View
224
Download
0
Category
Preview:
Citation preview
i
PENIPISAN CITRA AKSARA BALI MENGGUNAKAN A FAST
AND FLEXIBLE THINNING ALGORITHM
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh :
Elizabeth Febrina Cornelia
125314064
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
2016
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
Abstrak
Dalam proses pengenalan pola, terdapat banyak proses sebelum akhirnya
melalui proses mengenali pola, yaitu preprosesing. Preprosesing adalah proses
mengolah data agar data dapat siap dipakai dan diolah menjadi informasi yang
bermakna. Salah satu cara mengolah data agar siap pakai adalah thinning. Thinning
merupakan teknik menipiskan citra sampai ketebalan satu piksel. Tujuannya agar
hasil pengenalan pola lebih akurat dan data juga waktu yang digunakan lebih ringkas.
Pada penelitian ini, penulis akan menguji metode A Fast and Flexible
Thinning Algorithm pada citra aksara Bali. Aksara Bali yang akan ditipiskan adalah
Aksara Wianjana dan Aksara angka, totalnya semua mencapai 28 karakter. Tujuan
menggunakan Aksara Bali sebagai data adalah memudahkan penelitian selanjutnya
tentang pengenalan pola terkait Aksara Bali.
Hasil penipisan terhadap citra Aksara Bali menggunakan A Fast and Flexible
Thinning Algorithm terbukti baik dengan memenuhi berberapa syarat, yaitu One pixel
thickness, time consuming, dan Thinning rate yang baik. Dengan rata – rata One pixel
thickness sebesar 95%, time consuming rata – ratanya 0,04 detik, dan thinning
ratenya 0,7. Maka A Fast and Flexible Thinning Algoritm dapat dikatakan baik
digunakan pada Aksara Bali.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
Abstract
In Pattern Recognition process, there are many processes before we finally
recognize the pattern, one of all is preprocessing. Preprocessing is to process data so
it can be used and be a meaningful information . One of the way to process data is
thinning. Thinning is the way to thin image until it’s thickness is one pixel. The
purpose is for more accurate and faster pattern recognition process.
To this research, writer will test A Fast and Flexible Thinning Algorithm on
Aksara Bali image. The Aksara that will be thinned are Wianjana and number, its
total is 28 characters. The aim use Aksara Bali as data is to make next research
related to pattern recognition using Aksara Bali easier.
Thinning result of Aksara Bali using A Fast and Flexible Thinning Algoritm
prove has a good testing with some conditions, that is One pixel thickness, time
consuming, and thinning rate. With average of one pixel thickness is 95%, then
average of time consuming is 0,04 second and the average of thinning rate in the
amount of 0,7. So, A Fast and Flexible Thinning Algorithm can be told as a good
method for Aksara Bali.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa, atas segala rahmat dan karunia-
Nya yang telah diberikan, sehingga penulis dapat menyelesaikan Tugas Akhir
“Penipisan Citra Aksara Bali Menggunakan A Fast and Flexible Thinning
Algorithm” ini dengan baik.
Dalam penyelesaian tugas akhir ini, penulis tidak lepas dari dukungan dan
bantuan dari sejumlah pihak, oleh sebab itu penulis ingin mengucapkan terima kasih
kepada :
1. Tuhan Yesus Kristus, atas kasih-Nya yang melimpah, penyertaan, dan segala
perkenanan yang diberikan sehingga penulis dapat menyelesaikan tugas akhir
ini.
2. Ibu Anastasia Rita Widiarti, S.Si. M.Kom., selaku pembimbing skripsi dan
ketua prodi atas saran, waktu, dan kesabaran beliau membimbing penulis
menyelesaikan tugas akhirnya.
3. Kedua orang tua penulis, Mama dan Papa, serta adik – adik (Oki dan Fani)
untuk dukungan dan kasih sayang yang selalu ada, terlebih doa yang
mengiringi.
4. Kak Vanda yang selalu mendukung, membimbing, dan menginspirasi. Terima
kasih sudah berbagi berbagai hal. Semoga segera ketemu laki – laki bule
ganteng brewokan yang cinta Tuhan dan sayang kak Vanda.
5. Anak – anak Miracle 11, Revival Generation, Real Army, Ce Icha Alviana,
serta seluruh keluarga Gereja Mawar Sharon Miracle Yogyakarta sebagai
keluarga kedua di Yogyakarta.
6. Paguyuban Trio Majalengka (Eva, Okta, plus mba April), Paguyuban Skripsi
Mamih Rita, serta seluruh TI angkatan 2012 dan keluarga besar USD yang
sudah membantu dan mendukung baik jasa maupun moril.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
7. Petra Tiblola, selaku pacar penulis, inspirasi bermusik, partner dikala senang
dan sedih yang sudah meluangkan waktu, hati, dan telinga untuk menunjang
curhatan – curhatan.
8. MSCS, yang membuat saya lebih semangat dalam menyelesaikan tugas akhir
ini.
9. Israel and New Breed, Echa Soemantri, JPCC worship, GMS Live, NDC
worship, Isyana Sarasvati, Raisa, Tulus, Yura, Zayn, dan Bruno Mars atas
lagu – lagu yang menemani pembuatan skripsi.
10. Serta seluruh pihak yang membantu secara langsung maupun tidak langsung
dalam penyelesaian Tugas Akhir ini yang tidak bisa penulis sebutkan satu
persatu.
Penulis menyadari bahwa masih banyak kekurangan yang terdapat pada laporan
tugas akhir ini. Saran dan kritik sangat penulis harapkan untuk perbaikan – perbaikan
dimasa yang akan datang. Akhir kata, penulis berharap tulisan ini bermanfaat bagi
kemajuan dan perkembangan ilmu pengetahuan serta berbagai pengguna pada
umumnya.
Yogyakarta, Juni 2016
Penulis
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
MOTTO
You are stronger than you know
Tundalah penundaan
It always seems impossible until it’s
done
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
DAFTAR ISI LEMBAR JUDUL..........................................................................................................i
LEMBAR PERSETUJUAN PEMBIMBING...............................................................ii
HALAMAN PENGESAHAN ...................................................................................... ii
PERNYATAAN KEASLIAN HASIL KARYA ......... Error! Bookmark not defined.
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ................. Error!
Bookmark not defined.
Abstrak .......................................................................................................................... v
Abstract ....................................................................................................................... vii
KATA PENGANTAR ............................................................................................... viii
MOTTO ......................................................................................................................... x
DAFTAR ISI ............................................................................................................... xi
Daftar Gambar ........................................................................................................... xiv
Daftar Tabel ............................................................................................................... xvi
PENDAHULUAN ......................................................................................................... 1
1.1. Latar Belakang ................................................................................................ 1
1.2. Tujuan Penelitian ............................................................................................ 2
1.3. Batasan Masalah ............................................................................................. 2
1.4. Manfaat Penelitian .......................................................................................... 3
1.5. Metode Penelitian ........................................................................................... 3
1.6. Sistematika Penulisan ..................................................................................... 4
LANDASAN TEORI .................................................................................................... 5
2.1. Citra .................................................................................................................... 5
2.1.1. Citra Biner .................................................................................................... 5
2.1.2. Citra Grayscale ............................................................................................. 6
2.1.3. Citra RGB ..................................................................................................... 6
2.2. Binarisasi............................................................................................................. 7
2.3. Thinning .............................................................................................................. 7
2.4. Metode Thinning A Fast and Flexible Thinning................................................. 8
2.5. One Pixel- Thickness ........................................................................................ 10
2.6. Kompleksitas Waktu ......................................................................................... 11
2.6.1. Kompleksitas Waktu Asimptotik ............................................................... 12
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
2.7. Thinning Rate.................................................................................................... 14
METODE PENELITIAN ............................................................................................ 16
3.1. Gambaran Umum Penelitian ............................................................................. 16
3.2. Data ................................................................................................................... 16
3.2.1. Sumber Data ............................................................................................... 16
3.2.2. Data yang digunakan .................................................................................. 16
3.3. Hardware dan Software..................................................................................... 17
3.4. Tahapan – Tahapan Rinci Penelitian ................................................................ 18
3.4.1. Studi Kasus ................................................................................................. 18
3.4.2. Penelitian Pustaka ...................................................................................... 18
3.4.3. Perancangan dan Pembuatan Alat Uji ........................................................ 19
3.4.4. Pengujian .................................................................................................... 19
3.4.5. Analisis dan Pembuatan Laporan ............................................................... 19
3.5. Perancangan Sistem .......................................................................................... 19
