Anda di halaman 1dari 31

1

A. TUGAS AKHIR YANG DIUSULKAN


1. Judul Tugas Akhir : Implementasi Metode Cosine Pada Citra Tajwid
Al-Qur’an Hukum Izhar Syafawi.
2. Pengusul
a. Nama : Muhammad Zacky
b. NIM : 130170103
c. Jurusan : Teknik Informatika
3. Objek Tugas Akhir : Citra Al Quran
4. Mata Kuliah Terkait : Pengolahan Citra

B. PENDAHULUAN
Setiap muslim memiliki landasan hukum yaitu Al-Qur’an dan Hadist. Al-
Qur’anul Karim adalah Kalamullah, Kitab suci yang agung umat Islam dan Al-
Qur’an ditulis dalam bahasa Arab. Sebagian besar Muslim di seluruh dunia
mengetahui bagaimana cara membaca Al-Qur’an, tetapi tidak semua umat Islam
dapat membaca Al-Qur’an dengan benar berdasarkan makhraj dan tajwid. Hukum
makhraj dan tajwid adalah pedoman dalam membaca Al-Qur’an. Makhraj secara
bahasa berarti tempat keluarnya huruf. Adapun secara istilah adalah tempat
keluarnya suara huruf hijaiyah mulai dari alif sampai ya’. Pengertian tajwid
menurut bahasa (ethimologi) adalah memperbaiki atau memperindah sesuatu.
Sedangkan menurut istilah, Ilmu tajwid adalah pengetahuan tentang kaidah serta
cara-cara membaca Al-Qur’an dengan sebaik-baiknya. Hal Ini adalah wajib bagi
umat Islam untuk membaca Al-Qur’an berlandaskan pada makhraj yang tepat dan
tajwid yang baik. Hal ini dikarenakan, hanya sedikit saja perbedaan bunyi huruf
dalam bahasa Arab bisa menyebabkan arti yang berbeda dari kata tersebut.
Orang yang membaca Al-Qur’an umumnya akan merujuk kepada seorang
guru yang ahli dalam makhraj dan tajwid bacaan Al-Qur’an yang disebut ustadz.
Seorang ustadz akan mengamati setiap hukum makhraj dan tajwid yang sedang
dibaca, kemudian mengingatkan kembali hukum yang tepat apabila terjadi
kesalahan dalam pembacaan. Saat ini, ada beberapa perangkat lunak pembelajaran
2

Al-Qur’an yang tersedia di pasaran. Kegunaan software ini, pengguna hanya dapat
membaca Al-Qur’an, namun penempatan hukum tajwid tidak ditampilkan.
Dalam penelitian ini, penulis mengembangkan sistem yang menggunakan
kombinasi citra surat Al-Qur’an latih sebagai input data untuk mendapatkan pola
tajwid yang sesuai dengan membandingkan input citra surat Al-Qur’an uji. Citra
yang diuji nantinya akan terdeteksi bagian-bagian mana yang terkandung tajwid di
dalamnya sehingga pengguna dapat dengan mudah membaca dan memahami
tajwid tersebut.
Berdasarkan uraian diatas, dalam pengajuan tugas akhir ini penulis akan
membahas tentang Implementasi Metode Cosine Pada Citra Tajwid Al-Qur’an
Hukum Izhar Syafawi.

C. RUMUSAN MASALAH
Berdasarkan latar belakang yang telah diuraikan diatas, maka permasalahan
yang penulis rumuskan adalah:
1. Bagaimana membuat suatu sistem pendeteksi pola Tajwid hukum Izhar
Syafawi menggunakan metode Cosine dengan inputan gambar hasil scanner?
2. Bagaimana Proses pengenalan pola hukum Tajwid Izhar Syafawi dikenali
dengan penggunan metode Cosine?
3. Bagaimana Merancang sistem pendeteksi Tajwid Al-Qur’an pada citra dengan
proses penanaman pola hukum Tajwid Izhar Syafawi?

D. BATASAN MASALAH
Adapun batasan masalah pada sistem yang akan dibangun adalah sebagai
berikut :
1. Sistem yang akan dibuat hanya untuk mendeteksi pola hukum Tajwid Izhar
Syafawi menggunakan metode Cosine dalam Al-Qur’an.
2. Sample citra yang dimasukkan berupa ayat Al-Qur’an pada surat Al-Baqarah
hasil scanner.
3. Metode yang digunakan untuk mendeteksi pola hukumTajwid Izhar Syafawi
adalah metode Cosine.
3

E. TUJUAN PENELITIAN
Tugas akhir ini bertujuan untuk :
1. Membangun sistem pendeteksi pola hukum Tajwid dengan penelitian yang
unik dan objek yang dipilih yaitu hukum Izhar Syafawi dalam Al-Qur’an
surat Al-Baqarah.
2. Untuk mengetahui hukum Tajwid, tanda, dan golongan mana yang termasuk
hukum Izhar Syafawi dengan menerapkan metode Cosine.
3. Untuk memudahkan pemakai agar dapat mengerti pola Tajwid hukum Izhar
Syafawi dalam pembelajaran bacaan Al-Qur’an.
4. Dapat mendeteksi pola Tajwid Hukum Izhar Syafawi dalam Al-Qur’an .

