pembahasan .................................................................................... 76 4.2.1 Bentuk Karakter Aksara Lampung ........................................ 76 4.2.2 Proses dan Hasil Pengolahan Citra ....................................... 77 4.2.3 Penentuan algoritma Parameter Jaringan Syaraf Tiruan Backpropagation ................................................................... 81 4.2.4 Penulisan Aksara Lampung Pada Layar Sentuh ................... 82 4.2.5 Kekurangan-Kekurangan Pada Sistem Aplikasi Yang Dibuat ................................................................................................ 83 V.

KESIMPULAN DAN SARAN 5.1 Kesimpulan ..................................................................................... 85 5.2 Saran ............................................................................................... 86

DAFTAR PUSTAKA LAMPIRAN

DAFTAR GAMBAR

Gambar

Halaman

2.1 Huruf induk aksara Lampung ...................................................................

6

2.2 Proses pengolahan citra ............................................................................ 11 2.3 Binerisasi citra .......................................................................................... 11 2.4 Slicing citra .............................................................................................. 12 2.5 Cropping citra .......................................................................................... 12 2.6 Hasil deteksi tepi (canny) ......................................................................... 13 2.7 Morfologi dilasi citra ............................................................................... 14 2.8 Pengisian piksel yang berlubang (hole) .................................................... 14 2.9 Neuron ...................................................................................................... 16 2.10 Arsitektur backpropagation ..................................................................... 17 3.1 Tahapan dalam penelitian ......................................................................... 23 3.2 Diagram alir cara kerja sistem ................................................................... 27 3.3 Sketsa tampilan aplikasi ............................................................................ 29 3.4 Contoh angket data pelatihan .................................................................... 31 3.5 Proses kerja perangkat pelatihan ............................................................... 32 3.6 Proses pengolahan citra aksara ka .............................................................. 33 3.7 Contoh vektorisasi citra ............................................................................. 35

xviii

3.8 Proses pelatihan data bertingkat (ganda) ................................................... 37 3.9 Proses algoritma preprocessing pada program slicing............................... 38 3.10 Proses preprocessing pada deteksi tepi, dilasi, fill, cropping dan resizing 39 3.11 Proses konversi ke vektor ...................................................................... 41 3.12 Proses jaringan syaraf tiruan ................................................................. 42 3.13 Proses kerja perangkat aplikasi .............................................................. 45 4.1

Persentase rata-rata kesalahan pelatihan karakter induk huruf .............. 49

4.2

Persentase rata-rata kesalahan pelatihan (ga, ka dan sa) ........................ 50

4.3

Persentase rata-rata kesalahan pelatihan (a, la, na, nga dan nya) ......... 51

4.4

Persentase rata-rata kesalahan pelatihan (la dan nga) ........................... 52

4.5

Persentase rata-rata kesalahan pelatihan (la dan na) ............................. 53

4.6

Persentase rata-rata kesalahan pelatihan (ja dan na) ............................. 54

4.7

Persentase rata-rata kesalahan pelatihan (ja dan sa) .............................. 55

4.8

Persentase rata-rata kesalahan pelatihan (ca,ha dan gha) ..................... 56

4.9

Persentase rata-rata kesalahan pelatihan (gha dan ha) .......................... 57

4.10 Persentase rata-rata kesalahan pelatihan (ra dan wa) ............................ 58 4.11 Persentase rata-rata kesalahan pelatihan (ba dan pa) ............................ 59 4.12 Persentase rata-rata kesalahan pelatihan karakter anak huruf di atas .... 60 4.13 Persentase rata-rata kesalahan pelatihan karakter anak huruf di bawah

61

4.14 Persentase rata-rata kesalahan pelatihan karakter anak huruf di depan . 62 4.15 Persentase rata-rata kesalahan pelatihan (ai dan nengen) ...................... 63 4.16 Tampilan perangkat aplikasi .................................................................. 67 4.17 Karakter ka, ga dan sa ............................................................................ 76 4.18 Karakter ba, pa dan ma .......................................................................... 76

xix

4.19 Karakter ca dan sa ................................................................................. 76 4.20 Karakter a, la dan nga ........................................................................... 76 4.21 Hasil proses pengolahan citra ................................................................ 78 4.22 Karakter anak huruf di atas e dan e‟ ....................................................... 78 4.23 Karakter ha dan gha ............................................................................... 79 4.24 Karakter anak huruf diatas an, ang dan e‟ .............................................. 79 4.25 Karakter anak huruf an ....................................................................................

79

4.26 Pengenalan karakter yang tidak dikenali .........................................................

80

DAFTAR TABEL

Tabel

Halaman

2.11Rekam jejak penelitian .............................................................................

3

2.1 Anak huruf yang terletak di atas induk huruf ..........................................

7

2.2 Anak huruf yang terletak di depan induk huruf .......................................

7

2.3 Anak huruf yang terletak di bawah induk huruf ......................................

8

2.4 Penggabungan induk huruf dan anak huruf .............................................

9

3.1 Kosakata dialek A dan O .......................................................................... 24 4.1 Nilai kesalahan rata-rata pelatihan data ................................................... 63 4.2 Nilai rata-rata kesalahan pada pelatihan bertingkat .................................. 65 4.3 Perbandingan hasil pelatihan anak huruf .................................................. 65 4.4 Hasil pengujian sistem pengenalan per-karakter aksara Lampung .......... 69 4.5 Hasil pengujian sistem pengenalan kosakata ........................................... 71 4.6 Keragaman bentuk tulisan aksara Lampung ............................................ 83

I. PENDAHULUAN

1.1 Latar Belakang Bahasa merupakan alat komunikasi antar manusia untuk menyampaikan suatu informasi, dengan adanya bahasa maka informasi yang disampaikan mudah dimengerti dan dipahami. Indonesia memiliki beragam bahasa daerah, kebudayaan dan adat-istiadat. Selain memiliki bahasa yang ragam, Indonesia juga memiliki aksara yang beragam dan masih banyak digunakan di sebagian wilayah Indonesia

sebagai

warisan

untuk

generasi-generasi

selanjutnya

untuk

dipertahankan.

Salah satu bahasa dan aksara yang ada di Provinsi Indonesia yaitu bahasa dan aksara Lampung. Bahasa dan aksara Lampung merupakan bahasa yang digunakan sejak turun temurun sebagai identitas diri bagi provinsi Lampung dan digunakan sebagai alat untuk berkomunikasi dalam kehidupan sehari-hari[1].

Namun, Provinsi Lampung tidak lagi didominasi oleh masyarakat asli suku Lampung, melainkan banyak pendatang dari luar Propinsi Lampung. Sebagian dari masyarakat asli suku Lampung sudah jarang menggunakan bahasa dan aksara Lampung bahkan saat ini banyak yang tidak mengerti bahasa dan aksara

2

Lampung, terutama dikalangan generasi muda. Oleh karena itu diperlukan upaya pelestarian agar bahasa dan aksara Lampung tetap terjaga. Salah satu cara menjaga kelestarian bahasa dan aksara Lampung yaitu dengan cara memanfaatkan teknologi komputer, pengolahan citra dan jaringan syaraf tiruan. Ketiga teknologi ini mengalami perkembangan yang terus berkembang dengan bermacam-macam aplikasi. Salah satu dari aplikasi dari ketiga teknologi ini adalah pengenalan pola.

Pada penelitian ini penulis akan menggembangkan hasil dari penelitian sebelumnya (Hendri setiawan, 2014). Membuat aplikasi komputer yang dapat mengenali tulisan tangan aksara Lampung menggunakan metode masukan dan pengambilan data dengan memanfaatkan layar sentuh pada komputer tablet berbasis jaringan syaraf tiruan backpropagation. Penulis akan membandingkan tingkat akurasi pengenalan pola aksara Lampung dengan metode deteksi tepi (Canny) pada pengolahan citra.Canny merupakan salah satu operasi atau metode dari deteksi tepi yang dikenal sebagai deteksi tepi yang optimal, algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titit-titik tepi serta memberikan satu tanggapan untuk satu tepi [2].

Penelitian ini merupakan pengembangan dari penelitian-penelitian yang telah dilakukan sebelumnya dapat dilihat pada Tabel 1.1.