3.6. Algoritma A Fast and Flexible Thinning .......................................................... 20
IMPLEMENTASI SISTEM ........................................................................................ 24
4.1. Implementasi Algoritma ............................................................................... 24
4.1.1. Implementasi Algoritma readFile.............................................................. 24
4.1.2. Implementasi Algoritma Search_prev ....................................................... 24
4.1.3. Implementasi Algoritma Successor ........................................................... 25
4.1.4. Implementasi Algoritma A Fast and Flexible Thinning Algorithm (Wang-
Zhang) 31
4.1.5. Implementasi Algoritma OnePixelThickness............................................ 32
4.1.6. Implementasi Algoritma Time Consuming ............................................... 32
4.1.7. Implementasi Algoritma Not Critical Point .............................................. 32
4.1.8. Implementasi Algoritma Critical Point ..................................................... 33
4.1.9. Implementasi Algoritma Thinning Rate .................................................... 33
4.1.10. Implementasi Algoritma Contour Loop ................................................ 34
4.2. Implementasi User Interface ......................................................................... 37
HASIL DAN ANALISA ............................................................................................. 41
5.1. Analisa Hasil penipisan ................................................................................ 41
5.2. Analisa Waktu Penipisan .............................................................................. 49
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
5.3. Analisa Pengamatan Citra ............................................................................. 51
KESIMPULAN DAN SARAN ................................................................................... 55
6.1. Kesimpulan ................................................................................................... 55
6.2. Saran ............................................................................................................. 55
Daftar Pustaka .......................................................................................................... xvii
LAMPIRAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
Daftar Gambar
Gambar 2. 1 Representasi citra biner berupa matriks (Wang, 1989) ........................... 5
Gambar 2. 2 Representasi Citra Grayscale (Putra, D., 2004) ...................................... 6
Gambar 2. 3 Representasi Citra RGB .......................................................................... 7
Gambar 2. 4 Pixel dan Neighbours .............................................................................. 8
Gambar 2. 5 Digit pattern huruf ‘Y’ menurut Wang-Zhang (1988) ............................ 8
Gambar 2. 6 Pseudocode A Fast and Flexible Thinning Algorithm
(Wang dan Zhang, 1988) ............................................................................................. 10
Gambar 2. 7 Struktur Template A (Jang dan Chin, 1990) ......................................... 11
Gambar 2. 8 Struktur Template B dan C (Jang dan Chin, 1990) .............................. 11
Gambar 2. 9 Format triangle (segitiga) ..................................................................... 15
Gambar 3. 1 Citra asli (kiri) dan citra hasil penipisan (kanan) .................................. 16
Gambar 3. 2 Gambar Aksara Bali Wianjana Wreasta (Sudiarta, 2014) .................... 17
Gambar 3. 3 Gambar Aksara Bali Wianjana Wilangan (Sudiarta, 2014) ................. 17
Gambar 3. 4 DFD level 1 proses Thinning ............................................................... 20
Gambar 4. 1 Halaman Utama ..................................................................................... 37
Gambar 4. 2 Halaman utama setelah meng-klik tombol Thinning ............................. 38
Gambar 4. 3 Halaman Open File ............................................................................... 38
Gambar 4. 4 Halaman Save Image............................................................................. 39
Gambar 4. 5 Halaman Utama setelah meng-klik tombol THINNING ...................... 40
Gambar 5. 1 Representasi hasil penipisan huruf Ja dalam bentuk biner untuk
membuktikan bahwa piksel yang tidak dapat dikategorikan One pixel thickness
adalah critical point ..................................................................................................... 49
Gambar 5. 2 Citra Asli ............................................................................................... 51
Gambar 5. 3 Hasil penipisan dengan sistem .............................................................. 52
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
Gambar 5. 4 Hasil dari penghitungan iterasi pertama ................................................ 53
Gambar 5. 5 Hasil dari penghitungan iterasi kedua ................................................... 53
Gambar 5. 6 Hasil dari penghitungan iterasi ketiga ................................................... 54
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
Daftar Tabel
Tabel 2. 1 Pengelompokkan Algoritma bedasarkan notasi Big-O nya ....................... 14
Tabel 5. 1 Tabel citra sebelum dan setelah penipisan ................................................. 41
Tabel 5. 2 Tabel data jumlah piksel sebelum dan setelah penipisan .......................... 44
Tabel 5. 3 Tabel One Pixel Thickness ........................................................................ 45
Tabel 5. 4 Tabel Thinning Rate .................................................................................. 47
Tabel 5. 5 Tabel Time consuming .............................................................................. 50
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Aksara Bali adalah salah satu kearifan lokal yang dimiliki oleh Provinsi Bali.
Aksara Bali masih berkerabat dekat dengan Aksara Jawa dan memiliki banyak
kemiripan bentuk. Perbedaan terdapat dalam aksara dasar keduanya, yakni jumlah
aksara Bali berjumlah 18 karakter, sedangkan aksara Jawa berjumlah 20 karakter.
Pemanfaatan dan pelestarian aksara Bali masih sangat sempit, sedangkan Bali
memilki potensi wisata yang bertaraf internasional, sangat disayangkan apabila
potensi budaya kurang dipromosikan. Aksara Bali yang memiliki nilai sejarah
tersebut ditulis pada permukaan daun lontar dan kertas, dan cara mendokumentasikan
dokumen manuscript tersebut adalah dengan cara menyalin atau difoto. Tindak lanjut
pendokumentasian setelah proses foto adalah digitalisasi, yakni untuk mengubah citra
aksara menjadi suatu karakter terpsisah non-citra.
Dalam proses digitalisasi citra atau yang sering disebut Pemrosesan Citra,
proses penipisan citra (Thinning) sangat diperlukan untuk memperingan proses
komputasi dan memudahkan proses pengenalan pola. Proses penipisan secara
komputasi adalah mengganti representasi citra terluar yang ketebalannya melebihi 1
pixel dari bernilai 1 ke representasi bernilai 0, sehingga ketebalan citra mencapai 1
pixel. Berbagai metode Thinning hasil penelitian sudah diterapkan pada berbagai
tujuan yang berbeda – beda. Dengan kata lain, metode tertentu belum tentu cocok
diterapkan pada berbagai kasus. Contoh penerapan metode thinning : menganalisis sel
yang abnormal dengan metode Izzo-Coles dan Preston, mengklasifikasi sidik jari
dengan metode Moayer-Fu, dan prosesing circuit board dengan metode Ye-
Danielsson (Wang dan Zhang, 1989).
Selain penerapannya yang hanya cocok pada kasus tertentu, metode Thinning yang
sudah ada cenderung memiliki time consuming yang lama. Menurut penelitian Y. Y.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
Zhang dan P. S. P. Wang (1989) proses Thinning dengan metode Holt yang
dikenakan pada citra daun dengan menggunakan personal computer IBM dan
pemrograman menggunakan Turbo Pascal memakan waktu sebanyak 19,39 detik.
Hasil ini adalah yang paling tinggi dibandingkan dengan metode Zhang-Suen,
Rotovitz, dan A Fast and Flexible Thinning. Dari ke- 4 metode A Fast and Flexible
Thinning yang memiliki time consuming dan consuming yang paling rendah. Maka
dari itu, penulis ingin menguji apakah dengan time consuming dan consuming yang
rendah metode ini adalah juga metode yang handal, efektif, dan efisien.
1.2. Tujuan Penelitian
Maksud dan tujuan dari penelitian ini adalah :
1. Mengetahui persentase akurasi metode A Fast and Flexible Thinning.
2. Mengetahui persentase one-pixel-thickness metode A Fast and Flexible Thinning.
3. Mengetahui persentase konsumsi waktu metode A Fast and Flexible Thinning.
4. Mengetahui persentase thinning rate metode A Fast and Flexible Thinning.
1.3. Batasan Masalah
Untuk membahas topik yang lebih terarah dan terfokus pada tujuan yang ingin
dicapai, maka batasan masalahnya sebagai berikut :
1. Aksara yang dipakai adalah Aksara Bali Wianjana Wreasta dan Wilangan
2. Input adalah citra Aksara Bali dengan format .jpg atau .png
3. Citra Aksara Bali yang dipakai adalah citra hasil scan dari huruf cetak
4. Citra Input adalah citra yang sudah mengalami proses preprosesing untuk
menghilangkan derau (noise)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
1.4. Manfaat Penelitian
Manfaat dari penelitian ini adalah :
1. Untuk menguji apakah algoritma A Fast and Flexible Thinning cukup baik
diterapkan pada aksara Bali.
1.5. Metode Penelitian
1. Studi Kasus
Pada pemrosesan citra, yang terpenting adalah menghasilkan citra yang terolah
sehingga menjadi citra baru. Tetapi penerapan pemrosesan citra sangatlah luas, citra
dipakai untuk image retrieval, medical data mining, Jaringan syaraf tiruan dan
sebagainya. Tentu citra yang baik akan menghasilkan analisa yang akurat, maka dari
itu sebelum diolah akan sangat baik jika citra mengalami pemrosesan sehingga
hasilnya akan lebih efektif dan efisien. Thinning adalah salah satu langkah untuk
memproses citra, selain fungsinya untuk mengkompresi ukuran citra, tentu saja
membuat pengolahan citra menjadi lebih cepat karena hasil citra lebih kecil dan
banyak membuang elemen pixel yang tidak perlu. Maka akan sangat penting sebelum
melakukan pengolahan citra untuk terlebih dulu melakukan thinning.
2. Penelitian Pustaka
Pada penelitian pustaka, akan dicantumkan teori – teori terkait dengan judul
tugas akhir, diantaranya teori thinning, cara menguji one pixel thickness, cara menguji
konsumsi waktu dalam algoritma. Selain itu akan sedikit dibahas tentang latar
belakang aksara Bali yang digunakan, yakni aksara Bali Wreasta dan Wilangan,
dimana terdiri dari 18 karakter dasar dan 10 angka.