F. TINJAUAN PUSTAKA
1. Pengertian Al-Qur’an
1. Pengertian Etimologi (Bahasa)
Secara bahasa Al-Qur’an berasal dari bahasa Arab, yaitu qaraa-yaqrau-
quraanan yang berarti bacaan. Hal itu dijelaskan sendiri oleh Al-Qur’an dalam
Surah Al-Qiyamah ayat 17-18
Artinya: Sesungguhnya atas tanggungan kamilah mengumpulkannya (di
dadamu) dan (membuatmu pandai) membacanya. Apabila Kami telah selesai
membacakannya Maka ikutilah bacaannya itu. QS. Al-Qiyamaah 17-18
2. Pengertian Al-Qur’an Menurut Terminologi
a. Menurut Manna’ Al-Qhattan :

‫ص َّلي هللاُ َع َل ْي ِه َو َسلَّ َم ا َ ْل ُمت َ َع َبد ُ ِبتِ ََل َوتِ ِه‬


َ ‫ك َََل ُم هللاِ ال ُمن ًَّز ُل َعلَي ُم َح َّم ٍد‬

Artinya: kitab Allah yang diturunkan kepada Nabi Muhammad SAW dan orang
yang membacanya memperoleh pahala.

b. Menurut Al-Jurjani :
ُ ‫ف اَ ْل َم ْنقُو ُل َع ْنهُ َن ْق اَل ُمت ََواتِ ارا بِ ََل‬
‫ش ْب َه ٍة‬ ِ ‫اح‬
ِ ‫ص‬َ ‫ب ِفى ْال َم‬
ِ ‫ول ال َم ْكتُو‬
ِ ‫س‬ َّ ‫ُه َو ا َ ْل ُمن ََّز ُل َع َلى‬
ُ ‫الر‬
4

Artinya: yang diturunkan kepada Rasulullah SAW, ditulis dalam mushaf, dan
diriwayatkan secara mutawattir tanpa keraguan.

c. Menurut kalangan pakar ushul fiqh, fiqh, dan bahasa Arab:

ِ ‫م ا َ ْل ُم ْع ِج ِز ا َ ْل ُمتَ َع َّبد ُ ِب ِت ََل َو ِت ِه اَ ْل َم ْنقُو ُل ِبالت َّ َوات ُ ِر ا َ ْل َم ْكتُو‬.‫ا ُم هللاِ ال ُمن ََّز ُل َعلَى َن ِب ِي ِه ُم َح َّم ٍد ص‬
‫ب ِفى‬
‫اس‬ ِ ‫ور ٍة ال َّن‬ َ ‫س‬ ُ ‫س ْو َرةٍ اَ ْل َفاتِ َح ِة اِ َلى‬
ُ ‫ف ِم ْن اَ َّو ِل‬
ِ ‫اح‬ ِ ‫ص‬ َ ‫اَ ْل َم‬

Artinya: kalam Allah yang diturunkan kepada Nabi-Nya, Muhammad. Lafadz-


lafadznya mengandung mukjizat, membacanya mempunyai ibadah, diturunkan
secara mutawattir, dan ditulis pada mushaf, mulai dari awal surat Al-Fatihah sampai
pada surat An-Nass.

Dari pengertian diatas, ada beberapa bagian yang unsur penting, yaitu:
1. Al-Qur’an adalah firman Allah.
Artinya: ucapannya itu tiada lain hanyalah wahyu yang diwahyukan (kepadanya).
QS. An-Najm 4

Ayat ini menunjukkan bahwa Al-Qur’an adalah wahyu (bisikan dalam sukma dan
isyarat yang cepat yang bersifat rahasia disampaikan oleh Allah kepada Nabi dan
Rasul) yang diturunkan oleh Allah kepada nabi Muhammad SAW.

2. Al-Qur’an adalah mukjizat yang diturunkan kepada Nabi Muhammad saw.


Tak satu pun jin dan manusia yang dapat menandinginya, meskipun mereka
berkerjasama. Seperti Firman Allah yang artinya: Katakanlah: "Sesungguhnya jika
manusia dan jin berkumpul untuk membuat yang serupa Al-Qur’an ini, niscaya mereka
tidak akan dapat membuat yang serupa dengan Dia, Sekalipun sebagian mereka
menjadi pembantu bagi sebagian yang lain". QS. Al-Israa: 88
5

3. Al-Qur’an diturunkan secara mutawatir.


Seperti Firman Allah yang artinya: Sesungguhnya Kami-lah yang menurunkan Al-
Qur’an, dan Sesungguhnya Kami benar-benar memeliharanya. (QS. Al-Hijr 9) Ayat ini
memberikan jaminan tentang kesucian dan kemurnian Al-Qur’an selama-lamanya.

4. Membaca Al-Qur’an bernilai ibadah.


Nabi bersabda: “Aku tidak mengatakan alif laam miim satu huruf, tetapi Alif satu
huruf, laam satu huruf, miim satu huruf dan satu kebaikan nilainya 10 kali lipat” (Al-
Hadist).

5. Al-Qur’an diturunkan kepada nabi Muhammad melalui Malaikat Jibril.


Seperti Firman Allah yang artinya: Katakanlah: "Ruhul Qudus (Jibril) menurunkan
Al-Qur’an itu dari Tuhanmu dengan benar, untuk meneguhkan (hati) orang-orang yang
telah beriman, dan menjadi petunjuk serta kabar gembira bagi orang-orang yang
berserah diri (kepada Allah)". QS. An-Nahl 102.