3

Tabel 1.1 Penelitian sebelumnya No

Nama (NPM)

Tahun

1

Ariyanto (0515031007)

2010

2

M. Arif Proklamasi (0715031054)

2012

3

Hendri Setiawan (0915031044)

2014

Judul penelitian Rancang Bangun Sistem Pengenalan Tulis Tangan dan Penerjemah Kosakata Bahasa Lampung Menggunkan Jaringan Syaraf Tiruan Rancang Bangun Sistem Pengenalan dan Penerjemah Tulisan Tangan Aksara Lampung dengan metode Histogram Citra Menggunakan Jaringan Syaraf Tiruan Rancang Bangun Aplikasi Pengenalan Tulisan Tangan Aksara Lampung Dengan Masukan Layar Sentuh Menggunakan Jaringan Syarat Tiruan Backpropagation

1.2 Tujuan Penelitian Tujuan dari penelitian ini yaitu membuat sistem pengenalan pola tulisan tangan aksara Lampung dan mampu menterjemahkan kedalam bahasa Indonesia. Serta membandingkan tingkat akurasi pengenalan aksara Lampung dengan hasil penelitian sebelumnya [3].

1.3 Manfaat Penelitian Manfaat dari penelitian ini yaitu: 1. Melestarikanbudaya daerah dan menarik minat masyarakat untuk mengetahui lebih banyak tentang aksara Lampung. 2. Mempermudahpenerjemahan bahasa dan aksara Lampung dalam bahasa Indonesia dan dapat diaplikasikan dalam kehidupan sehari-hari.

4

1.4 RumusanMasalah Penelitian ini akan membuat sebuah sistem pengenalan pola tulisan tangan aksara Lampung kemudian diterjemahkan kedalam bahasa Indonesia. Pada bagian pengolahan awal dari sistem pengenalan pola tersebut, menggunakan pengolahan citra dengan metode deteksi tepi (canny).

1.5 Batasan Masalah Pada penelitian ini terdapat pembatasan masalah diantaranya sebagai berikut : 1.

Dalam penelitian ini tidak membuat perangkat keras. Perangkat keras berupa laptop sebagai media untuk perancangan software Matlab dan pengujian sistem.

2.

Dalam penelitian ini tidak membahas semua tentang deteksi tepi, hanya menggunakan deteksi tepi metode canny

3.

Aplikasi hanya dapat menerjemahkan kosakata bahasa Lampung sebanyak 250 kata yang terdiri dari 150 kosakata dialek “A” dan 100 kosakata berdialek “O”. Kosakata yang akan di kenali hanya kosakata yang menggunakan anak huruf tunggal saja.

1.6 Hipotesis Dengan sistempengujian menggunakan metode deteksi tepi (canny),diharapkan mampu menunjukkan tingkat kesalahan pengenalan karakter di bawah penelitian sebelumnya [3] sebesar 12 %

5

1.7 Sistematis penulisan Laporan tugas akhir ini terdiri dari: I.

Pendahuluan

Bab ini membahas tentang latar belakang, tujuan penelitian, manfaat penelitian, perumusan masalah, batasan masalah, hipotesis dan sistematika penulisan.

II. Tinjauan pustaka Bab ini membahas tentang materi yang berhubungan dengan tugas akhir seperti: bahasa dan aksara Lampung, pengolahan citra, jaringan syaraf tiruan backpropagation.

III. Metode Penelitian Bab ini membahas tentang metode yang akan digunakan pada penelitian

IV. Pembahasan Memaparkan hasil yang didapat pada pengujian sistem dan pengenalan karakter.

V. Kesimpulan Bab ini memuat tentang simpulan dan saran dari penelitian tugas akhir.

II. TINJAUAN PUSTAKA

2.1 Bahasa dan Aksara Lampung 2.1.1

Induk Huruf (Kelabai Sukhat)

Terdapat 20 induk huruf dalam penulisan aksara Lampung, yaitu: ka, ga, nga, pa, ba, ma, ta, da, na, ca, ja, nya, ya, a, la, ra, sa, wa, ha, gha. Aksara Lampung tersebut untuk bentuk induk huruf diperlihatkan pada Gambar 2.1 [1].

Ka

Ga

Nga

Pa

Ba

Ma

Ta

Da

Na

Ca

Ja

Nya

Ya

A

La

Ra

Sa

Wa

Ha

Gha

Gambar 2.1 Induk huruf aksaraLampung 2.1.2

Anak Huruf

Dalam aksara Lampung selain induk huruf terdapat juga 12 anak huruf yang terletak di atas, samping kanan/depan dan bawah induk huruf. a) Anak huruf yang terletak di atas induk huruf

7

Tabel 2.1 Anak huruf yang terletak di atas induk huruf Nama Bunyi Simbol Ulan i Ulan e Bicek e Rejunjung r Tekelubang ng Datas n Dari Tabel 2.1 dijelaskan bahwa : 

Ulan adalah anak huruf yang berbentuk setengah lingkaran kecil terletak di atas induk huruf. Ulan terdiri dari dua macam yaitu ulan yang menghadap ke atas yang berbunyi i, sedangkan ulan yang menghadap ke bawah berbunyi e.



Bicek adalah anak huruf yang yang terletak di atas induk huruf berbentuk garis tegak lurus berbunyi e.



Rejunjung adalah anak huruf yang terletak di atas induk huruf berbentuk spiral berbunyi r.



Ketekelubang adalah anak huruf yang terletak di atas induk huruf berbentuk garis lurus yang berbunyi ng.



Datas adalah anak huruf yang terletek diatas induk huruf berbentuk dua garis mendatar (seperti simbol sama dengan) yang berbunyi n.

b) Anak huruf yang terletak di depan induk huruf Tabel 2.2 Anak huruf yang terletak di depan induk huruf Nama Tekelingai

Bunyi Ai

Keleniah

Ah

Nengen

-

Simbol

8

Dari Tabel 2.2 dapat di jelaskan bahwa: 

Tekelingai adalah anak huruf yang terletak didepan atau samping kanan induk huruf yang berbentuk seperti huruf h yang berbunyi ai.



Keleniah anak huruf yang berbentuk tegak lurus terletak didepan induk huruf yang berbunyi ah.



Nengen anak huruf yang terletak didepan induk huruf berbentuk garis miring. Nengen digunakan untuk mematikan induk huruf, namun nengen tidak bisa digunakan beberapa huruf seperting, n, y, h dan w, huruf ini bisa menggunakan anak huruf.

c) Anak huruf yang terletak di bawah induk huruf Tabel 2.3 Anak huruf yang terletak di bawah induk huruf Nama Bitan

Bunyi o

Bitan

u

Tekelungau

au

Simbol

Dari Tabel 2.3 dapat dijelaskan bahwa :  Bitan merupakan anak huruf terletak di bawah induk huruf. Bitan terdiri dari dua simbol yang berupa garis pendek mendatar yang berbunyi au dan garis tegak berbunyi o.  Tekelungau berbunyi au dengan simbol berbentuk setengah lingkaran kecil menghadap induk huruf yang terletak di bawah induk huruf.

9

2.1.3

Penggabungan Induk Huruf dan Anak Huruf

Tabel 2.4 Penggabungan induk huruf dan anak huruf Dengan Anak Huruf di Atas Akasara Latin

Dengan Anak Huruf di Bawah Aksara Latin

Dengan Anak Huruf di Depan Aksara Latin

Anak Huruf Ganda Aksara Latin

de

mu

bai

jen

ji

mo

jah

pung

war

cah

sak

boh

nang

gih

Tabel 2.4 jika suatu induk huruf bertemu dengan anak huruf vokal tunggal seperti e, i, u, dan o maka huruf vokal pada huruf induk yaitu a maka bunyi a menjadi bunyi pada anak huruf. Misalkan da bertemu dengan anak huruf e maka penggabungannya dibaca de. Tetapi jika selain itu maka penggabungan dilakukan tanpa mengubah bunyi huruf, hanya saja harus menghilangkan dua huruf vokal yang bertemu, misalnya induk huruf bertemu dengan anak huruf ar penggabungan tersebut bukan dibaca waar melainkan war. Jika ada dua atau lebih penggabungan induk huruf maka digabungkan tanpa ada perubahan bunyi, misal induk huruf sa dan ka maka dibaca saka. Begitu juga dengan induk huruf yang telah dibubuhi anak huruf, misalnya induk huruf yang teelah dibubuhi anak huruf seperti mu digabungkan dengan induk huruf ka, maka dibaca muka. Jika ingin memetikan bunyi induk huruf maka dilakukan dengan menambahkan anak huruf nengen didepan induk huruf, misal induk huruf ka diberi anak huruf nengen, maka dibaca k. Jika huruf yang telah di gabung dengan anak huruf nengen ingin digabung dengan huruf induk dengan anak huruf maka huruf yang telah diberi

10

nengendiurutkan di urutan terakhir penggabungan. Misalkan menggabungkan induk huruf sa dengan induk huruf ka yang telah diberi nengen maka penggabungan dibaca sak.