3. Perancangan dan Pembuatan Alat Uji
Untuk mengetes keberhasilan metode yang akan dijadikan tugas akhir, maka
akan diiplementasikan lewat aplikasi yang dibangun oleh penulis.
4. Pengujian
Untuk prosedur pengujian, akan dibuat sistem untuk menguji konektivitas, one
pixel thickness, dan konsumsi waktu. Sistem akan diimplementasikan setelah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
menjalankan implementasi dari tujuan utama penulisan tugas akhir ini, yaitu
penipisan citra menggunakan algoritma A Fast and Flexible Thinning.
5. Analisa dan Pembuatan Laporan
Analisa dan pembuatan laporan adalah tahap akhir setelah semua proses
dijalankan, kemudian akan membuat analisa dari hasil pengujian yang muncul. Dari
analisa tersebut dapat ditarik kesimpulan serta laporan.
1.6. Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini dibagi menjadi berberapa bab dengan susunan
sebagai berikut :
BAB I : PENDAHULUAN
Bab ini membahas latar belakang, rumusan masalah, tujuan, batasan masalah, dan
sistematika penulisan.
BAB II : LANDASAN TEORI
Bab ini membahas teori – teori dasar yang berkenaan dengan penelitian, yang
meliputi metode dan objek penelitian, seperti : teori tentang penggunaan Aksara Bali,
teori algoritma A Fast and Flexible Thinning, dan teori dasar tentang Thinning Citra.
BAB III : ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas mengenai analisa komponen – komponen yang akan digunakan
utnuk melakukan penelitian, sertaperancagan sistem secara lengkap.
BAB IV : IMPLEMENTASI SISTEM
Bab ini menjelaskan pengaplikasian dari rancangan yang sudah dituliskan pada Bab
III, kemudian diimplementasikan melalui program.
BAB V : KESIMPULAN
Bab ini menjelaskan tentang hasil yang sudah didapat dan konklusi hasil dari aplikasi
metode pada data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
Bab II
LANDASAN TEORI
2.1. Citra
Citra adalah informasi yang direpresentasikan secara visual, datanya lebih
kaya daripada teks. Citra dapat melukiskan sebuah maksud lebih baik dari kata – kata.
Informasi citra bisa kita dapatkan melalui proses pengambilan gambar secara digital.
Citra terdiri dari 2 macam, yaitu citra diam dan citra bergerak. Citra diam adalah citra
tunggal yang tidak memiliki pergerakan, contoh citra diam misalnya foto. Sedangkan
citra bergerak adalah serangkaian citra diam yang dijalankan kemudian menghasilkan
pergerakan.
2.1.1. Citra Biner
Citra Biner adalah citra dwi nilai, yakni 0 dan 1. Citra hanya memiliki 2
representasi berwarna hitam (0) dan putih (1). Yang harus dilakukan untuk membuat
citra biner adalah menetapkan titik berat, kemudian bedasarkan titik berat tersebut
representasi warna citra akan dikelompokkan ke dalam warna hitam dan putih.
Penggunaan warna biner biasanya digunakan pada penerapan barcode, dan citra logo.
Gambar 2. 1 Representasi citra biner berupa matriks (Wang, 1989)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
2.1.2. Citra Grayscale
Citra grayscale memiliki warna yang lebih kaya daripada citra biner. Angka
minimal dari grayscale adalah 0 dan maksimalnya adalah 255. Citra keabuan terdiri
dari 8 bit, kemudian 2 dipangkatkan 8 (dari 8 bit), hasilnya adalah 256, tetapi karena
0 dihitung sebagai nilai minimal, maka interval grayscale adalah dari 0-255.
2.1.3. Citra RGB
Citra RGB adalah citra yang paling sering kita jumpai didalam kehidupan
sehari – hari. Citra RGB yang sering kita sebut citra True color memiliki 3 keping
warna, yaitu Red, Green, dan Blue yang kemudian digabungkan untuk menghasilkan
warna yang lebih luas. Untuk citra RGB, rentang color encoding-nya mencapai 224
yang artinya terdapat 16.777.216 warna, tetapi untuk setiap keping warna (red, green,
blue) memiliki rentang maksimum 255.
Gambar 2. 2 Representasi Citra Grayscale (Putra, 2004)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
Gambar 2. 3 Representasi Citra RGB
2.2. Binarisasi
Binarisasi adalah proses untuk membuat warna citra menjadi hitam dan putih.
Binarisasi yang baik adalah proses binarisasi yang mampu membedakan antara
background dengan foreground. Pemisahan background dan foreground tersebut
didapatkan dari hasil pencarian nilai ambang (thresholding).
Ada 3 kemungkinan ketika mengenakan proses threshold kepada citra, yaitu :
a. Nilai Threshold terlalu tinggi, akibatnya citra yang terpisah menjadi
tergabung.
b. Nilai Threshold terlalu rendah, akibatnya sebuah citra menjadi terpotong –
potong.
c. Nilai Threshold sesuai dengan kebutuhan.
2.3. Thinning
Thinning adalah proses menghapus titik hitam dan mentransformasikannya
menjadi garis tipis yang disebut sebagai skeleton (Wang dan Zhang, 1988). Seperti
yang sudah dibahas dalam bab I, bahwa proses thinning merupakan salah satu proses
yang penting dalam pemrosesan citra. Thinning berperan dalam membantu mengenali
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
inti dari pattern dan mengurangi memori yang tidak perlu sehingga dalam
pemrosesan citra menjadi lebih ringan. Dimulai pada tahun 1950-an keinginan untuk
meminimumkan informasi yang penting untuk diproses, sehingga muncullah ide
untuk membuat algoritma thinning. Dan sampai sekarang sudah banyak berkembang
algoritma yang serial maupun parallel.
2.4. Metode Thinning A Fast and Flexible Thinning
Sebelum menggunakan A Fast and Flexible Thinning, berikut adalah istilah
dan peraturan dalam algoritma A Fast and Flexible Thinning :
1) Neighbours
Untuk setiap pixel yang memenuhi syarat, memiliki masing – masing 8 tetangga.
Syarat urutan untuk setiap tetangga adalah mulai dari pixel yang akan dihapus
tersebut, kemudian ke pixel yang berada diatasnya lalu mengikuti arah jarum jam.
Pixel yang akan dihapus dilambangkan dengan q(i,j), citra yang akan menjadi
input adalah citra biner. Dengan kata lain, q(i,j) hanya akan bernilai 0 atau 1.
Gambar 2. 4 Pixel dan Neighbours
Gambar 2. 5 Digit pattern huruf ‘Y’ menurut Wang-Zhang (1988)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
2) Contour Point
Contour point adalah pixel yang memiliki paling sedikit 1 pixel tetangga yang
berwarna putih, dengan kata lain pixel yang berada di pinggir dari pattern
tersebut. Bedasarkan Gambar 2.5. yang menjadi contour point adalah a, b, c, d,
dan seterusnya.
3) Contour Loop
Contour loop adalah serangkaian contour point yang berkesinambungan
membentuk sebuah pola. Dalam Gambar 2.5. terlihat bahwa jumlah contour loop
pada pola ‘Y’ adalah 1, sedangkan pada kasus – kasus tertentu jumlah contour
loop bisa lebih dari satu.
4) Sucessor dan Previous point
Dalam Gambar 2.5. misalkan kita mengambil contoh point k, maka sucessor-nya
adalah j, dan k. Sebaliknya, maka previous point-nya adalah l jika menghitung
dari pixel n. Sucessor adalah pixel yang ada setelah pixel yang sudah ditentukan
untuk dihapus, sedangkan previous adalah pixel sebelum mengenai pixel target.
5) Sucessor function
Misalkan saja p menjadi pixel yang diproses, maka x adalah previous point, dan z
menjadi sucessor point dari p. Kemudian sucessor function-nya menjadi z =
s(x,p).
6) Syarat – syarat penghapusan
a) 1 < B(p) <7, dimana B(p) adalah jumlah pixel yang nilainya taknol
b) A(p) = 1, A(p) adalah jumlah transisi dari 1 ke 0 mulai dari p sampai p7.
c) (p[2] + p[4])*p[0]*p[6] =0 atau (p[0] + p[6])*p[2]*p[4] =0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Gambar 2. 6 Pseudocode A Fast and Flexible Thinning Algorithm
(Wang dan Zhang, 1988)
2.5. One Pixel- Thickness
One pixel thickness adalah keadaan dimana sebuah citra memiliki ketebalan
satu pixel atau menjadi sebuah skeleton. Menurut Jang dan Ching (1990), suatu
rangka hasil penipisan dikatakan memiliki ketebalan 1 pixel bila tidak memuat salah
satu atau semua template A, dimana A adalah suatu bentuk citra yang berukuran 2x2.