2. Pengertian Tajwid
Lafadz Tajwid menurut bahasa artinya membaguskan. Sedangkan menurut
istilah adalah: "Mengeluarkan setiap huruf dari tempat keluarnya dengan memberi
hak dan mustahaknya." Yang dimaksud dengan hak huruf adalah sifat asli yang
selalu bersama dengan huruf tersebut, seperti AI Jahr, Isti'la', istifal dan lain
sebagainya. Sedangkan yang dimaksud dengan mustahak huruf adalah sifat yang
nampak sewaktu-waktu, seperti tafkhim, tarqiq, ikhfa' dan lain sebagainya.
Menurut H.Subhan Nur (2009:68) Tajwid artinya memperbagus atau
membuat bagus. Ilmu tajwid ilmu yang mempelajari tentang teknik mengeluarkan
huruf sesuai dengan makhrajnya dan memberikan hak dan karakteristiknya
dengan tujuan menghindari kesalahan lisan dalam mengucapkan huruf – huruf al-
Quran. Hukum mempelajari Ilmu Tajwid secara teori adalah fardhu kifayah,
sedangkan hukum membaca Alquran sesuai dengan kaidah ilmu tajwid adalah
fardhu 'ain. Jadi, mungkin saja terjadi seorang Qori' bacaannya bagus dan benar,
6

namun sama sekali dia tidak mengetahui istilah-istilah ilmu Tajwid semisal izh-
har, mad dan lain sebagainya. (Aso Sudiarjo, 2015).

3. Hukum Izhar Syafawi


Idzhar Syafawi yaitu bagian dari ilmu tajwid yang terjadi ketika huruf
hijaiyah Mim Sukun ( ‫ ) م‬ketemu dengan seluruh huruf hijaiyah, selain huruf
hijaiyah Mim dan huruf hijaiyah Ba.
Huruf-hurufnya adalah:

‫أ‬،‫ت‬،‫ث‬،‫ج‬،‫ح‬،‫خ‬،‫د‬،‫ذ‬،‫ر‬،‫ز‬،‫س‬،‫ش‬،‫ص‬،‫ض‬،‫ط‬،‫ظ‬،‫ع‬،‫غ‬،‫ف‬،‫ق‬،‫ك‬،‫ل‬،
‫ن‬،‫و‬،‫ه‬،‫ي‬

a. Idzhar berarti terang (jelas) atau tak berdengung;


b. Syafawi berarti bibir; sebab huruf hijaiyah Mim makhrajul hurufnya yaitu
bertemunya bibir di bagian bawah dan bibir di bagian atas.

Dalam istilah yang ada di dalam ilmu tajwid, Idzhar Syafawi yaitu melafalkan
huruf-huruf hijiayah yang ketemu dengan huruf Mim Sukun dengan terang dan
jelas, dan ini tidak disertai dengan berdengung (ghunnah). Dan dalam Idzhar
Syafawi bisa terjadi dalam satu kalimat (kata), ataupun di luar kalimat (kata)yang
terpisah.
Kunci utama untuk mengingat huruf-huruf hijaiyah di dalam Hukum Idzhar
Syafawi yaitu cukup dengan mengetahui hukum Idgham Mimmi dan Ikhfa
Syafawi. (Pengawasmadrasah, 2016).

Contoh:
7

Gambar 1. Izhar Syafawi Pada Surat Al-Baqarah Ayat 3

4. Pengertian Pengenalan Pola


Perkembangan teknologi baru akan didominasi oleh sistem dan mesin-mesin
dengan kecerdasan buatan (machine intelligence). Teknik pengenalan pola
merupakan salah satu komponen penting dari mesin atau sistem cerdas tersebut
yang digunakan baik untuk mengolah data maupun dalam pengambilan
keputusan.
Secara umum pengenalan pola (pattern recognition) adalah suatu ilmu untuk
mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran
kuantitatif fitur (ciri) atau sifat utama dari suatu obyek. Pola sendiri adalah suatu
entitas yang terdefinisi dan dapat diidentifikasikan serta diberi nama. Pola bisa
merupakan kumpulan hasil pengukuran atau pemantauan dan bisa dinyatakan
dalam notasi vektor atau matriks.

5. Kompleksitas Algoritma
Secara informal algoritma adalah suatu prosedur komputasi yang terdefenisi
dengan baik yang mengambil beberapa nilai atau sekumpulan nilai sebagai input
dan menghasilkan beberapa nilai atau sekumpulan nilai sebagai output. Dengan
8