2.2 Pengolahan Citra Sebuah citra atau gambar didefinisikan sebagai fungsi dua dimensi f(x,y) citra pada titik suatu intensitas atau level keabuan, dimana x dan y adalah koordinat spasial dan amplitudo dari f pada koordinat (x,y) [4]. Pengolahan citra adalah istilah umum untuk berbagai teknik yang keberadaannya untuk memaipulasi dan memodifikasi citra dengan berbagai cara. Pengolahan citra merupakan bagian penting yang mendasari berbagai aplikasi nyata, seperti pengenalan pola, penginderaan jarak melalui satelit atau pesawat udara dan machine vision. Pada pengenalan pola, pengolahan citra antara lain berperan memisahkan objek dari latar belakang secara otomatis. Pada machine vision (sistem yang dapat “melihat” dan “memahami” yang dilihatnya), pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin [2]. Pengolahancitra adalah pemrosesan citra, khususnya dengan menggunakan komputer, sehingga menjadi citra yang berkualitas [5]. Pada Gambar 2.2 contoh pengolahan citra, dimana pada gambar (a) memperlihatkan citra burung nuri tampak agak gelap. Setelah dilalukan perbaikan kontras, citra burung nuri lebih terang dan tajam diperlihatkan pada gambar (b).

11

Gambar 2.2 Proses pengolahan citra (a) citra asli tampa agak gelap, (b) citra setelah diperbaiki kontras lebih tajam dan terang.

2.2.1 Proses Pengolahan Citra Digital Adapun proses pada pengolahan citra terdiri dari [3,6]: a.

Binerisasi Citra Binerisasi citra adalah proses merubah citra kedalam bentuk biner (0 dan 1). Proses ini menyebabkan citra hanya memili dua warna yaitu hitam dan putih. Pada Gambar 2.3 merupakan contoh beberapa karakter aksara yang telah mengalami proses binerisasi.

Gambar 2.3 Binerisasi citra

12

b.

Slicing Slicing merupakan proses pemotongan citra beberapa bagian untuk mendapatkan informasi yang diinginkan. Pada penelitian ini fungsi slicing untuk memisahkan citra aksara yang terdapat pada lembar data penelitian. Gambar 2.4 menyatakan proses slicing untuk memotong karakter aksara.

Gambar 2.4 Slicing citra

c.

Cropping Cropping adalah proses pemotongan citra pada koordinat tertentu di area citra. Untuk memotong citra digunakan dua koordinat, yaitu koordinat awal yang merupakan koordinat awal bagi citra hasil pemotongan dan koordinat akhir yang merupakan titik koordinat akhir dari citra hasil pemotongan. Gambar 2.5 memperlihatkan salah satu karakter aksara yang mengalami proses cropping.

Gambar 2.5Cropping citra

13

d.

Deteksi tepi (canny) Deteksi tepi (edge detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari objek-objek gambar dan merupakan langkah pertama untuk melingkupi informasi didalam citra. Canny dikenal sebagai deteksi tepi yang optimal, algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titit-titik tepi serta memberikan satu tanggapan untuk satu tepi [2,7] Gambar 2.6 menunjukkan contoh dari deteksi tepi metode canny.

Gambar 2.6 Hasil deteksi tepi(Canny) Terdapat enam langkah untuk mengimplementasikan deteksi tepi canny 1. Melakukan penapisan terhadap citra dengan tujuan untuk menghilangkan derau. 2. Selanjutnya proses untuk mendapatkan kekuatan tepi (edge detection). 3. Perhitungan arah tepi. 4. Menghubungkan arah atara tepi dengan sebuah arah yang dapat diacak dari citra 5. Setelah melakukan arah tepi, penghilangan nonmaksimum dilaksanakan. Penghilangan nonmaksimum dilakukan disepanjang tepi pada arah tepi (piksel diatur menjadi ), yang tidak dianggap sebagai tepi. 6. Hysteresis, proses ini menghilangkan garis-garis yang seperti terputus – terputus pada tepi objek.

14

e.

Morfologi dilasi Dilasi merupakan perluasan objek atau menambah piksel pada batasan dari objek dalam suatu citra.

Gambar 2.7 Morfologi dilasi citra f.

Fill (pengisian)

Gambar 2.8 pengisian piksel yang berlubang (hole) g.

Resizing Resizing merupakan proses untuk merubah ukuran piksel suatu citra. Pengubahan ukuran citra dilakukan dengan metode interpolasi. Interpolasi adalah sebuah metode citra untuk meningkatkan jumlah piksel pada suatu citra digital. Interpolasi bekerja dengan menggunakan data yang diketahui untuk memperkirakan nilai-nilai pada titik yang tidak diketahui.

2.3 Matrik dan vektor a.

Matrik Matrik adalah kumpulan bilangan-bilangan yang disusun dalam larik baris dan kolom. Jika matrik A terdiri dari m baris dan n kolom atau yang disebut dengan ordo m x n, maka A dapat ditulis sebagai [8]:

15

𝑎11 𝑎21 … 𝑎𝑚1 b.

𝑎12 𝑎22 … 𝑎𝑚2

… … … …

𝑎1𝑛 𝑎2𝑛 … 𝑎𝑚𝑛

(2.1)

Vektor Vektor adalah n tupel bilangan-bilangan riil. Notasinya adalah huruf kecil seperti x, y, z [8]. 𝑥1 𝑥 𝑥 = …2 𝑥𝑛

dengan 𝑥1 , 𝑥2 … 𝑥𝑛 adalah bilangan-bilangan riil

(2.2)

Jika diberikan suatu matrik A berordo m x n, maka sering kali perlu menunjuk pada satu baris atau kolom tertentu. Vektor baris ke A dinyatakan oleh 𝑎(𝑖, ∶) dan vektor kolom ke-j dinyatakan oleh 𝑎(, ∶ 𝑗). Jika A suatu matrik m x n, maka vektor-vektor baris dari A maka [9] : 𝑎 𝑖, ∶ = (𝑎𝑖1 , 𝑎𝑖2 , … 𝑎𝑖𝑛 )

𝑖 = 1 , 2, … , 𝑚

Dan vektor-vektor kolomnya : 𝑎1𝑗 𝑎2𝑗 𝑎𝑗 = 𝑎(: , 𝑗) = … 𝑎𝑛𝑗

𝑗 = 1, 2, … , 𝑛

(2.3)

2.4 Jaringan Syaraf Tiruan 2.4.1 Pengertian Jaringan Syaraf Tiruan Jaringan syaraf tiruan adalah pemprosesan suatu informasi yang terinsfirasi oleh sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Jaringan syaraf tiruan dibentukuntuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klarifikasi karena proses pembelajaran [10].

16

Jaringan syaraf tiruan adalah sistem pemroses informasi yang memiliki karateristik mirip dengan jaringan syaraf biologi [8]. Jaringan syaraf tiruan dibentuk sebagai generasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa: 1.

Pemroses informasi terjadi pada banyak elemen sederhana(neuron)

2.

Sinyal dikirimkan melalui neuron-neuron melalui penghubung-penghubung.

3.

Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal.

4.

Penentuan output, setiap neuron munggunakan fungsi aktifasi dikenakan pada jumlah output yang diterima. Kemudian besar output tersebut dibandingkan dengan batas ambang.

Jaringan syaraf ditentukan oleh: 1.

Pola hubungan antar neuron (arsitektur jaringan)

2.

Metode penentuan bobot penghubung (metode training/learning/algoritma)

3.

Fungsi aktifasi.