Tetapi ada kalanya suatu citra dikatakan one pixel thickness padahal memuat template
A, yang disebut critical point (Widiarti dan Himamunanto, 2013). Jika critical point
dihapus, maka image yang ditipiskan akan terputus atau berlubang. Adapun syarat
untuk mengetahui bahwa pixel tersebut adalah critical point, yaitu dengan
membandingkan dengan template B dan C, jika salah satu terpenuhi, maka pixel
tersebut adalah sebuah critical point. Template B dan C adalah sebuah bentuk citra
dengan ukuran 3x3. Berikut Gambar 2.7 dan Gambar 2.8 adalah template A, B, dan C
:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
Gambar 2. 8 Struktur Template B dan C (Jang
dan Chin, 1990)
Gambar 2. 7 Struktur Template A (Jang dan Chin, 1990)
2.6. Kompleksitas Waktu
Menurut Wang dan Zhang (1989), running time dari algoritma A Fast and
Flexible Thinning relatif lebih singkat daripada algoritma Zhang-Suen, sehingga
algoritma ini lebih efisien digunakan untuk thinning. Kompleksitas waktu merupakan
faktor yang penting untuk diperhatikan, karena algoritma yang baik bukan hanya
dilihat dari hasil thinning yang sesuai dengan citra asli, tetapi waktu yang singkat
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
juga membuat algoritma tersebut handal digunakan. Kompleksitas waktu diwakili
oleh T(n), laju waktu dapat dihitung sesuai dengan besar masukan n.
2.6.1. Kompleksitas Waktu Asimptotik
Jika nilai n tersebut terlalu besar atau mungkin tak hingga nilainya, maka
perlu untuk mengetahui kompleksitas waktunya berdasarkan waktu tempuh dari
algoritma tersebut. Notasi yang digunakan untuk mengetahui kompleksitas waktu
adalah notasi asimptotik (Azizah, 2013). Terdapat 3 macam Kompleksitas waktu,
yaitu best case, average case, dan worst case. Best case dilambangkan dengan
Ω(𝑔(𝑛)) (Big Omega), average case dilambangkan dengan Θ(𝑔(𝑛)) (Big Theta,
sedangkan worst case dilambangkan dengan O(g(n)) (Big O).
Kompleksitas waktu asimptotik memiliki berberapa teorema dan definisi
sebagai berikut :
1. Definisi 1 : T(n) = O(f(n))
Dibaca “T(n) adalah O(f(n))” yang artinya T(n) berorde paling besar f(n). Bila
terdapat konstanta C dan n0 sedemikian hingga T(n) ≤ O(f(n)) untuk 𝑛 > 𝑛0
dimana f(n) adalah batas dari T(n) untuk n yang besar
2. Teorema 1 : Bila T(n) = 𝑎𝑚 𝑛𝑚 + 𝑎𝑚−1 𝑛𝑚−1 + ⋯ + 𝑎1𝑛 + 𝑎0 adalah
polinom derajat m maka T(n) = O(nm)
3. Teorema 2 : Bila 𝑇1(𝑛) = 𝑂(𝑓(𝑛)) dan 𝑇2(𝑛) = 𝑂(𝑔(𝑛)), maka
𝑇1(𝑛) + 𝑇2(𝑛) = 𝑂(𝑓(𝑛)) + 𝑂(𝑔(𝑛)) = 𝑂(max (𝑓(𝑛), 𝑔(𝑛)))
𝑇1(𝑛) 𝑇2(𝑛) = 𝑂(𝑓(𝑛)) 𝑂(𝑔(𝑛)) = 𝑂(𝑓(𝑛), 𝑔(𝑛))
𝑂(𝑐𝑓(𝑛) = 𝑂(𝑓(𝑛)), 𝑐 adalah konstanta
𝑓(𝑛) = 𝑂(𝑓(𝑛))
Untuk menghitung big O dalam setiap algoritma dan menerapkan teorema – teorema
seperti yang telah disebutkan sebelumnya sebagai berikut :
Operasi pengisian nilai, operasi perbandingan, operasi baca tulis,
membutuhkan waktu sebesar O(1)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
Operasi pengaksesan elemen larik dan memilih field tertentu membutuhkan
waktu sebesar O(1)
Contoh :
read x ; O(1)
x : = x + a[k]; O(1)+ O(1)+ O(1)= O(1)
writln(x); O(1)
Operasi if – else, misalnya if C then S1 else S2 ; membutuhkan waktu Tc +
Max(TS1, TS2)
Contoh :
read x; O(1)
if x mod 2 = 0 then O(1)
begin
x :=x+1
writln(x); O(1)
end
else
writln(x); O(1)
Operasi perulangan for. Kompleksitas waktunya adalah jumlah pengulangan
dikali dengan kompleksitas waktu badan perulangan
Contoh :
For i:=1 to n do
Jumlah:=jumlah + a[i]; O(1)
Operasi perulangan while-do dan repeat-until, utuk kedua perulangan
tersebut, kompleksitas waktunya adalah jumlah perulangan dikali dengan
kompleksitas waktu C dan S.
i:=2 O(1)
while i <= n do O(1)
begin
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
jumlah :=jumlah + a[i]; O(1)
i:=i+1; O(1)
end;
Untuk operasi pemanggilan fungsi, waktu yang dibutuhkan adalah sebesar
O(1)
Berikut tabel pengelompokkan algoritma bedasarkan notasi Big O nya :
Tabel 2. 1 Pengelompokkan Algoritma bedasarkan notasi Big-O nya
Kelompok Algoritma Nama
O(1)
O(log n)
O(n)
O(n log n)
O(n2)
O(n3)
O(2n)
O(n!)
konstan
logaritmik
lanjar
n log n
kuadratik
kubik
eksponensial
faktorial
2.7. Thinning Rate
Derajat apakah citra dapat ditipiskan atau sudah ditipiskan dapat diukur
selama proses mencari Thinning rate (Luthra dan Goyal, 2015). Thinning rate dapat
dihitung dengan menghitung terlebih dahulu jumlah segitiga yang berpusat pada
hotspot piksel.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Gambar 2. 9 Format triangle (segitiga)
Nilai triangle akan dihitung dengan seberapa banyaknya jumlah pola yang terpenuhi
oleh sebuah piksel. Jika sebuah piksel memenuhi semua pola maka nilai TTCnya (Total
Triangle Count) adalah 4. Penghitungan TTC dilakukan sebelum proses penipisan dan
setelah proses penipisan. Setelah mendapatkan kedua nilai TTC maka nilai TTC setelah
penipisan (TTCt) akan dibagi nilai TTC sebelum proses penipisan (TTCo). Semakin
hasilnya mendekati 1, maka hasil dari thinning rate semakin baik. Rumusnya adalah
sebagai berikut :
TR = 1-𝑇𝑇𝐶𝑡
𝑇𝑇𝐶𝑜 (1)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Bab III
METODE PENELITIAN
3.1. Gambaran Umum Penelitian
Sistem yang penulis bangun adalah sistem untuk menipiskan aksara Bali
(Skeletonization), dan mengetahui informasi meliputi hasil penipisan tersebut
(akurasi, kompleksitas, runtime). Inputnya adalah citra aksara yang sudah dalam
posisi sudut yang benar, kemudian proses yang dikenakan adalah proses untuk
membinarisasikan citra aksara tersebut, kemudian sesudah menjadi biner maka akan
dikenakan penipisan. Setelah penipisan, maka akan terdapat citra baru, yakni hasil
penipisan serta analisa hasil penipisan. Gambar 3.1 adalah hasil penipisan citra aksara
Bali huruf Ja dengan algoritma A Fast and Flexible Thinning :
Gambar 3. 1 Citra asli (kiri) dan citra hasil penipisan (kanan)
3.2. Data
3.2.1. Sumber Data
Data bersumber dari Buku Cetak Bahasa Bali Pangkaja Sari untuk kelas VII
SMP dengan penerbit Dwi Jaya Mandiri pada halaman 23 dan 25. Data yang
kemudian di-scan kemudian di-crop agar siap diolah menjadi data baru.
3.2.2. Data yang digunakan
Data yang akan digunakan adalah citra Aksara Bali Wianjana dengan total
aksara Wreasta berisi 18 karakter, yakni Ha, Na, Ca, Ra, Ka, Da, Ta, Sa, Wa, La, Ma,
Ga, Ba, Nga, Pa, Ja, Ya, dan Nya, kemudian aksara Wilangan yang dimulai dari 0-9.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Data Aksara Bali adalah citra hasil scan dari Buku Aksara Bali yang sudah di-crop
dan siap diproses.
Gambar 3. 2 Gambar Aksara Bali Wianjana Wreasta (Sudiarta, 2014)
Gambar 3. 3 Gambar Aksara Bali Wianjana Wilangan (Sudiarta, 2014)
3.3. Hardware dan Software
Perangkat keras yang digunakan adalah Laptop Lenovo Seri IdeaPad Z410
dengan spesifikasi sebagai berikut :
Processor : Intel(R) Core(TM) i5-4200M
RAM : 4096MB
Operating system : Windows 7 Ultimate
Graphic Interface : NVIDIA GEFORCE
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Perangkat lunak yang digunakan adalah Matlab R2012b. Matlab R2012b
adalah perangkat untuk membantu komputasi numerik dengan bahasa pemrograman
high-level. Dalam perangkat tersebut tersedia fungsi – fungsi yang sudah bisa
langsung digunakan yang berkaitan dengan proses komputasi, contohnya :
Penambangan Data, image processing, dan perhitungan matematis sederhana lainnya.