demikian algoritma adalah suatu urutan langkah-langkah komputasi yang


mentransformasikan input menjadi output. Secara singkat, algoritma merupakan
langkah-langkah logis untuk pemecahan suatu masalah.
Dalam ilmu komputer suatu algoritma tidak hanya dilihat apakah algoritma
tersebut benar atau dapat memecahkan masalah, tetapi juga harus efektif.
Keefektifan suatu algoritma biasanya diukur dari seberapa besar jumlah waktu
dan ruang (space) memori yang dibutuhkan untuk menjalankannya. Algoritma
yang efesien adalah algoritma yang meminimumkan kebutuhan waktu dan ruang
dimana semakin minim waktu dan ruang yang dibutuhkan, maka semakin efektif
pula algoritma tersebut.
Untuk menerangkan model abstrak pengukuran waktu dan ruang maka
digunakan suatu fungsi yang menjelaskan bagaimana ukuran masukan data (n)
mempengaruhi perfomansi algoritma yang disebut sebagai kompleksitas algoritma
Secara umum, kompleksitas algoritma terdiri dari dua macam yaitu
kompleksitas waktu (time complexity) dan kompleksitas ruang (space complexity).
Sehingga, dengan diketahuinya fungsi kompleksitas suatu algoritma, maka dapat
ditentukan laju pertumbuhan waktu (ruang) yang diperlukan seiring dengan
meningkatnya ukuran masukan (n) data. Dengan demikian, informasi
pertumbungan fungsi kompleksitas (growth rates) dapat digunakan untuk
membandingkan dua atau lebih algoritma dengan mengambil pangkat tertinggi
(highest order) fungsi kompleksitas yang diekspresikan dengan notasi Big-O. Hal
ini disebabkan karena nilai konstant pada fungsi kompleksitas tidak akan terlalu
dominan bila dibandingkan dengan order tertinggi yang mungkin meledak untuk
input yang semakin besar.
Pada saat penentuan kompleksitas algoritma, ada beberapa istilah yang sering
digunakan untuk menunjukkan kinerja suatu algoritma untuk ukuran input n, yaitu
best-case, average-case, dan worst-case yang masing-masing menyatakan
kompleksitas keadaan terbaik, keadaan rata-rata, dan keadaan terburuk dari suatu
algoritma. Namun, pada prakteknya penentuan nilai pasti untuk setiap case
tersebut sulit dilakukan. Jadi, yang dilakukan hanyalah analisis asimtotik dari
suatu algoritma, yaitu bagaimana pertumbuhan fungsi (growth of function) suatu
9

algoritma dipengaruhi oleh input n yang semakin membesar menuju ke tak


terhingga (infinity).
Dalam analisis asimtotik, ada beberapa notasi yang sering digunakan untuk
menunjukkan batas-batas fungsi asimtot, yaitu notasi Big-O, Big-Omega, dan Big
Theta yang masing-masing menunjukkan batas atas (upper bound), batas bawah
(lower bound), dan batas atas dan batas bawah (tight bound) dari fungsi asimtot.

6. Big-O
Notasi Big-O adalah notasi matematika yang digunakan untuk
menggambarkan suatu fungsi asimtotik. Notasi Big-O sering juga digunakan
untuk menjelaskan seberapa besar ukuran dari suatu data mempengaruhi
penggunaan sebuah algoritma dari sumber komputasi. Notasi ini pertama kali
diperkenalkan pada tahun 1894 oleh Paul Bachman, yaitu pada volume kedua dari
bukunya Analytische Zahlentheorie (analisis teori bilangan) sehingga notasi Big-O
biasa juga disebut sebagai notasi Landau (Landau notation), Bachman-Landau
notation, atau notasi asimtotik (asymptotic notation).
Dalam bidang Matematika, notasi Big-O mendekripsikan sifat batasan
(limiting behaviour) dari suatu fungsi ketika argument cenderung mengarah ke
suatu nilai tertentu atau nilai tak hingga, biasanya berkaitan dengan fungsi yang
lebih sederhana. Big-O mengkarakteristikkan fungsi-fungsi menurut pertumbuhan
fungsi kompleksitasnya. Fungsi yang berbeda dengan pertumbungan fungsi
kompleksitas yang sama bisa direpresentasikan dengan notasi Big-O yang sama.
Sedangkan, dalam Ilmu Komputer notasi Big-O sangat berguna dalam analisis
kompleksitas suatu algoritma.
Untuk menjelaskan konsep Big-O, diasumsikan terdapat dua fungsi f dan g,
dengan kecepatan tingkat pertumbungan yang berbeda. Misalnya, f(n) = 100n2,
dan g(n) = n4.
10

Tabel 1. Perbandingan Pertumbuhan


fungsi f dan g

Gambar 2. Grafik Fungsi f dan g


(Sumber: www.cs.odu.edu)

Dari tabel 1 terlihat bahwa fungsi g(n) memiliki tingkat pertumbuhan yang
lebih cepat dari pada f(n) saat n > 10, dan dapat dikatakan bahwa f(n) adalah Big-
O dari g(n)
Defenisi (Big-O): Misalkan f(n) dan g(n) adalah dua fungsi asimtot non
negatif. Dapat dikatakan bahwa f(n) = O(g(n)), jika dan hanya jika terdapat dua
konstanta positif C dan n0 sehingga demikian f(n) ≤ C g(n) atau |f(n)| ≤ |C g(n)|,
saat n ≥ n0.
Secara geometri f(n) = O(g(n)) dapat digambarkan sebagai berikut:
11

Gambar 3. Grafik Fungsi f(n) = O(g(n))

Contoh: diberikan fungsi f(n) = 3n 2 + 2n + 4. Maka dapat dikatakan bahwa


f(n) = 3n2 + 2n + 4 = O(n2), karena:
Untuk n ≥ 1 : 3n2 + 2n + 4 ≤ 3n2 + 2n2 + 4n2
3n2 + 2n + 4 ≤ 9n2
Karena itu, diperoleh C = 9, dan no = 1, sehingga memenuhi f(n) ≤ C g(n)
saat n ≥ no dengan demikian f(n) = O(g(n)) = O(n2).
Dengan cara yang sama, dapat juga dikatakan bahwa 5n + 10 adalah O(n2),
karena:
Untuk n ≥ 1 : 5n + 10 ≤ 5n2 + 10n2
5n + 10 ≤ 15n2
Karena itu, C = 15, dan no = 1, sehingga masih memenuhi f(n) ≤ C g(n) saat
n ≥ no .