Sebagai contoh seperti pada gambar 2.9 perhatikan neuron Y x1

W1 W2

x2

y

W3

x3

Gambar 2.9 Neuron Y menerima input dari neuron x1, x2, x3dengan bobot masing-masing w1, w2, w3. Ketika inplus neuron yang ada dijumlahkan : 𝑛𝑒𝑡 = 𝑥1 𝑤1 + 𝑥2 𝑤2 + 𝑥3 𝑤3

(2.4)

17

2.3.6 Backpropagation Seperti halnya model jaringan syaraf tiruan lain, backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan, serta kemampuan jaringan untuk memberi respon yang benar terhadappola masukan yang serupa dengan pola yang dipakai selama pelatihan.

2.4.3 Arsitektur Backpropagation Backpropagation memiliki beberapa unit dalam satu atau lebih layar tersembunyi. Arsitektur backpropagation dilihatkan pada Gambar 2.10, dengan n masukan (ditambah sebuah bias) dan sebuah layar tersembunyi yang terdiri dari p (ditambah sebuah bias) serta m sebuah unit keluaran[8]. Y1

W10

Wk0

Wm0

1

v1o

Vj0 Vp0

1

Yk

W11

Wk1

Wm1

W1j

Ym

Wkj

Wkp

Wmj

Wmp

W1p

z1

v11

zj

Vj1

x1

Vp1

V1i

Vji

zP

Vpi

Vnj

Vnp

Vn1

xi

Gambar 2.10Arsitektur backpropagation

xn

18

2.4.4 Fungsi AktivasiBackpropagation a.

Fungsi simoid biner Fungsi simoid biner ini memiliki range (0,1) 1

𝑓 𝑥 = 1+𝑒 −𝑥 b.

dengan turunan

𝑓 ′ (𝑥) = 𝑓(𝑥)(1 − 𝑓 𝑥 )

(2.5)

Fungsi simoid bipolar Fungsi simoid bipolar memiliki range (-1,1) 2

𝑓 𝑥 = 1+𝑒 −𝑥 − 1 dengan turunan𝑓′ 𝑥 =

1+𝑓 𝑥 (1−𝑓 𝑥 ) 2

(2.6)

2.4.5 Algoritma Pelatihan Backpropagation Pelatihan backpropagation meliputi tiga fase yaitu: a.

Fase I: Propagasi maju Selama propagasi maju, sinyal masukan (xi) dipropagasikan kelayar tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari layer tersembunyi (zj)selanjutnya dipropagasi maju ke layar tersembunyi diatas nya menggunakan fungsi aktivasi yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan (yk).Berikutnya, keluaran jaringan (yk) dibandingkan dengan target yang harus dicapai (tk). Selisih (tk yk ) adalah kesalahan yang terjadi. Jika kesalahan lebih kecil dari matas toleransi yang ditentukan, maka iterasi dihentikan.

b.

Fase II: Propagasi mundur Berdasarkan kesalahan (tk - yk ) dihitung fakor 𝛿𝑘 = (𝑘 = 1,2,3, … , 𝑚) yang dipakai untuk mendistribusi kesalahan di unit yk kesemua unit tersembunyi yang terhubung langsung dengan yk. 𝛿𝑘 juga dipakai untuk mengubah bobot garis yang terhubung langsung dengan unit keluaran.Dengan cara yang sama,

19

dihitung faktor 𝛿𝑗 di setiap unit layar tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi di layar di bawahnya. Demikian seterusnya hingga

semua faktor 𝛿 di unit tersembunyi yang

berhubungan langsung dengan unit masukan dihitung. c.

Fase III: Perubahan bobot Setelah semua faktor 𝛿 dihitung, semua garis dimodifikasi bersamaan. Perubahan bobot didasarkan atas faktor 𝛿 neuron di atasnya. Sebagai contoh, bobot garis yang menuju ke layar keluaran didasarkan atas 𝛿𝑘 yang ada di unit keluaran.

Ketiga fase tersebut di ulang-ulang terus hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimal iterasi yang ditetapkan. Algoritma pelatihan utuk jaringan dengan satu layer tersembunyi (menggunakan fungi aktivasi sigmoid biner) adalah sebagai berikut [8]: Langkah 0: inisialisasi semua bobot dengan bilangan acak kecil. Langkah 1: Jika kondisi penghentian belum terpenuhi, lakukan langkah (2-8). Langkah 2 : untuk setiap pasang data pelatihan, lakukan langkah (3-8). Fase I : Propagasi Maju Langkah 3 : Tiap unit masukan menerima sinyal dan meneruskannyake unit tersembunyi di atasnya. Langkah 4 : Menghitung semua keluaran di unit tersembunyi zj(j = 1, 2, …, p) 𝑧−𝑛𝑒𝑡𝑗 = 𝑣𝑗𝑜 +

𝑛 𝑖=1 𝑥𝑖 𝑣𝑗𝑖

(2.7)

20

𝑧𝑗 = 𝑓 𝑧_𝑛𝑒𝑡𝑗 =

1 1+ 𝑒

(2.8)

−𝑧_𝑛𝑒𝑡 𝑗

Langkah 5 : Menghitung semua keluaran jaringan di unit yk (k = 1, 2, …, m) 𝑦−𝑛𝑒𝑡𝑘 = 𝑤𝑘𝑜 +

𝑛 𝑗 =1 𝑧𝑗 𝑤𝑘𝑗

𝑦𝑗𝑘 = 𝑓 𝑦_𝑛𝑒𝑡𝑘 =

(2.9)

1

(2.10)

1+ 𝑒 −𝑦 _𝑛𝑒𝑡 𝑘

Fase II : Propagasi Mundur Langkah 6 : Menghitung faktor δunit keluaran berdasarkan kesalahan di setiap unit keluaran yk (k = 1, 2, …, m) 𝛿 = 𝑡𝑘 − 𝑦𝑘 𝑓 ′ 𝑦−𝑛𝑒𝑡𝑘 = 𝑡𝑘 − 𝑦𝑘 𝑦𝑘 1 − 𝑦𝑘

(2.11)

δkmerupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar di bawahnya (langkah 7). Hitung suku perubahan bobot wkj (yang akan dipakai nanti untuk merubah bobot wkj) dengan laju percepatan α. ∆𝑤𝑘𝑗 = 𝛼𝛿𝑘 𝑧𝑗 ,

k = 1, 2, ......., m ; j = 0, 1, ....., p

(2.12)

Langkah 7 : Menghitung faktor δ unit tersembunyi berdasarkan kesalahan di setiap unit tersembunyi zj (j = 1, 2, …, p). δ_𝑛𝑒𝑡𝑗 =

𝑚 𝑘=1 𝛿𝑘 𝑤𝑘𝑗

(2.13)

Faktor δ unit tersembunyi : 𝛿𝑗 = 𝛿_𝑛𝑒𝑡𝑗 𝑓 ′ (𝑦−𝑛𝑒𝑡𝑗 ) = 𝛿𝑛𝑒𝑡 𝑗 𝑧𝑗 1 − 𝑧𝑗

(2.14)

21

Hitung suku perubahan bobot vji(yang akan dipakai nanti untuk merubah

bobot

vji) 𝛥𝑣𝑗𝑖 = 𝛼𝛿𝑗 𝑥𝑖 ,

j = 1, 2, …, p

;

i = 0, 1, …, n

(2.15)

Fase III : Perubahan Bobot Langkah 8 : Menghitung semua perubahan bobot Perubahan bobot garis yang menuju ke unit keluaran : 𝑤𝑘𝑗 𝑏𝑎𝑟𝑢 = 𝑤𝑘𝑗 𝑙𝑎𝑚𝑎 + 𝛥𝑤𝑘𝑗 ,

(k=1, 2, …, m;

j=0, 1, …,p)

(2.16)

Perubahan bobot garis yang menuju ke unit tersembunyi 𝑣𝑗𝑖 𝑏𝑎𝑟𝑢 = 𝑣𝑗𝑖 𝑙𝑎𝑚𝑎 + 𝛥𝑣𝑗𝑖 ,

(j = 1, 2, …, m

;

i = 0, 1, …,p)(2.17)

2.5 Pemrograman Matlab Matlab (matrik laboratory) adalah sebuah program untuk anaalisis dan komputasi numeric, merupakan suatu bahasa pemprograman matematika lanjut yang dibuat dengan dasar pemikiran menggunakan sifat dan bentuk matrik. Untuk menyelesaikan masalah-masalah yang melibatkan operasi matematikaelemen, matrik, optimasi, aproksimasi dan lain-lain. Matlab banyak digunakan pada matematika dan komputasi, pengembangan algoritma, pemrograman modeling, simulasi, pembuatan prototype, analisis data, eksplorasi, visualisasi, analisis numeric,

statistik

dan

pengembangan

teknik

[11].

III. METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian ini dilakukan di Laboratorium Terpadu Teknik Elektro Universitas Lampung. Penelitian dimulai pada bulan September 2015 hingga bulan Februari 2016.

3.2 Alat dan Bahan Alatdan bahan yang digunakan pada penelitian ini adalah: 1.

2.

Satu unit Personal Computer (PC) dengan Spesifikasi: 

AMD E-300 HD Graphics 1,30GHz



RAM 2,00 GB



32 Bit Operating System

Software Matlab 2011a

3.3 Tahap-Tahap Dalam Penelitian Penelitian ini terdiri dari beberapa tahap seperti diperlihatkan pada Gambar 3.1

23

Studi Literatur Perancangan Sistem

Pengumpulan Data Sampel Pembuatan Sistem Pengujian Sistem Analisis dan Pembahasan Kesimpulan Gambar 3.1 Tahapan dalam penelitian

3.3.1 Studi Literatur Studi literatur bertujuan untuk mendapatkan informasi dan sebagai langkah awal untuk menyelesaikan masalah serta memberikan solusi terhadap permasalahan yang telah dirumuskan. Studi literatur merupakan sebuah kajian yang bersumber dari buku, media dan penelitian orang lain. Studi literatur yang dilakukan dalam penelitian ini mencari informasi tentang : 1.

Bahasa dan aksara Lampung

2.

Pengolahan citra

3.

Jaringan syaraf tiruan backpropagation

4.

Pemrograman Matlab

3.3.2 Perancangan sistem A. Penentuan kriteria sistem Sistem yang akan dibuat akan memiliki kriteria, sebagai berikut :

24

1.

Menggunakan software matlab untuk programnya.

2.

Mampu mengenali pola aksara dan menterjemahkannya, yang memiliki keandalan tingkat kesalahan karakter sekitar 10%.

3.

Menggunakan 5 (lima) kolom untuk tampilan sistem, sebagai batas penulisan antara satu karakter dengan karakter lain.

4.

Dapat menterjemahkan sebanyak 250 kosakata bahasa Lampung (150 kosakta dialek “A”, dan 100 kosakata dialek “O”) ke dalam bahasa indonesia. Tabel 3.1kosakata yang mampu diterjemahkan oleh sistem Dialek “A” dan “O”.

Tabel 3.1 Kosakata dialek “A dan O” [1,3,12] Dialek A Kosakata Terjemahan Agas Nyamuk Aghlak Akhlak Aghwah Arwah Ajagh Ajar Akik Sedangkan Akuk Ambil Andan Pelihara Angon Pemikiran Antak Hingga Api Apa Appai Baru Apui Api Ayit Pijit Babai Gendong Babang Asuh Babui Babi Baghih Lain Baghong Bersama Bakak Akar Balak Besar Bangik Enak Basoh Basah Bawak Kulit Bayu Basi

Beghak Betoh Buluh Bulung Buya Cadang Cagha Candung Cawa Culuk Cutik Debingi Dilan Gaghak Galah Ganta Gasak Gelagh Ghabai Ghamik Ghanglaya Ghangok Ghatong Gudu Gundang Halinu

Lebar Lapar Bambu Daun Lelah Rusak Cara Golok Berkata Tangan Sedikit Malam Terasi Kepiting Leher Sekarang Hantam Nama Takut Ramai Jalan Pintu Datang Botol Ekor Bayangan

25

Halok Helau Hinji Hulu Induh Ingok Ipos Ipon Iwa Jaghing Jappal Jeghing Jimmoh Jinna Jujun Jukung Kanca Kanjat Katan Kawai Kebayan Kecah Kedok Kedogok Kelom Kemunduk Kesipak Kughuk Kundang Kuta Labah Lading Lamban Lapah Lesung Liyogh Luwot Malih Manjau Manom Mawas Mawat Mejong Mengan Metuha Midogh

Mungkin Bagus Ini Kepala Entah Ingat Kecoa Gigi Ikan Jaring Telapak Jengkol Besok Tadi Dorong Perahu Teman Kaget Luka Baju Pengantin Bersih Lebat Mengantuk Gelap Nagka muda Sempat Masuk Tunangan Pagar Boros Pisau Rumah Pergi Lumpang Licin Lagi Pergi Berkunjung Sore Siang Tidak Duduk Makan Mertua Bermain

Minan Miwang Munih Nandok Nayuh Nginjam Ngison Ngugha Niku Nutuk Nyak Nyenyah Padok Pagas Paghi Palai Panjak Panjang Patoh Peghom Pengatu Penyana Pudak Pungah Sabah Sai Salai Sangun Sassai Sebbu Segaga Seghom Sekelik Senemon Sikkuh Sukkan Suluh Suwah Tallui Tanggai Tangih Tanom Tekanjat Temon Tigham Tikol

Bibi Menangis Juga Menempel Hajatan Meminjam Dingin Muda Kamu Ikut Saya Hambar Padat Tikam Padi Lelah Terlihat Piring Patah Simpan Sangat berharap Anggap Muka Sombong Sawah Satu Sarang Memang Dinding Tiup Berebut Semut Saudara Giat Segan Sungkan Merah Bakar Telur Kuku Masih lama Tanam Kaget Sungguh Kangen Sembelih

26

Timbuk Tuwot Ulun Usung

Gayung Lutut Orang Bawa

Dialek O Kosakata Terjemah Umo Lading Nyo Apa Ino Itu Cawo Kata Ghango Mulut Ngenah Melihat Tano Sekarang Ghanglayo Hujan Bagho Bunyi Dilem Didalam Penano Begitu Pedem Tidur Lago Berkelahi Matopanas Matahari Wawai Bagus Ngekai Mencari Tibaco Dibaca Tetak Tebang Pegiran Pangeran Luwah Keluar Tuho Tua happir Hamper Jamo Dengan Sikam Kami Betapo bertap Ago Akan Bahaso Bahasa Caluk Kaki Dapek Dapat Gaccak Tinggi Had Aksara Jajak Lari Kacab Penuh Letam Rebut Mahho Tertawa Nayah Banyak Pukek Pendek Ragah laki-laki

Walu Wat Wawai Way

Saghak Tubik Wates Wayah Yo Dakjo Cekelang Penyakik Siwo Tawak Rajo Meghiyan Acaro Dipa Hughik Ghanting Kawai Tuko Pigho Memok Nuwo Cutik Betong Ghega Agamo Lunik Wayah Tunggai Paghek Moghah Bando Buguw Jelema Kunpa Nikeu Pikken Sipa Apa Kelapo Tiling

Delapan Ada Baik Air

Robek Lahir Batas Perilaku Dia Kemari Berlari Penyakit Sembilan Contoh Raja Suami Acara Dimana Hidup Ranting Baju Took Berapa Pendek Rumah Sedikit Kenyang Harga Agama Kecil Perilaku Jumpa Padi Murah Harta Bodoh Orang Kapan Kamu Letakkan Siapa Siapa Kelapa Tuang

27

Pintegh Matei Biyak Happing Pegat Sihat Mudo Beteh Bulung Kuto Suluh

Pintar Mati Berat Ringan Putus Sehat Muda Lapar Daun Pagar Merah

Mesigit Ngisen Ngenah Mewing Sabaghai Biaso Jukuk Maghih Mulei Sekula Jimo

Masjid Dingin Melihat Menangis Sebentar Biasa Rumput Sakit Gadis Sekolah Orang

Pada perancangan sistem peneliti menggunakan dua perangkat yaitu perangkat keras dan perangkat lunak. Perangkat keras yang digunakan untuk mengambil data sampel dan untuk pemprogramnya menggunakan person computer (PC), sedangkan perangkat lunak untuk perangkat programnya yang digunakan adalah perangkat lunak matlab 2011a.