Hasil dari fungsi di Matlab R2012b dapat direpresentasikan secara teks maupun
visual.
3.4. Tahapan – Tahapan Rinci Penelitian
3.4.1. Studi Kasus
Dewasa ini, kemajuan teknologi sudah merambah ranah citra. Berbagai
pengaplikasian teknologi pada citra telah diterapkan, misalnya pengenalan pola,
pemrosesan citra dan medical data mining. Citra menjadi data yang sangat penting
untuk diolah ketika ciri dari suatu keadaan dilihat dari segi visualnya. Tetapi sebelum
diproses dalam tahap lebih lanjut ada baiknya citra merupakan citra yang efektif dan
efisien untuk diolah. Dalam pengenalan pola pada citra tentu pola citra yang dikenali
tidak sedikit, jika ukuran citra besar atau kurang jelas maka akan lebih sulit untuk
dikenali. Thinning adalah salah satu langkah awal untuk mengkompresi citra dan
membuang data citra yang tidak perlu sehingga pengenalan pola akan lebih cepat dan
efektif. Tanpa proses thinning tentu pemrosesan citra akan sangat lama dan berat,
maka dalam penelitian ini diharapkan penerapan thinning dari algoritma A Fast and
Flexible Thinning dapat memberikan sumbangsih dalam hal referensi apakah metode
ini baik untuk digunakan pada penelitian selanjutnya.
3.4.2. Penelitian Pustaka
Dalam bab ini, penelitian pustaka dilakukan untuk memperoleh informasi
tentang teori – teori yang berkaitan dengan pembuatan tugas akhir. Teori –teori yang
berkaitan berikut yaitu teori tentang Thinning dan pengujiannya. Pengujian thinning
adalah seputar pengujian one pixel thickness dan pengujian kompleksitas waktu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
3.4.3. Perancangan dan Pembuatan Alat Uji
Pada tahap ini perancangan alat uji akan dilakukan dengan perancangan
interface dan perancangan alat uji yang diimplementasikan dengan cara pembuatan
sistem. Setelah perancangan, akan dibuat alat uji untuk menguji one pixel thickness
dan kompleksitas waktu.
3.4.4. Pengujian
Pada tahap pengujian, data harus terlebih dahulu dikenai proses thinning,
kemudian akan diuji dari aspek one pixel thickness dan konsumsi waktu. Berikut
prosedur pengujiannya :
1. Data yang didapatkan dari sumber data kemudian dimasukkan dalam sistem
2. Data yang sudah dimasukkan dalam sistem kemudian dikenai proses thinning
3. Citra yang sudah di-thinning kemudian dicek apakah setiap pixel yang bukan
critical point masuk dalam kriteria template A, jika terdapat termasuk dalam
template A, maka dihitung jumlah persentase pixel yang sudah mencapai one
pixel thickness
4. Sambil mengecek one pixel thickness, dapat juga dihitung konsumsi waktunya
dengan cara yang sudah dibahas dalam pembahasan subbab 2.6..
3.4.5. Analisis dan Pembuatan Laporan
Setelah proses dari pengujian, maka akan ada suatu citra untuk dianalisa.
Yang menjadi tolak ukur pada algoritma A Fast and Flexible Thinning adalah
konektivitas, one pixel thickness, dan konsumsi waktu. Ketiga hal ini dapat dianalisa
dengan membuat alat uji yang berupa sebuah aplikasi. Aplikasi ini sangat penting dan
harus bebas dari error agar setiap analisa yang diberikan adalah analisa yang benar.
3.5. Perancangan Sistem
Citra Aksara Bali yang sudah di-scan dan di-crop masuk ke sistem, kemudian
dikenakan proses binarisasi, setelah dikenakan proses tersebut kemudian citra
ditipiskan dengan menggunakan algoritma Wang – Zhang, lalu citra yang sudah
ditipiskan tersebut akan diuji dan dianalisa.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
3.6. Algoritma A Fast and Flexible Thinning
Proses Thinning pada penelitian menggunakan metode thinning paralel A Fast
and Flexible Thinning yang disertai hasil pengujian one pixel thickness, pixel yang
dihapus, dan konsumsi waktu. Masukan dari proses thinning ini adalah citra yang
sudah berbentuk citra biner, kemudian melalui proses thinning, kemudian akan keluar
output gambar hasil thinning dan analisa. Gambar 3.5 yang akan menjelaskan alur
metode A Fast and Flexible Thinning.
Gambar 3. 4 DFD level 1 proses Thinning
One Pixel
Thickness
Thinning
Rate
Thinning
2.0
Citra
Aksara Bali
Citra Biner
Citra hasil
thinning
Time
Consuming
Critical and not
Critical point
Binerisasi
1.0
Hitung
Performa
Thinning
3.0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
A B
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
Gambar 3. 5 Flowchart Metode A Fast and Flexible Thinning
A B
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
Secara konsep, citra yang melalui proses algoritma ini akan melalui
berberapa tahap, yaitu mencari countour loop, mencari first dan prev, mencari
successor, mencocokkan piksel dengan kondisi penipisan, dan kemudian menghapus
piksel. Proses penghapusan piksel akan terjadi berkali – kali sesuai banyaknya
countour loop, kemudian citra akan dikenai persyaratan penghapusan pertama secara
keseluruhan sampai syarat tidak bisa dikenakan pada citra, kemudian algoritma
menjalankan penghapusan syarat kedua.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Bab IV
IMPLEMENTASI SISTEM
Rancangan yang sudah dituliskan dalam Bab III akan diimplementasikan
menjadi sistem yang digunakan untuk otomatisasi proses penipisan citra. Proses
implementasi adalah sebagai berikut :
4.1. Implementasi Algoritma
4.1.1. Implementasi Algoritma readFile
Algoritma readFile berfungsi untuk mendeteksi citra yang belum biner dan
mengubah citra tersebut menjadi biner agar mudah dalam proses penipisan. Dalam
algoritma ini, perintah binarisasi yang digunakan adalah perintah bawaan matlab,
yaitu im2bw, sedangkan untuk thresholding menggunakan perintah graythresh.
1. Mulai
2. Baca citra
3. Jika citra tidak biner maka lakukan thresholding menggunakan perintah
graythresh
4. Kemudian lakukan binarisasi menggunakan perintah im2bw
5. Selesai
4.1.2. Implementasi Algoritma Search_prev
Ketika proses looping berjalan, maka piksel yang diproses akan terus
berganti. Begitu juga dengan first dan prev, tugas search_prev adalah mencari
pengganti prev setelah piksel sebelumnya diproses.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
1. Mulai
2. Jika titik tetangga sebelah diagonal kanan atas adalah daerah maka titik
tersebut menjadi prev
3. Jika titik tetangga sebelah kanan adalah daerah maka titik tersebut menjadi
prev
4. Jika titik tetangga sebelah diagonal kanan bawah adalah daerah maka titik
tersebut menjadi prev
5. Jika titik tetangga sebelah bawah adalah daerah maka titik tersebut menjadi
prev
6. Jika titik tetangga sebelah diagonal kiri bawah adalah daerah maka titik
tersebut menjadi prev
7. Jika titik tetangga sebelah kiri adalah daerah maka titik tersebut menjadi
prev
8. Jika titik tetangga sebelah diagonal kiri atas adalah daerah maka titik
tersebut menjadi prev
9. Jika bukan semuanya maka prevnya adalah sebelah atas
10. Selesai
4.1.3. Implementasi Algoritma Successor
Sama seperti halnya search_prev, algoritma successor berfungsi untuk
mencari pengganti piksel yang akan diproses. Jika search_prev adalah untuk mencari
prev, maka successor adalah untuk mencari piksel penerus terproses.