7. Big-Ω
Big-Ω (Big Omega) merupakan kebalikan dari Big-O. Jika, Big-O
menyatakan batas atas (upper bound) dari suatu fungsi asimtot, maka Big-Ω
berarti menyatakan batas bawah (lower bound) dari suatu fungsi asimtot. Dalam
analisi algoritma, notasi ini sering digunakan untuk mendeskripsikan
kompleksitas algoritma pada kasus terbaik (best-case), yang berarti algoritma
tersebut tidak akan lebih baik dari fungsi kompleksitas yang dideskripsikan oleh
notasi Big Omega tersebut.
Defenisi (Big-Ω): Misalkan f(n) dan g(n) adalah dua fungsi asimtot non
negatif. Dapat dikatakan bahwa f(n) = Ω(g(n)), jika dan hanya jika terdapat dua
12

konstanta positif C dan n0 sehingga demikian C g(n) ≤ f(n) atau |C g(n)| ≤ |f(n)|,
saat n ≥ no.
Secara geometri f(n) = Ω(g(n)) dapat digambarkan sebagai berikut:

Gambar 4. Grafik Fungsi f(n) = Ω(g(n))

Contoh: diberikan fungsi f(n) = 5n - 20. Maka dapat dikatakan bahwa f(n) =
Ω(n), karena:
Untuk n ≥ 1 : 5n – 20n ≤ 5n - 20
-15n ≤ 5n – 20
Karena f(n) dan g(n) merupakan fungsi asimtot non-negatif, maka dapat
dituliskan:
|-15n| ≤ |5n – 20| = 15n ≤ 5n – 20
Sehingga diperoleh C = 15, dan n0 = 1. Jadi, untuk setiap n ≥ no memenuhi
C g(n) ≤ f(n) saat n ≥ no dengan demikian f(n) = 5n – 20 = Ω(n). Dengan cara
yang sama, dapat juga dikatakan bahwa untuk fungsi f(n) = 3n2 + 10n + 6,
memenuhi f(n) = Ω(n) atau f(n) = Ω(n2), namun f(n) ≠ Ω(n3).

8. Big-Θ
Ketika suatu algoritma memiliki fungsi kompleksitas lower bound yang sama
dengan upper bound nya, misalnya algoritma Merge-Sort memiliki kompleksitas
O(n log n) dan Ω(n log n) maka dapata dikatakan bahwa algoritma tersebut
sebenarnya memiliki kompleksitas Θ(n log n), yang artinya best-case maupun
13

worst-case running-time algoritma tersebut akan selalu berada pada n log n untuk
input n tertentu.
Defenisi (Big-Θ): Misalkan f(n) dan g(n) adalah dua fungsi asimtot non
negatif. Dapat dikatakan bahwa f(n) = Θ(g(n)), jika dan hanya jika terdapat
konstanta positif C1, C2, dan n0 dimana f(n) = O(g(n)) dan f(n) = Ω(g(n)),
sehingga memenuhi:
C1 g(n) ≤ f(n) ≤ C2 g(n)

Secara geometri f(n) = Θ(g(n)) dapat digambarkan sebagai berikut:

Gambar 5. Grafik Fungsi f(n) = Θ(g(n))

Contoh: diberikan fungsi f(n) = 3n2 + 10n + 6. Maka dapat dikatakan bahwa
f(n) = Ω(n2). Berdasarkan defenisi Big-O dan Big-Ω maka dari fungsi f(n) dapat
diperoleh:
f(n) = O(n2) f(n) = Ω(n2)
f(n) = O(n3) f(n) = Ω(n)
f(n) ≠ O(n) f(n) ≠ Ω(n3)

Karena menurut defenisi Big-Θ fungsi f(n) = O(g(n)) = Ω(g(n)), maka yang
memenuhi adalah hanya pada saat f(n) = O(n2) dan f(n) = Ω(n2), sehingga dapat
ditulis f(n) = Θ(n2).

9. Penentuan Big-O Algoritma


Dari ketiga notasi fungsi asimtot yang telah dibahas, sebenarnya masih
adalagi notasi-notasi yang berhubungan fungsi tersebut seperti Little-Oh, dan
Little-Omega. Namun, dalam analisis algoritma, notasi Big-O yang paling sering
14

digunakan karena notasi ini mendeskripsikan perfomansi kasus terburuk (worst-


case) dari suatu algoritma. Sehingga, Big-O dapat menjamin bahwa suatu
algoritma tidak akan lebih buruk dari worst-case. Oleh karena itu, Big-O dapat
ditulis sebagai pangkat tertinggi (highest order) dari suatu fungsi polinomial
dengan mengabaikan konstanta yang mungkin tidak akan terlalu berpengaruh
untuk input (n) yang semakin membesar. Jadi, f(n) = 28n + 12 dapat ditulis
dengan O(n), sedangkan untuk f(n) = 5n3 + 3n2 + 3 + 10 ditulis O(n3).
Tujuan penentuan kompleksitas suatu algoritma, sebenarnya bukanlah untuk
mengetahui jumlah pasti operasi (langkah/intruksi) yang dikerjakan, melainkan
bagaimana jumlah operasi dipengaruhi oleh berbagai ukuran masukan.
Kompleksitas algoritma dihitung berdasarkan jumlah langkah/instruksi yang
dikerjakan. Penentuaan kompleksitas algoritma biasanya tergantung pada perintah
(statement) yang digunakan. Berikut ketetapan waktu untuk beberapa statement.
a. Operasi pengugasan (assignment), operasi aritmatika, perbandingan, read,
write, dan pengaksesan elemen array membutuhkan waktu konstant O(1).