B. Perancangan Cara Kerja Sistem Cara kerja dari sistem ditunjukkan pada diagram alir yang dapat dilihat pada Gambar 3.2 Mulai

Gambarkan Pola AksaraLampung

Baca data citra digital

Kenali data citra digital

Tampilkan kosakata

A

28

A

tidak Apakah kosakata termasuk ke dalam dialek A? tidak ya

Apakah kosakata termasuk ke dalam dialek O? ya

Tampilkan “A”

Tampilkan “Tidak diketahui”

Tampilkan “O”

Apakah kosakata yang dikenali dapat diterjemahkan?

Tidak

Ya Tampilkan terjemah dari kosakata yang dikenal Tidak diketahui

Hapus informasi dan data input

Selesai

Gambar 3.2 Diagram alir cara kerja sistem

Dari Gambar 3.2 menjelaskan tahapan cara kerja sistem yang akan dibuat, seperti dijelaskan berikut:

Sistem

akan masuk

secara

langsung dengan

cara

menggambarkan pola aksara Lampung yang tersedia pada kotak aplikasi. Selanjutnya sistem akan melakukan proses pengenalan data masukan melalui jaringan syaraf tiruan dan menampilkan hasil pengenalan pada perangkat aplikasi. Selanjutnya proses pengenalan kosakata dengan melakukan kondisi percabangan

29

untuk memastikan bahwa kosakata tersebut termasuk kedalam dialek A atau O. Apabila dari kedua dialek data tidak dikenali maka sistem akan memberikan informasi melalui tulisan bahwa terjemahan tidak diketahui. Dan jika data masukan termasuk kedalam diantara dua dialek tersebut, maka sistem dikenali dan akan menampilkan dialek dari data tersebut, sehingga sistem akan menampilkan dari dialek tersebut. Selanjutnya sistem akan menterjemahkan dan menampilkan data hasil terjemahan tersebut. Proses terakhir adalah melakukan pengahapusan informasi dan data masukan dari sistem.

C. Perancangan Tampilan (sketsa) Sistem Perancangan pada sistem untuk sketsa atau tampilan aplikasi ditunjukan pada Gambar 3.3 Huruf Induk

Anak Huruf

Pandai Berbahasa Lampung

Tulis

Baca

Terjemahkankan

Hapus

Bersihkan

Alphabet :

Dialek :

Terjemahan :

Waktu :

Selesai

Gambar 3.3Sketsa tampilan aplikasi

30

3.3.3 Pengumpulan Data Sampel Pengumpulan data sampel dilakukan pemilihan data baru dan data sebelumnya yang telah dikumpulkan oleh Hendri Setiawan, S.Tdari skripsi sebelumnya yaitu “Rancang Bangun Aplikasi Pengenalan Tulisan Tangan Aksara Lampung Dengan Dengan Masukan Layar Sentuh Menggunakan Jaringan Syarat Tiruan Backpropagation” [3]. Data sampel dibutuhkan untuk melatih jaringan syaraf tiruan agar dapat mengenali pola aksara Lampung. Data sampel diperoleh dari beberapa orang yang memiliki penulisan pola aksara yang berbeda. Data sampel terdiri dari 75 set data yang berisikan karakter aksara yang terdiri dari 20 karekter induk, 12 karakter anak huruf (6 anak huruf terletak diatas huruf induk, 3 anak huruf terletak di bawah karakter induk huruf dan 3 anak huruf terletak di depan induk huruf). Pada setiap set data pelatihan satu karakter tunggal ditulis sebanyak 13 kali karakter dan 12 karakter ditulis dengan anak huruf. Oleh karena itu dalam satu set pelatihan terdapat 7 sheet (angket) dengan jumlah karakter sebanyak 260 karakter aksara yang dapat diisi. Dalam satu set data terdapat 7 sheet (anget), jadi total data sampel pelatihan dibutuhkan 350 lembar angket data. Satu lembar angket terdiri dari 4 baris dan 10 kolom sehingga dapat menulis 40 karakter aksara. Dibutuhkan 7 lembar angket data untuk mendapatkan 260 karakter aksara. Pada penelitian ini data sampel diambil menggunakan teknologi layar sentuh pada komputer tablet. Angket yang telah diisi kemudian disimpan dan merupakan dalam format citra digital selanjutnya akan diproses. Gambar 3.4 memperlihatkan contoh angket data yang belum diisi dan sudah diisi aksara.

31

(a)

(b) Gambar 3.4 Contoh angket data pelatihan a) angket data belum diisi, b) angket data yang telah diisi. 3.3.4 Pembuatan sistem Tahap pembuatan sistem terdiri dari dua rancangan yaitu : a.

Perangkat pelatihan Pelatihan perangkat digunakan untuk melatih jaringan syaraf tiruan backpropagation. Perangkat pelatihan menggunakan 15 set data sampel dari

32

75 set yang diambil secara acak. Terdapat beberapa langkah yang dilakukan pada perangkat pelatihan ditunjukkan pada Gambar 3.5 Algoritma Preprocessing Binerisasi

Konversi ke vektor

Slicing (pemotongan) Deteksi tepi (Canny)

Input (citra) Morfologi dilasi

Proses Pelatihan

Fill (holes) Cropping Output

Resizing

Gambar 3.5 Proses kerja perangkat pelatihan Dari Gambar 3.5 dalam proses kerja perangkat dapat dijelaskan: 1. Input Input merupakan data masukan yang berupa data dalam hal ini berupa data sampel aksara Lampung. 2. Preprocessing Tahap awal dalam pengolahan citra dengan algoritma pengolahan citra yang meliputi:  Binerisasi adalah proses untuk mengubah citra warna menjadi citra biner. Binerisasi juga digunakan untuk membantu menghilangkan garis bantu yang ada pada angket data pelatihan.

33

 Slicing digunakan untuk proses pemotongan terhadap karakter huruf induk maupun anak huruf untuk mendapatkan informasi yang diinginkan.  Deteksi tepicannydigunakan untuk meningkatkan penampakan garis batas suatu daerah atau objek dari suatu citra.  Dilasi merupakan morfologi dilasi yang dilakukan untuk penebalan terhadap piksel bernilai 1. Pada penelitian ini menggunakan fungsi se=(strel('square',4)); A = imdilate (Ed, se);

 Fill(pengisian piksel yang kosong)  Cropping berguna untuk menghasilkan sebuah citra yang hanya membaca satu karakter saja, sedangkan karakter yang lainnya dihilangkan.  Resizing digunakan untuk melakukan proses pengubahan ukuran citra. Dalam proses ini ukuran citra menjadi 20x35 piksel. Dengan memperkecil ukuran citra dapat mempermudah data yang masuk ke dalam jaringan syaraf tiruan. Pada prosees algoritma pengolahan citra pada penelitian ini supaya mudah dipahami dapat dilihat pada Gambar 3.6

Input

A

34

A

Binerisasi

Hasil Slicing

\

Hasildeteksi tepi canny

Hasildilasi

Hasilfill

Hasil Cropping dan Resizing

Gambar 3.6 Proses pengolahan citra aksara ka

35

3. Konversi ke vektor Datacitra yang sudah dilakukan resizing terlebih dahulu harus diubah ke dalam matriks vektor. Jika suatu tupel-n (vektor) dinyatakan dalam suatu matrik 1 x n, maka dinyatakan sebagai suatu vektor baris. Sebaliknya jika tupel-n dinyatakan oleh matrik n x 1, maka dinyatakan sebagai vektor kolom [9]. Sehingga pada penelitian ini menggunakan vektor kolom, karena data matriks yang terdiri dari 700 baris dengan satu kolom (700x1). Datayang dapat diproses pada jaringan syaraf tiruan adalah data vektor. Untuk mendapatkan data vektor dari matrik perhatikan Gambar 3.7

a) Matrik 3x3

b) Vektor 9x1

Gambar 3.7 Contoh vektorisasi citra Dari Gambar 3.7 gambar a merupakan data matrik berukuran 3x3 selanjutnya diubah dalam bentuk vektor seperti pada gambar b dengan cara mengewali pengambilan nilai yang ada pada baris pertama matrik, kemudian dilanjutkan dengan pengambilan nilai yang ada pada baris kedua dan seterusnya hingga terakhir pada baris ketiga. Sehingga