1. Mulai
2. Jika pixel terproses dan pixel terdekat yang on sejajar, maka lakukan :
2.1. Jika Pixel terproses ada disebelah kiri pixel on terdekat maka lakukan :
2.1.1. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.1.2. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
on, jika iya maka pixel tersebut adalah successor
2.1.3. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.1.4. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
2.1.5. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.1.6. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
2.1.7. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
2.1.8. Jika bukan semuanya maka successornya adalah tetangga atas
2.2. Jika pixel terproses ada di sebelah kanan pixel on maka lakukan
2.2.1. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.2.2. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
2.2.3. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.2.4. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
2.2.5. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
2.2.6. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
2.2.7. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
2.2.8. Jika bukan semuanya maka successornya adalah tetangga atas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
3. Jika pixel on terdekat ada diatas pixel terproses maka lakukan
3.1. Jika pixel on terdekat ada di sebelah kanan atas pixel terproses maka
lakukan :
3.1.1. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
3.1.2. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.1.3. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.1.4. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.1.5. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.1.6. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.1.7. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
3.1.8. Jika bukan semuanya, maka tetangga kiri atas adalah
successornya
3.2. Jika pixel on terdekat berada diatas pixel terproses maka lakukan :
3.2.1. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.2.2. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.2.3. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.2.4. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
3.2.5. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.2.6. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
3.2.7. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.2.8. Jika bukan semuanya maka tetangga atas adalah successornya
3.3. Jika pixel terdekat yang on berada di kiri atas dari pixel terproses maka
lakukan :
3.3.1. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.3.2. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.3.3. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.3.4. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
3.3.5. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
3.3.6. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
3.3.7. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
3.3.8. Jika bukan semuanya maka tetangga kanan atas adalah
successornya
4. Jika pixel terdekat yang on berada dibawah pixel terproses maka lakukan :
4.1. Jika pixel terdekat yang on berada di sebelah kiri bawah dari pixel
terproses, maka lakukan :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
4.1.1. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.1.2. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.1.3. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.1.4. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.1.5. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.1.6. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.1.7. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.1.8. Jika bukan semuanya maka tetangga kanan bawah adalah
successornya
4.2. Jika pixel terdekat yang on berada tepat dibawah pixel terproses maka
lakukan :
4.2.1. Cek apakah tetangga kiri bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.2.2. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.2.3. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.2.4. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.2.5. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
4.2.6. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.2.7. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.2.8. Jika bukan semuanya maka tetangga bawah adalah
successornya
4.3. Jika pixel terdekat yang on berada di sebelah kanan bawah pixel
terproses, maka lakukan :
4.3.1. Cek apakah tetangga kiri dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.3.2. Cek apakah tetangga kiri atas dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.3.3. Cek apakah tetangga atas dari pixel on tersebut adalah pixel on,
jika iya maka pixel tersebut adalah successor
4.3.4. Cek apakah tetangga kanan atas dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.3.5. Cek apakah tetangga kanan dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.3.6. Cek apakah tetangga kanan bawah dari pixel on tersebut adalah
pixel on, jika iya maka pixel tersebut adalah successor
4.3.7. Cek apakah tetangga bawah dari pixel on tersebut adalah pixel
on, jika iya maka pixel tersebut adalah successor
4.3.8. Jika bukan semuanya maka tetangga sebelah kiri bawah adalah
successornya
5. Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
4.1.4. Implementasi Algoritma A Fast and Flexible Thinning Algorithm
(Wang-Zhang)
1. Mulai
2. Lakukan inisialisasi nilai g =1
3. Lakukan perintah dibawah sampai h[k]=0 (sampai proses looping tidak
memenuhi syarat penghapusan
3.1. Inisialisasikan Q=Q1 (melakukan penyalinan matriks citra asli)
3.2. Jika g=1, maka g=0, jika tidak, maka g=1
3.3. Untuk k=1 sampai dengan nilai m, lakukan :
3.3.1. Jika h[k]=1 maka lakukan :
3.3.1.1. Cari first (p), cari prev(x), set h[k]=0
3.3.1.2. Selama syarat loop-end test terpenuhi (pixel terproses
adalah pixel on), maka lakukan :
3.3.1.2.1. Cari successor
3.3.1.2.2. Pixel terproses menjadi prev
3.3.1.2.3. Jika g=0, maka lakukan :
3.3.1.2.3.1. Jika 1<B(p)<7 & A(p)=1 | C(p)=1 &
(p(2)+p(4))*p(0)*p(6)=0, maka lakukan
penghapusan, h[k]=1
3.3.1.2.4. Jika tidak maka lakukan :
3.3.1.2.4.1. Jika 1<B(p)<7 & A(p)=1 | C(p)=1 &
p(2)*p(4)*(p(0)+p(6))=0, maka lakukan
penghapusan, h[k]=1
3.3.1.2.5. Successor menjadi pixel terproses
3.3.1.3. Selesai
4. Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
4.1.5. Implementasi Algoritma OnePixelThickness
1. Mulai
2. Buat matriks sesuai dengan isi template A, B, dan C (sudah dibahas dalam
bab III)
3. Input gambar yang akan diuji
4. Lakukan looping sebanyak jumlah pixel tinggi dan lebar citra, selama itu,
lakukan :
4.1. Jika pixel tersebut pixel on, maka lakukan :
4.1.1. Cocokkan pixel on tersebut pada template A, B, dan C
4.2. Hitung pixel yang bukan critical
4.3. Kurangi jumlah pixel (citra setelah di thinning – pixel bukan critical)
/pixel thinning kemudian kalikan 100%
5. Selesai
4.1.6. Implementasi Algoritma Time Consuming
Algoritma Time consuming menghitung berapa time consuming dari proses
thinning tersebut. Perintah untuk memuat time consuming menggunakan bawaan
matlab, yaitu tic toc.
1. Mulai
2. Tuliskan perinntah tic
3. Lakukan penipisan
4. Tuliskan perintah toc
5. Selesai
4.1.7. Implementasi Algoritma Not Critical Point
Not critical point didapat dalam proses penghitungan one pixel thickness.
Dimana not critical point adalah hasil dari jumlah skeleton yang tidak memenuhi
template A, B, dan C.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
1. Mulai
2. Membuat matriks menurut template A, B, dan C
3. Masukkan gambar
4. Cocokkan pixel on terproses dengan template
5. Jika pixel on terproses tidak cocok dengan template manapun maka akan
dihitung sebagai Not Critical Point.
6. Selesai
4.1.8. Implementasi Algoritma Critical Point
Algoritma critical point berfungsi untuk mencari jumlah critical point dalam
piksel hasil skeleton citra. Semakin banyak critical point dalam citra, semakin baik
hasil penipisan tersebut, karena algoritma menipiskan hanya citra yang memiliki
piksel berlebih dan bukan piksel dari citra yang memiliki persimpangan sehingga
tidak mengubah pola asli citra tersebut.
1. Mulai
2. Membuat matriks menurut template A, B, dan C
3. Masukkan gambar
4. Cocokkan pixel on terproses dengan template
5. Jika pixel on terproses cocok dengan template A,B, atau C maka akan
dihitung sebagai Critical Point.
6. Selesai
4.1.9. Implementasi Algoritma Thinning Rate
Pengujian Thinning Rate berfungsi untuk membuktikan bahwa algoritma
thinning benar – benar menipiskan dengan cara menghitung pola triangle dari setiap
piksel yang sudah ditipiskan dibagi dengan jumlah pola triangle dari citra yang belum
ditipiskan. Semakin kecil jumlah dari thinning rate, hasil thinning semakin tipis.
1. Mulai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
2. Buat masking 3x3
3. Hitung jumlah (i-1,j-1) * (i,j-1) * (i,j) + (i-1,j-1) *(i-1,j)*(i,j)+(i-1,j)*(i-
1,j+1)*(i,j)+ (i,j)*(i,j+1)*(i-1,j+1) pada pixel tersebut
4. Lakukan proses thinning
5. Buat masking baru 3x3
6. Hitung jumlah (i-1,j-1) * (i,j-1) * (i,j) + (i-1,j-1) *(i-1,j)*(i,j)+(i-1,j)*(i-
1,j+1)*(i,j)+ (i,j)*(i,j+1)*(i-1,j+1) pada pixel tersebut
7. Thinning rate adalah jumlah perhitungan setelah thinning dibagi sebelum
thinning
4.1.10. Implementasi Algoritma Contour Loop
Penghitungan countour loop berfungsi untuk jumlah looping yang dijalankan
oleh algoritma. Singkatnya, algoritma ini menghitung dan mengolah jumlah garis
pinggir dari citra tersebut.