Contoh: algoritma penukaran dua bilangan integer.

Tabel 2. Contoh Algoritma Penukaran Dua Bilangan Integer

Pseudo code tabel 2 terdapat operasi penugasan (assignment) sebanyak tiga


buah dan tiap operasi dilakukan satu kali. Maka kompleksitas algoritma tersebut
adalah 1+1+1 = 3, atau Big-O = O(1).
b. If-then-else satatement
If-then-else satatement adalah perintah yang memilih satu dari dua kondisi
yang mungkin, karena prinsip Big-O menentukan worst-case dari suatu algoritma,
15

maka waktu yang diambil dari pernyataan if-then-else adalah waktu terlambat
(jumlah operasi terbanyak).
Contoh: algoritma pengecekan umur.

Tabel 3. Contoh Algoritma Pengecekan Umur

Maka, kompleksitas algoritma pada tabel 2.18 adalah 1+1+max(1,3) = 5,


maka Big-O adalah O(1).
c. Looping (for, while, repeat)
Looping (for, while, repeat) adalah perintah untuk melakukan perulangan
dengan panjang tertentu. Jadi, waktu untuk statement ini adalah banyaknya
perulangan dikalikan dengan jumlah operasi di dalam perulangan tersebut.
Contoh: algoritma untuk penjumlahan sederetan angka.

Tabel 4. Algoritma Untuk Penjumlahan Sederetan Angka

Maka, kompleksitas algoritma pada tabel 4 di atas adalah 4n+2 sehingga Big-
O adalah O(n).
d. Perulangan bersarang (nested loop).
Penghitungan waktu nested loop memiliki prinsip sama dengan looping biasa,
hanya saja pada statement ini terdapat lagi statement perulangan, sehingga kasus
ini sering memiliki kompleksitas O(n2) atau O(n3) tergantung jumlah statement
perulangan di dalamnya.
16

Contoh: algoritma Bubble-Sort.

Tabel 5. Contoh Algoritma Bubble-Sort

Maka, kompleksitas algoritma Bubble-Sort adalah 16n2+3n dengan notasi


Big-O = O(n2). Pada saat analisis algoritma, terdapat beberapa notasi Big-O yang
sering diperoleh yaitu:
1. O(1) atau constant time
Kompleksitas O(1) berarti waktu pelaksanaan algoritma adalah tetap, tidak
bergantung pada ukuran masukan. Contoh: Operasi penugasan (assignment),
operasi aritmatika, dan lain-lain.
2. O(2log n) atau logarithmic time
Kompleksitas waktu O(log n) berarti laju pertumbuhan waktunya berjalan
lebih lambat daripada pertumbuhan n. Algoritma yang termasuk kelompok ini
adalah algoritma yang memecahkan persoalan besar dengan
mentransformasikannya menjadi beberapa persoalan yang lebih kecil yang
berukuran sama. Contoh algoritma binary search, algoritma pengonversion
bilangan integer ke biner.
3. O(n) atau linear time
Algoritma dengan yang waktu pelaksanaannya linear umumnya terdapat pada
kasus yang setiap elemen masukannya dikenai proses yang sama, misalnya
algoritma sequential search. Bila n dijadikan dua kali semula, maka waktu
pelaksanaan algoritma juga dua kali semula.
4. O(n 2log n) atau linearithmic time
Waktu pelaksanaan O(n 2log n) terdapat pada algoritma yang memecahkan
masalah menjadi beberapa masalah yang lebih kecil, menyelesaikan setiap
17

masalah secara independen, dan menggabung solusi masing-masing masalah.


Metode ini sering disebut dengan teknik devide and conquer. Contoh algoritma
Merge Sort, dan Quick Sort.
5. O(n2) atau quadratic time
Umumnya algoritma yang termasuk kelompok ini memproses setiap masukan
dalam dua buah kalang bersarang, misalnya pada algoritma Bubble Sort. Bila n =
1000, maka waktu pelaksanaan algoritma adalah 1.000.000. Bila n dinaikkan
menjadi dua kali semula, maka waktu pelaksanaan algoritma meningkat menjadi
empat kali semula.
6. O(n3) atau cubic time
Seperti halnya algoritma kuadratik, algoritma kubik memproses setiap
masukan dalam tiga buah kalang bersarang, misalnya algoritma perkalian matriks.
Bila n = 100, maka waktu pelaksanaan algoritma adalah 1.000.000. Bila n
dinaikkan menjadi dua kali semula, waktu pelaksanan algoritma meningkat
menjadi delapan kali semula.
7. O(2n) atau exponential time
Algoritma yang tergolong kelompok ini mencari solusi persoalan secara
"brute force", Bila n = 20, waktu pelaksanaan algoritma adalah 1.000.000. Bila n
dijadikan dua kali semula, waktu pelaksanaan menjadi kuadrat kali semula.
8. O(n!) atau factorial time
Seperti halnya pada algoritma eksponensial, algoritma jenis ini memproses
setiap masukan dan menghubungkannya dengan n - 1 masukan lainnya, misalnya
pada kasus TSP (Travelling Salesman Problem). Bila n = 5, maka waktu
pelaksanaan algoritma adalah 120. Bila n dijadikan dua kali semula, maka waktu
pelaksanaan algoritma menjadi faktorial dari 2n.
Berikut tabel perbandingan kompleksitas yang menunjukkan seberapa banyak
jumlah operasi yang akan dikerjakan untuk berbagai ukuran masukan n.
18