36

diperoleh vektor berukuran 9x1 seperti pada Gambar 3.7(b). Pada matlab pengubahan data matrik ke vektor bisamenggunakan fungsi : Y = imtovector ();

4. Proses pelatihan Pelatihan perangkat digunakan untuk melatih jaringan syaraf tiruan backpropagation tujuannya untuk mendapatkan parmeter-parameter yang dibutuhkan oleh jaringan agar didapat hasil pelatihan yang baik. Parameter tersebut sepeti bobot awal, bias awal, parameter epoch dan parameter goal. Parameter epoch dan parameter goal digunakan untuk menghentikan proses pelatihan apabila sudah mencapai error yang diizinkan. Proses pelatihan akan berhenti apabila telah mencapai output sesuai target yang ditentukan berdasarkan error yang diizinkan. Dalam aksara Lampung terdapat beberapa karakter yang hampir sama, maka diperlukan proses pelatihan bertingkat (ganda) untuk melatih katrakter tersebut. Proses pelatihan karakter ganda tersebut di perlihatan pada Gambar 3.8

Gambar 3.8 Proses pelatihan data bertingkat(Ganda) 2 Karakter huruf induk (ja dan sa)

2 Karakter huruf induk (ja dan na)

3 Karakter huruf induk (ca, gha, dan ha)

3 Karakter huruf induk (ka, ga dan sa)

3 Karakter huruf induk (ba , ma dan pa)

2 Karakter huruf induk (ha dan gha)

2 Karakter huruf induk (ra dan wa)

3Karakter huruf induk (ra, ta dan wa)

5 Karakter huruf induk (a, la, nga, na dannya,)

2 Karakter huruf induk (la dan na)

2 Karakter huruf induk (ba dan ma)

2 Karakter huruf induk (pa dan ba)

2 Karakter anak huruf di depan (ai dan nengen)

21 Karakter (20 kar. huruf induk dan 1 kar. kosong)

3 Karakter huruf induk (ca, gha, dan ha)

7 Karakter (6 kar. anak huruf di atas dan 1 kar. kosong)

kosong)

4 Karakter (3 kar. anak huruf di bawah dan 1 kar.

4 Karakter (3 kar. anak huruf di depan dan 1 kar. kosong)

HURUF INDUK

ANAK HURUF DI ATAS

ANAK HURUF DI BAWAH

ANAK HURUF DI DEPAN

37

TAHAPAN PELATIHAN DATA

38

5. Output Hasil yang akan diperoleh dari pelatihan data merupakan hasil dari jaringan syaraf tiruan backpropagation yang berupa bobot dan bias, dari hasil ini digunakan untuk perangkat aplikasi.

Diagram alir dari masing-masimh proses diatas a) Pembuatan program algoritma preprocessing  Pembuatan program Slicing Mulai

Mendefinisikan variabel aksara, jumlah set, karakter, kolom, baris, direktori, dll.

Apakah direktori outputslicing sudah tersedia ?

tidak

Membuat direktori output dengan nama yang telah ditentukan pada variabel „outputdir‟

ya Menentukan jumlah perulangan/ iterasi & menetukan variabel lainnya.

Membaca data input di direktori yang telah ditentukan pada variabel masukan

Melakukan operasi binerisasi dengan nilai threshold 0.05

B A

39

A

Melakukan operasi slicing satu-per-satu setiap baris & kolom baik huruf induk atau anak huruf.

B

Menyimpan data hasil slicing dalam bentuk citra digital di direktori output yang telah ditentukan

tida k

Apakah setiap karakter di semua baris & kolom telah dilakukan operasi slicing ? ya

Selesai

Gambar 3.9 Proses algoritma preprocesing pada program slicing  Pembuatan program deteksi tepicanny, dilasi, croppingdan resizing Mulai

Mendefinisikan aksara, jumlah karakter, direktori

Apakah direktori outputslicing sudah tersediaya ?

Tidak

Membuat direktori output dengan nama yang telah ditentukan pada variabel „outputdir‟

Ya B A

40

A

B

Menentukan jumlah perulangan/iterasi

Membaca data input di hasil operasi deteksi tepi canny

Melakukan operasi Morfologi dilasi se=(strel('square',4),

Melakukan operasi Fill

Melakukan operasi Cropping

Melakukan operasi resizing, ukuran 20 x 35

Menyimpan data hasil operasi dalam bentuk citra digital di direktori output yang telah ditentukan

Apakah setiap file sudah dilakukan operasi pengolahan citra ?

tidak

ya Selesai

Gambar 3.10Proses preprocesing pada deteksi tepi, dilasi, fill,croppingdan resizing

41

b) Konversi ke vektor Mulai

Mendefinisikan fungsi dengan nama „vector‟, dimana input = setnumber & output = y.

Mendefinisikan variabel karakter dengan nama-nama karakter aksara.

Mendefinisikan variabel-variabel lain: direktori, ukuran piksel, dll.

tidak

Apakah direktori output sudah tersedia ?

Membuat direktori output dengan nama yang telah ditentukan

ya

ya

Apakah file „.mat‟ cachedata sudah ada ? tidak

Load file „.mat‟ chacedata sebagai input file „neuralnetwork.m‟

A

Menentukan jumlah perulangan/ iterasi.

Membaca data input, hasil dari program pengolahan citra

B C

42

B

Melakukan konversi ke vektor dengan mencuplik data satu-per-satu dari citra ukuran 20 x 35

C

Menyimpan data dalam format file „.mat‟ di direktori yang telah ditentukan

A

Apakah setiap data sudah dlakukan konversi ke vektor ?

tidak

ya Selesai

Gambar 3.11 Proses konversi ke vektor c) Proses pelatian jaringan syaraf tiruan Mulai

Mendefinisikan variabel set ideal, target, jumlah lapisan jaringan, direktori output, dll

Mendefinisikan/ menentukan parameter-parameter pelatihan

A

43

A

Melakukan pelatihan untuk set ideal

Melakukan pelatihan untuk set idealyang dikombinasikan dengan set lainnya (15 set)

Melakukan pelatihan untuk set ideal kembali

tidak Apakah direktori output sudah tersedia ?

Membuat direktori output dengan nama yang telah ditentukan

ya

Menyimpan bobot dan bias di setiap jaringan, yang dihasilkan proses pelatihan dalam file „.mat‟di direktori yang telah ditentukan

Menentukan jumlah perulangan/ iterasi.

Melakukan pengujian (seluruh set) hasil pelatihan untuk mengetahui tingkat error.

B

C

44

B

Menampilkan tingkat error menggunakan grafik

Apakah setiap data sudah dilakukan pengujian ?

C

tidak

ya

Selesai

Gambar 3.12 Proses Jaringan Syaraf Tiruan

b.

Perangkat aplikasi Pada perangkat aplikasi juga dilakukan pengolahan citra pada perangkat pelatihan seperti binerisasi, slicing, cropping,deteksi tepi(canny), dilasidan resizing hingga didapat ukuran citra 20 x 35 piksel. Perangkat aplikasi ini karakter langsung diolah untuk dikenali oleh jaringan, hanya saja pada perangkat aplikasi tidak membutuhkan tahap pelatihan karakter, dengan memanfaatkan bias yang telah dihasilkan pada perangkat pelatihan sebelumnya. Perangkat aplikasi akan langsung mengambil keputusan untuk mengenali data masukan(input) dan menghasilkan keluaran (output) berupa hasil pengenalan dan penerjemah.

45

Algoritma Preprocessing Binerisasi

Konversi ke vektor

Slicing (pemotongan) Deteksi tepi (Canny)

Input (citra)

Morfologi dilasi

Pengambilan Keputusan

Fill (holes) Cropping Resizing

Output (PengenalandanPen

erjeman)

Gambar 3.13 Proses Kerja Perangkat Aplikasi

Berikut ini merupakan langkah-langkah untuk pembacaan karakter aksara Lampung pada perangkat aplikasi: 1. Program akan membaca data masukan yang berupa karakter aksara Lampung yang telah dituliskan pengguna. 2. Program akan melakukan proses pengolahan citra yang meliputi, binerisasi, slicing, deteksi tepi (canny), dilasi, fill, cropping dan resizing.Selanjutnya menyimpan hasil pengolahan citra ke dalam direktori yang telah dibuat. Pembuatan program direktori keluaran dibutuhkan untuk menyimpan hasil pengolahan citra dan vektorisasi citra. 3. Program akan membentuk matrik vektor berdasarkan data citra yang dihasilkan dari proses pengolahan citra yang kemudian menyimpannya ke dalam direktori hasil vektorisasi.