1. Mulai
2. Membuat matriks salinan dari citra asli (tempku1 dan tempku3)
3. Mencari pixel pertama dari citra yang representasi hitam
4. Mencari jumlah pixel hitam pada citra
5. Inisialisasikan : tempku_no_daerah =0, iterasi=0, no_daerah=0
6. Selama jumlah piksel hitam lebih dari 0, maka lakukan :
6.1. Jika iterasi=1, maka lakukan :
6.1.1. Iterasi =0, cek =0
6.1.2. Looping sebanyak tinggi dan lebar citra (tempku1), lakukan :
6.1.2.1. Jika cek =0, maka lakukan
6.1.2.1.1. Jika pixel tersebut on(tempku1), jadikan pixel itu
daerah (nilai awal :-1)
6.1.2.1.2. Cek =1
6.2. Cek apakah pixel tersebut hitam, jika iya maka lakukan :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
6.2.1. Periksa apakah pixel tetangga dari pixel on tersebut terdapat
yang bernilai daerah (daerah bernilai awal -1)
6.2.2. Jika tidak ada lagi tetangga yang memiliki nilai daerah, maka
nilai no_daerah ditambah satu
6.3. Jika no_daerah = tempku_no_daerah, maka lakukan :
6.3.1. Daerah = daerah -1
6.3.2. Iterasi = iterasi +1
6.4. Tempkku_no_daerah = no_daerah
6.5. No_daerah =0
6.6. Hitung jumlah pixel hitam dalam citra
7. Jumlah karakter = jumlah angka terkecil dalam tempku1 * -1
8. Inisialisasi cek=0, daerah=-1
9. Looping selama panjang dan lebar dari citra, lakukan :
9.1. Jika cek =0
9.1.1. Jika pixel terproses == daerah, maka lakukan :
9.1.1.1. Titik tersebut akan menjadi first
9.1.1.2. Cari prevnya
9.1.1.3. Cek =1
9.1.2. Cari jumlah pixel yang bernilai daerah
9.1.3. Cek =0
9.1.4. Mencari border citra yang on, kemudian dijadikan sebagai nilai
daerah
9.1.5. Mencari jumlah pixel hitam dalam citra (tempku1)
9.1.6. Inisialisasi tempku_no_daerah =0, daerah=-1, no_daerah=0,
iterasi=0
9.1.7. Selama jumlah pixel putih >0, maka lakukan :
9.2. Jika iterasi=1, maka lakukan :
9.2.1. Iterasi =0, cek =0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
9.2.2. Looping sebanyak tinggi dan lebar citra (tempku3), lakukan :
9.2.2.1. Jika cek =0, maka lakukan
9.2.2.1.1. Jika pixel tersebut putih(tempku1), jadikan pixel itu
daerah (nilai awal :-1)
9.2.2.1.2. Cek =1
9.3. Cek apakah pixel tersebut putih, jika iya maka lakukan :
9.3.1. Periksa apakah pixel tetangga dari pixel on tersebut terdapat
yang bernilai daerah (daerah bernilai awal -1)
9.3.2. Jika tidak ada lagi tetangga yang memiliki nilai daerah, maka
nilai no_daerah ditambah satu
9.4. Jika no_daerah = tempku_no_daerah, maka lakukan :
9.4.1. Daerah = daerah -1
9.4.2. Iterasi = iterasi +1
9.5. Tempku_no_daerah = no_daerah
9.6. No_daerah =0
9.7. Hitung jumlah pixel putih dalam citra
10. Countour_loop = bilangan terkecil(representasi citra) *-1
11. Jika countour_loop >1, maka lakukan :
11.1. Cek=0, daerah = -2, counter=jumlahkarakter+1;
11.2. Looping sebanyak jumlah countour loop
11.2.1. Looping sejumlah tinggi dan lebar citra
11.2.1.1. Jika cek =0, maka lakukan :
11.2.1.1.1. Jika pixel terproses (tempku3) adalah daerah, maka
lakukan :
11.2.1.1.1.1. Jadikan tetangga sebelah kiri adalah first
11.2.1.1.1.2. Jadikan tetangga atas prev
11.2.1.1.1.3. Cek =1, counter=+1
11.2.2. Hitung jumlah counter
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
11.2.3. Daerah =-1, cek =0
12. M=countour_loop+(jumlah_karakter-1)
13. Selesai
4.2. Implementasi User Interface
Terdapat 3 halaman yang ada dalam Sistem Penipisan Citra Aksara Bali, yaitu
halaman utama, halaman save image dan halaman open file. Halaman utama terdiri
dari 4 tombol, untuk me-load gambar, untuk melakukan proses thinning, melakukan
proses simpan dan untuk membersihkan area axes.
Gambar 4. 1 Halaman Utama
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
Gambar 4. 2 Halaman utama setelah meng-klik tombol Thinning
Gambar 4. 3 Halaman Open File
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Gambar 4. 4 Halaman Save Image
Pada Gambar 4.1 tampak bahwa ada berberapa kolom yang dalam keadaan
default maka akan bernilai 0 (kolom ukuran piksel, time consuming, one pixel
thickness, critical point, not critical point, sum of deleted pixel, sum of original pixel,
sum of skeleton pixel, thinning rate, triangle before, dan triangle after), dan tombol
selain open tidak akan bisa di-klik. Tetapi setelah gambar di-load, maka selain axes
kolom ukuran piksel terisi angka (lihat gambar 4. 2), dan user dapat meng-klik
tombol lainnya. Pada gambar 4.3 adalah tampilan dari halaman Open File. Open File
bertujuan untuk me-load gambar yang akan ditipiskan. File yang dapat di-load adalah
file citra berbentuk .png, .bmp, dan .jpg. Sedangkan pada gambar 4.4 setelah hasil
penipisan tampil maka untuk menyimpan gambar, klik tombol Save. Kemudian akan
muncul halaman untuk menyimpan gambar.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
Gambar 4. 5 Halaman Utama setelah meng-klik tombol THINNING
Gambar 4.5 adalah halaman utama setelah menyelesaikan proses thinning.
Terlihat semua kolom sudah terisi dengan nilai pengujian thinning, dan axes hasil
terisi dengan citra hasil penipisan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Bab V
HASIL DAN ANALISA
5.1. Analisa Hasil penipisan
Dari proses penipisan yang telah dilakukan, penulis mendapatkan 28 hasil dari 18
aksara Wianjana dan 10 angka aksara Bali.
Tabel 5. 1 Tabel citra sebelum dan setelah penipisan
NO Karakter Gambar Asli Gambar Hasil
Penipisan
1 ha
2 na
3 ca
4 ra
5 ka
6 da
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
7 ta
8 sa
9 wa
10 la
11 ma
12 ga
13 ba
14 nga
15 pa
16 ja
17 ya
18 nya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
19 0
20 1
21 2
22 3
23 4
24 5
25 6
26 7
27 8
28 9
Setelah membandingkan hasil penipisan, maka diketahui bahwa hasil
penipisan menjadi lebih tipis. Tetapi dalam pengujian hasil penipisan, terdapat uji
One Pixel Thickness, yaitu menguji apakah hasil penipisan benar – benar setebal satu
piksel.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
Tabel 5. 2 Tabel data jumlah piksel sebelum dan setelah penipisan
NO Karakter
Original
pixel
(pixel)
Skeleton
Pixel
(pixel)
Deleted
Pixel(%)
1 ha 2988 205 93,1392
2 na 3284 236 92,8136
3 ca 2599 212 91,8430
4 ra 2020 150 92,5743
5 ka 4096 270 93,4082
6 da 3058 178 94,1792
7 ta 3731 216 94,2107
8 sa 2692 162 93,9822
9 wa 2474 133 94,6241
10 la 3382 204 93,9681
11 ma 3089 207 93,2988
12 ga 3321 189 94,3089
13 ba 3528 189 94,6429
14 nga 2210 170 93,2432
15 pa 2084 126 94,2986
16 ja 2482 174 92,9895
17 ya 3005 181 93,9767
18 nya 4371 276 93,6857
19 0 318 31 90,2516
20 1 1062 92 91,3371
21 2 1529 194 87,3120
22 3 1609 204 87,3213
23 4 414 41 90,0966
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
24 5 973 118 87,8726
25 6 504 61 87,8968
26 7 836 84 89,9522
27 8 719 67 90,6815
28 9 933 97 89,6034
4095 276 94,6429
287 31 87,3120
2.117 159,5357 92,0540
Tabel 5. 3 Tabel One Pixel Thickness
NO
Kar
akte
r
One pixel
thickness
(%)
Not
Critical
point
(pixel)
Critical
Point
(pixel)
1 ha 94,1463 12 30
2 na 87,2881 30 86
3 ca 90,0943 21 50
4 ra 97,3333 4 6
5 ka 95,5556 12 18
6 da 98,3146 3 7
7 ta 95,8333 9 18
8 sa 96,2963 6 10
9 wa 97,7444 3 3
10 la 97,0588 6 13
11 ma 96,6184 7 7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
12 ga 98,4127 3 18
13 ba 98,4127 3 13
14 nga 97,0588 5 5
15 pa 98,4127 2 2
16 ja 97,7011 4 15
17 ya 98,8950 2 6
18 nya 99,6377 1 6
19 0 90,3226 3 3
20 1 92,3913 7 22
21 2 96,3918 7 7
22 3 99,0196 2 2
23 4 90,2439 4 7
24 5 83,8983 19 62
25 6 98,3607 1 1
26 7 97,6190 2 2
27 8 97,0149 2 2
28 9 95,8763 4 4
Pada Tabel 5.2 persentase piksel yang terhapus terbilang cukup tinggi, dengan
rata – rata 92,0540%. Pengujian berikutnya adalah apakah piksel skeleton yang
tersisa adalah memang piksel inti dari citra. Terdapat piksel yang tebalnya lebih dari
satu piksel karena jika piksel tersebut dihapus akan mengubah bentuk asli dari citra
tersebut. Dari Tabel 5.3 dapat dilihat hasil penipisan memiliki persentase one pixel
thickness yang tinggi, dan rata – ratanya sebesar 95,5697%. Dapat dikatakan bahwa
memang citra sangat tipis. Kemudian contoh dari citra huruf ha, not critical point-nya
sebanyak 12 dan critical point-nya sebanyak 30 piksel. Yang artinya dari 205 piksel
(lihat pada Tabel 5.2) terdapat 42 piksel yang tidak one pixel thickness, dari 42 piksel
tersebut terdapat 12 yang bukan critical point dan 30 piksel merupakan critical point.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
One pixel thickness didapatkan dari pembagian jumlah critical point dan
jumlah piksel. Jadi bisa dikatakan jika semakin banyak jumlah critical point dalam
suatu citra maka proses penipisan semakin berhasil. Pada citra huruf Na jumlah
critical point-nya mencapai 86 piksel, sedangkan not critical point-nya mencapai 30
piksel. Berarti algoritma ini berhasil mereduksi sebagian besar piksel yang bukan
critical point.