Tabel 6. Perbandingan Pertumbuhan Kompleksitas


(Sumber: www.fredswartz.com)

Pertumbuhan kompleksitas dari masing-masing Big-O pada tabel 6


menunjukkan bahwa untuk input n yang semakin besar, waktu O(1) sama sekali
tidak terpengaruh, sedangkan laju pertumbuhan waktu O(log n), O(n), O(n log n)
tidak terlalu cepat. Sementara waktu O(n2), O(n3), O(2n), dan O(n!) pengingkatan
waktunya sangat cepat sehingga algoritma yang memiliki jenis kompleksitas ini
dapat dipastikan waktu eksekusinya sangat lama. Jadi, urutan kompleksitas
algoritma dapat ditulis menjadi O(1) < O(log n) < O(n) < O(n log n ) < O(n2) <
O(n3) < O(2n) < O(n!).

Gambar 6. Grafik Perbandingan Pertumbuhan Kompleksitas


(Sumber: www.cs.odu.edu)

10. Definisi Pengolahan Citra


Pengolahan citra adalah pengolahan suatu citra dengan menggunakan
computer khusus untuk menghasilkan suatu citra yang lain. Sedangkan Computer
19

Vision dapat didefinisikan setara dengan pengertian pengolahan citra yang


dikaitkan dengan akuisisi citra, pemrosesan, klasifikasi, pengakuan, dan
pencakupan keseluruhan, pengembalian keputusan yang diikuti dengan
pengidentifikasian citra (Fadlisyah, 2007).
Mendefinisikan Computer Vision sebagai suatu kegiatan awal
pengotomatisan dan pengintegrasian suatu pemrosesan dan representasi sebagai
suatu persepsi visual dengan tahap-tahap tertentu (Ballard dan Brown, 1982).
Memaparkan pengolahan citra sebagai “pengolahan citra dengan komputer”,
dan kemudian definisi singkat ini ditambah dengan“dan output atau hasil
pengolahan citra tersebut juga berupa citra”. Sementara “Computer Vision
melibatkan banyak teknik dari pengolahan citra dan juga lebih luas lagi dalam
wilayah suatu sistem yang lengkap “mesin melihat” (Niblack, Wayne, 1986).
Memberi pengertian bahwa Computer Vision lebih dari hanya sekedar image
recognition. Mereka juga menghadirkan operasi low level processing sebagai
suatu algoritma pengolahan citra yang dapat kita sebut purely yang kemudian
mengategorikan citra tersebut di dalam suatu Computer Vision (Boyle dan
Thomas, 1988).

11. Resize
Citra resize merupakan hasil perubahan ukuran citra asli ke ukuran yang telah
disesuaikan sesuai kebutuhan sistem, dan akan disimpan dalam bentuk .bmp. Hal ini
dilakukan agar proses kerja system lebih cepat dalam menghitung koordinat citra.

12. Grayscale
Citra berskala keabuan adalah citra yang menggunakan warna abu-abu yang
merupakan kombinasi antara hitam dan putih. Setiap warna didalam citra beerskala
keabuan dinyatakan dengan sebuah nilai bulat antara 0 dan 255 (untuk yang arah
keabuannya sama dengan 256) dan nilai tersebut disebut sebagai intesitas.
Di dalam pengolahan citra, citra berwarna seringkali dikonversi terlebih dulu ke
citra berskala keabuan. Kemudian, melalui citra berskala keabuan inilah dilakukan
pemprosesan, misalkan untuk memperoleh tekstur objek.
20

Untuk mengubah citra berwarna menjadi nilai matrik masing - masing R, G


dan B menjadi citra grayscale dengan nilai S, maka konversi dapat dilakukan
dengan mengambil nilai rata-rata dari R, G dan B sehingga dapat dituliskan
menjadi:

𝑅+𝐺+𝐵
𝑆=
3
Keterangan :
S : Warna Grayscale (Pixel)
R : Warna Merah (Pixel)
G : Warna Hijau (Pixel)
B : Warna Biru (Pixel)

13. Konvolusi
Konvolusi yang dilakukan dalam blok diagram sistem menggunakan operator
Sobel. Proses konvolusi dilibatkan untuk mentransformasi nilai-nilai intensitas
yang telah terkondisi dari tahapan sebelumnya, menjadi nilai-nilai intensitas yang
merepresentasikan tepi objek (ayat Al Qur’an). Setiap nilai intensitas akan
dipartisi menjadi matriks 3x3 dan dikonvolusikan dengan sebuah kernel
(Fadlisyah, 2013).