46

4. Selanjutnya jaringan akan menguji data vektor untuk menentukan karakter tersebut. Karakter yang akan diuji yaitu induk huruf dan anak huruf (anak huruf atas, bawah dan depan) 5. Program akan melakukan pengkodean karakter terhadap aksara Lampung baik itu induh huruf maupun anak huruf yang dikenali untuk dapat menampilkan hasil pembacaan. 6. Langkah terakhir program akan melakukan penerjemah sekaligus mengklarifikasi dialek hasil pembacaan yang ada pada kolom „terjemah‟. Penerjemahan dilakukan dengan mencocokkan kata tersebut dengan data yang ada pada database kosakata di Tabel 3.1. apabila kata tersebut ada dalam database maka program akan menampilkan terjemahan dan jenis dialeknya. Namun jika kata tersebut tidak ada di database maka program akan menampilkan terjemahan „Tidak diketahui‟ .

3.3.5 Pengujian sistem Langkah selanjutnya, setelah pembuatan sistem yaitu dengan pengujian kehandalan

sistem dan melakukan perbandingan dengan sistem sebelumnya

dengan parameter-parameter yang telah ditentukan sebelumnya. Pengujian dilakukan dengan cara menuliskan aksara lampung pada kolom yang tersedia diprogram aplikasi.

Penelitian ini semua karakter aksara telah melakukan pelatian melalui proses jaringan syaraf tiruan yang dapat dikenali. Jumlah kosakata yang dapat

47

diterjemahkan untuk sementara ini sebanyak 250 kosakata. Kosakata ini bisa dilihat pada Tabel 3.1.

Keandalan sistem dapat ditentukan dari persentase tingkat kesalahan yang dihasilkan dari pengujian yaitu dengan

𝐽𝑢𝑚𝑙𝑎 𝑕 𝐾𝑒𝑠𝑎𝑙𝑎 𝑕𝑎𝑛

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐾𝑒𝑠𝑎𝑙𝑎𝑕𝑎𝑛(%) = 𝐽𝑢𝑚𝑙𝑎 𝑕 𝑃𝑒𝑛𝑔𝑢𝑗𝑖𝑎𝑛 𝑥100%

(3.1)

3.3.6 Analisis dan Kesimpulan Setalah melalukan pengujian tahap selanjutnya adalah melakukan analisis dari pengujian sistem. Proses dari analisis ini dilakukan agar dapat mengetahui kesalahan dan kekurangan pada penelitian ini.Prosesini juga dilakukan untuk mengambil keputusan.

V.

5.1

KESIMPULAN DAN SARAN

Kesimpulan

Setelah dilakukan pengujian terhadap sistem yang telah dibuat, maka dapat diambil beberapa kesimpulan diantaranya : 1.

Sistem aplikasi pengenalan aksara Lampung berhasil mengenali per-karakter aksara Lampung sebesar 78% dari 10 (sepuluh) kali pengujian. Dengan ratarata kesalahan pengenalan pola sebesar 22%.

2.

Sistem aplikasi pengenalan aksara Lampung mengenali kosakata sebesar 60% dari 100 kali pengujian. Dengan rata-rata kesalahan pengenalan sebesar 40%.

3.

Metode deteksi tepi (canny) dapat mengenali karakter aksara Lampung akan tetapi kurang maksimal, dikarenakan canny membaca bagian-bagian tepi objek dan hanya memberikan satu tanggapan biner, sehingga mempengaruhi bagian pengolahan citra selanjutnya dan mempersulit proses pengenalan karakter.

4.

Beberapa karakter aksara Lampung memiliki kemiripan bentuk, sehingga pengenalan karakter lebih sulit, maka dilakukan pelatihan bertingkat (ganda) terhadap beberapa karakter tersebut. Hal ini menyebabkan waktu proses penerjemahan lebih lama dibandingkan dengan pelatihan tunggal.

5.

Pada perangkat pelatihan nilai kesalahan relatif kecil, namun Pada sistem aplikasi masih belum mengenali karakter aksara Lampung secara sempurna,

86

dikarena pengujian aplikasi ditulis oleh beberapa orang yang berbeda membuat bentuk aksara yang beragam dan beberapa bentuk aksara yang ditulis tidak sama dipelatihan, sehinnga mempersulit jaringan syaraf tiruan backpropagation untuk membaca pola. 6.

Kesalahan utama pada pengenalan pola untuk sistem aplikasi dipengaruhi oleh keragaman penulisan aksara Lampung pada blangko (tempat penulisan aksara Lampung) tersebut.

5.2

Saran

Untuk penelitian selanjutnya saran yang diberikan guna perbaikan adalah : 7.

Sistem aplikasi ini hanya dapat membaca aksara Lampung yang ditulis dalam blangko. Sehingga pada penelitian selanjutnya format penulisan ditentukan dan bisa ditulis secara acak tanpa penulisan di kolom.

8.

Program masih terintegrasi dengan perangkat lunak matlab sehingga membutuhkan program matlab untuk menjalankannya. Maka diharapkan kedepannya sistem ini dapat dijalankan dalam format .exe agar lebih fleksibel dan portabel

9.

Sistem ini dapat dikembangkan dengan menggunakan bahasa lainnya, seperti basa pemrograman visual basic, java, skylab, phyton, C++ atau yang lainnya.

10. Pembuatan aplikasi yang mengarah pada pembelajaran bahasa Lampung dengan menggunakan multimedia seperti suara sehingga aplikasi menjadi lebih menarik.

DAFTAR PUSTAKA

[1]

Noeh, M dan Harisfadilah. 1979. Kamus Umum Bahasa LampungIndonesia. Universitas Lampung. Bandar Lampung.

[2]

Kadir, Abdul dan Andhi Susanto. 2013. Teori dan Aplikasi pengolahan Citra. Andi. Yogyakarta. ISBN978-979-29-3430-4

[3]

Setiawan, H. 2014. Rancang Bangun Aplikasi Pengenalan Tulis Tangan Aksara Lampung Dengan Masukan Layar Sentuh Menggunakan Jaringan Syaraf Tiruan Bacpropagation. (Skripsi). Universitas Lampung. Bandar Lampung.

[4]

Prasetyo,

E.

2011.

Pengolahan

Citra

Digital

Dan

Aplikasinya

Menggunakan MATLAB. Andi. Yogyakarta. ISBN: 978-979-29-2703-0 [5]

amutiara.Bab

1

Pengantar

Pengolahan

Citra.

http://amutiara.staff.gunadarma.ac.id/Downloads/files/39981/Bab1_Pengantar+Pengolahan+Citra.pdf. [6] Putra, D. 2010. Pengolahan Citra Digital. Andi. Yogyakarta. ISBN: 978979-29-1443-6 [7]

Delta dan Apriana. 2013. Jurnal.Perbandingan Metode Sobel, Metode Prewitt dan MetodeRobert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan

Bentuk

Berbasis

Citra

Digital.

http%3A%2F%2Feprints.mdp.ac.id%2F795%2F1%2FJURNAL%2520Apri yana%2520dan%2520Delta. 8 Agustus 2015

[8]

Siang,

JJ.2009.

Jaringan

Syaraf

Tiruan

Dan

Pemrogramannya

Menggunakan MATLAB. Andi. Yogyakarta. ISBN: 978-979-29-0493-2 [9]

J, Steven Leon. 1993. Aljabar Linear Dan Aplikasinya, Edisi Kelima. Erlangga. Ciracas, Jakarta. ISBN : 979-688-173-x

[10] Yani, E. 2005. Pengantar Jaringan Syaraf Tiruan. MateriKuliah.Com. Universitas Muhammadiyah Gresik. [11] Pusadan, Mohammad Yazdi. 2014. Pemprograman Matlab Pada Sistem Pakar Fuzzy. Yogyakarta. CV Budi Utama. ISBN : 978-602-280-689-9 [12] Bungsu, Radin. 2011. BelajarAksara dan Budaya lampung 6. CV Pelita Lestari. Jakarta Utara. ISBN 978-602-6375-06-0