Tabel 5. 4 Tabel Thinning Rate
NO Karakter
Triangle
before
Thinning
Triangel
after
thinning
Thinning
rate
1 ha 5320 1296 0,756391
2 na 6229 2103 0,662386
3 ca 5126 1672 0,67382
4 ra 3767 1193 0,683302
5 ka 7897 2562 0,675573
6 da 5189 1298 0,749855
7 ta 6817 1854 0,728033
8 sa 5044 1399 0,722641
9 wa 4296 936 0,782123
10 la 6288 1588 0,747455
11 ma 5429 1125 0,79278
12 ga 6528 2155 0,669884
13 ba 6490 1773 0,72681
14 nga 4365 1101 0,747766
15 pa 3809 734 0,807299
16 ja 5039 1950 0,613018
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
17 ya 5158 988 0,808453
18 nya 8204 2577 0,685885
19 0 482 82 0,829876
20 1 2060 719 0,650971
21 2 2469 716 0,710004
22 3 2613 692 0,73517
23 4 663 134 0,797888
24 5 1905 714 0,625197
25 6 851 296 0,652174
26 7 1449 403 0,721877
27 8 1195 227 0,810042
28 9 1649 397 0,759248
Triangle
terbanyak 8204 2577
Triangle
tersedikit 482 82
Triangle rata
rata 4.154,679 1.167,29
Dari Tabel 5.4 bisa disimpulkan bahwa Algoritma A Fast and Flexible
Thinning mereduksi cukup banyak triangle setelah penipisan. Dibuktikan banyaknya
selisih antara triangle setelah dan sebelum penipisan dan besarnya nilai Thinning rate.
Contoh dari huruf Ja yang nilai thinning rate-nya paling kecil, algoritma menghapus
sekitar 3000 triangle setelah penghapusan.
Dari Tabel 5.4 juga dapat disimpulkan bahwa hasil thinning rate tidak lebih
kecil dari 0,5. Yang artinya algoritma ini berhasil menghapus lebih dari setengah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
piksel yang memenuhi pola triangle. Dengan demikian dari segi ketipisan, algoritma
A Fast and Flexible Thinning merupakan algoritma yang bagus.
Gambar 5. 1 Representasi hasil penipisan huruf Ja dalam bentuk biner untuk
membuktikan bahwa piksel yang tidak dapat dikategorikan One pixel thickness
adalah critical point
5.2.Analisa Waktu Penipisan
Selain faktor keampuhan sebuah algoritma menipiskan citra, parameter
lainnya yang membuat algoritma tersebut adalah algoritma yang baik adalah time
consuming-nya. Semakin singkat time consuming tentu semakin baik algoritma
tersebut. Menurut penelitian dan artikel (Wang dan Zhang, 1989) Algoritma A Fast
and Flexible Thinning relatif cepat, bahkan lebih cepat dari algoritma Zhang Suen
dan Rutovitz.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
Tabel 5. 5 Tabel Time consuming
NO Karakter Time Consuming (sec)
1 ha 0.0163852
2 na 0.0499635
3 ca 0.0481805
4 ra 0.021216
5 ka 0.0462357
6 da 0.0622284
7 ta 0.0758006
8 sa 0.0250275
9 wa 0.0305756
10 la 0.0515133
11 ma 0.040645
12 ga 0.0340356
13 ba 0.0412341
14 nga 0.0606946
15 pa 0.0276624
16 ja 0.0359159
17 ya 0.0273068
18 nya 0.043651
19 0 0.00794811
20 1 0.0183722
21 2 0.0326841
22 3 0.0430249
23 4 0.00576279
24 5 0.00347032
25 6 0.01145
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
26 7 0.0148686
27 8 0.0183656
28 9 0.0202159
Rata Rata 0,0488608 detik
Dari data diatas dapat dikatakan bila time consuming untuk aksara Bali tidak
mencapai 1 detik. Dapat disimpulkan untuk sekali proses penipisan tidak memakan
waktu yang lama. Dari segi time consuming, algoritma ini bisa dikatakan bagus.
5.3. Analisa Pengamatan Citra
Setelah mengamati bentuk fisik citra hasil secara subyektif, terlihat bahwa
terdapat piksel yang terhapus sehingga mengurangi kemiripan dengan citra asli.
Mengutip dari paper Wang dan Zhang terkait A Fast and Flexible Thinning
Algorithm bahwa terkadang citra akan mengalami perubahan bentuk setelah
mengalami pemrosesan citra. Gambar 5.2 dibawah akan dikenakan algoritma A Fast
and Flexible Thinning Algorithm dan akan dikerjakan secara manual dan sistematis.
Gambar 5. 2 Citra Asli
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
Gambar 5. 3 Hasil penipisan dengan sistem
Citra Asli pada Gambar 5.2 berdimensi 20 x 10 piksel kemudian pada Gambar
5.3 adalah citra hasil penipisan. Terlihat bahwa citra tersebut sedikit mengalami
perubahan bentuk. Salah satu faktor perubahan bentuk adalah besar citra, semakin
kecil citra maka hasil semakin mengalami perubahan. Maka dilakukan penipisan
secara manual dan didapatkan 3 kali iterasi. Berikut Gambar 5.4, Gambar 5.5, dan
Gambar 5.6 yang menjelaskan iterasi pertama, kedua, dan ketiga.
Dari hasil tersebut terlihat bahwa sisi sebelah kiri sesuai bentuk asli
sedangkan sebelah kanan kehilangan bentuk aslinya. Penulis menemukan bahwa
setelah menghapus sisi kiri, syarat penghapusan menjadi kurang tepat dikenakan di
sisi kanan karena akan mengurangi kemiripan dengan bentuk asli.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Gambar 5. 4 Hasil dari penghitungan iterasi pertama
Gambar 5. 5 Hasil dari penghitungan iterasi kedua
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Gambar 5. 6 Hasil dari penghitungan iterasi ketiga
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
Bab VI
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Dari hasil dan analisa diatas, maka dapat disimpulkan bahwa algoritma A Fast
and Flexible Thinning ditinjau dari ketipisan citra hasilnya merupakan algoritma yang
baik dengan rata – rata One pixel thickness sebanyak 95,5697% dan dengan jumlah
critical point lebih banyak daripada jumlah not critical point dalam satu citra
skeleton. Didukung dengan pengujian Thinning Rate dengan rata – rata 0,7259258,
yang artinya tujuh persepuluh dari keseluruhan hasil akhir penipisan mengalami
reduksi jumlah pola triangle.
Dan ditinjau dari segi time consuming, algoritma ini memiliki rata – rata
0,0488608 detik. Dibandingkan dengan penelitian sebelumnya (Kurnianita, 2009)
dengan rata – rata time consuming 0,02 detik menggunakan algoritma Zhang-Suen,
maka dapat disimpulkan dalam menjalankan algoritma ini sedikit lebih lama daripada
algoritma Zhang-Suen tetapi tetap memiliki time consuming yang baik.
6.2. Saran
Algoritma A Fast and Flexible Thinning memiliki hasil – hasil yang baik dari
syarat pengujian yang berupa One pixel thickness, Thinning rate, dan Time
consuming. Maka dapat dikatakan algoritma ini dapat melakukan penipisan aksara
Bali dengan baik. Namun memang masih ada berberapa piksel yang bukan critical
point yang tidak terhapus dengan baik. Sangat disarankan untuk menggunakan citra
dengan kualitas baik dan ukuran besar, karena semakin besar citra maka hasil
penipisan akan semakin mirip dengan citra asli.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
Daftar Pustaka
Azizah, U.N., (2013). “Perbandingan Detektor Tepi Prewitt dan Detector Tepi
Laplacian Bedasarkan Kompleksitas Citra Hasil”. Repository.upi.edu
: Universitas Pendidikan Indonesia.
Jang, B., dan Chin, R.T. (1990). “Analysis of Thinning Algorithms Using
Mathematical Morphology”. IEEE Transaction on Pattern Analysis
and Machine Intelligence, vol 12 no. 6, hal. 541-551.
Luthra, R., dan Goyal, G. (2015). “Performance Comparison of ZS and GH
Skeletonization Algorithms”. International Journal of Computer
Applications vol. 121 no. 24.
Mawardi, A(2010). “Penipisan Citra Aksara Jawa Menggunakan Algoritma
Wang Zhang”. Yogyakarta : Universitas Sanata Dharma.
Putra, D(2004). “Binerisasi Citra Tangan dengan Metode Otsu”. Binerisasi
Citra Tangan dengan Metode Otsu, vol 3 no.2.
Sudiarta, I. Md. Dkk (2014)., “Bahasa Bali Pangkaja Sari” . Denpasar : Dwi
Jaya Mandiri.
Wang dan Zhang. (1989). “A Fast and Flexible Thinning Algorithm”.IEEE
Transaction on Computers, vol 38 no. 5.
Widiarti dan Himamunanto (2013). “Teori dan Apllikasi Pengolahan Citra
Digital”.Yogyakarta : Lintang Pustaka Utama.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
Zhou, R.W. dkk. (1995). “A Novel Single-pass Thinning Algorithm and An
Effective Set of Performance Criteria”. Pattern Recognation Letter
16, hal. 1267 – 1275.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Lampiran
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
Coding Algoritma A Fast and Flexible Thinning
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Recommended