14. Metode Cosine


Cosine adalah metode perhitungan jarak antara vektor A dan B yang
menghasilkan sudut cosine x diantara kedua vektor tersebut. Nilai sudut kosinus
antara dua vektor menentukan kesamaan dua buah objek yang dibandingkan
dimana nilai terkecil adalah 0 dan nilai terbesar adalah 1.

Rumus Cosine:
𝑎
𝑆 𝐶𝑜𝑠𝑖𝑛𝑒 = 2
√(𝑎 + 𝑏)(𝑎 + 𝑐)
21

Keterangan:
a = nilai vektor i dan j menunjukkan jumlah koordinat dari (1,1)
b = nilai vektor i dan j menunjukkan jumlah koordinat dari (0,1)
c = nilai vektor i dan j menunjukkan jumlah koordinat dari (1,0)

Tabel 1 OTUs expressions of Binary Intances i and j

G. METODELOGI PENELITIAN
Langkah – langkah pembuatan perangkat lunak ini antara lain :
1. Studi Kepustakaan
Studi kepustakaan, dilakukan dengan cara mengumpulkan dan membaca serta
memahami referensi yang terkait dengan pengolahan citra yang membahas
tentang metode Cosine.
2. Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini menggunakan citra atau gambar Al-
Qur’an dalam surat Al-Baqarah yang diperoleh dari hasil scanning.
3. Analisis Alat Penelitian
a. Perangkat keras, spesifikasi yang dapat digunakan pada penelitian ini adalah
sebagai berikut.
- ACER E5-457G-541U
- DDR4 RAM 4,00 GB
- HDD 1000 GB
- Mesin Scanner
22

b. Perangkat lunak, spesifikasi umum yang digunakan pada penelitian ini adalah
sebagai berikut.
- Microsoft Windows 10
- Delphi 7.0

H. SKEMA SISTEM
Skema implementasi Metode Cosine pada citra tajwid Izhar Syafawi yang
digunakan dalam penelitian ini diilustrasikan pada gambar di bawah ini:

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine


23

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine


24

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine

Sumber Resize Grayscale Konvolusi Cosine


25

Sumber Resize Grayscale Konvolusi Cosine

Gambar 2. Skema Sistem secara keseluruhan

Adapun tahapan yang dilakukan setelah sistem menerima input citra Al


Quran adalah tahapan grayscale, konvolusi, dan uji pengenalan pola tajwid
menggunakan Cosine. Citra Al Quran sumber yang menjadi inputan akan di-
resize terlebih dahulu untuk menghemat waktu dan jumlah iterasi. Setelah
resizing, citra akan direpresentasikan dalam bentuk satu kanal, dan diakhiri
dengan pendeteksian tepi melalui proses konvolusi. Pada proses utama, komputasi
menggunakan Cosine, vektor pola tajwid akan dilatih untuk mendapatkan sebuah
matriks bobot, yang selanjutnya matriks bobot tersebut digunakan sebagai matriks
pengujian.

1. Skema Resize
Diagram alir untuk proses resize dibangun berdasarkan gambar di bawah ini:

Mulai

Ukuran Tinggi
dan Lebar
Gambar

Destination R = sumber pixel vertikal *


sumber pixel horizontal * tinggi tujuan
Destination G = sumber pixel vertikal *
sumber pixel horizontal * tinggi tujuan
Destination B = sumber pixel vertikal *
sumber pixel horizontal * tinggi tujuan
Tidak

Apakah semua pixel (nilai


intensitas) telah dikalkulasi

Ya

Selesai

Gambar 3. Skema Proses Resize


26

Adapun tahapan-tahapan yang dilakukan pada gambar 3 adalah :


1. Memasukkan citra pada sistem yang telah disediakan dan menentukan ukuran dan
format yang di tetapkan,
2. Setelah itu, citra yang dimasukkan pada resize, hal ini bertujuan untuk
mempercepat proses pendeteksian,
3. Jika citra resize telah diperoleh maka akan keluar hasil namun jika tidak maka
proses akan kembali untuk melakukan pencarian ulang.

2. Skema Grayscale
Diagram alir untuk proses grayscale dibangun berdasarkan gambar berikut:

Mulai

Input
Citra

Kanal R = (R+G+B )/ 3
Kanal G = (R+G+B) / 3
Kanal B = (R+G+B) / 3

Tidak

Apakah semua pixel (nilai


intensitas) telah dikalkulasi

Ya

Selesai

Gambar 4. Skema Proses Grayscale


Adapun tahapan-tahapan yang dilakukan pada gambar 4 adalah :

1. Memasukkan citra
2. Menyamakan nilai intensitas dengan menghitung nilai kanal citra yaitu R (Red) G
(Green) dan B (Blue) kemudian dibagi dengan 3.
3. Setelah itu, jika semua pixel dikalkulasi maka akan dilanjutkan ketahap
berikutnya, jika tidak maka akan kembali ketahap ke-2.
27

4. Setelah semua nilai udah dikalkulasi maka akan keluar hasil/output berupa citra
grayscale.
3. Skema Konvolusi
Diagram alir untuk proses konvolusi dibangun berdasarkan gambar berikut:

Mulai

Input Citra
Graycsale

[(x,y)……. (x+n,y)

(x,y+n)…(x+n,y+n)] xKernel

Tidak

Apakah semua pixel (nilai


intensitas) telah dikalkulasi

Ya

Selesai

Gambar 5. Skema Proses Konvolusi

Adapun tahapan-tahapan proses konvolusi pada gambar 5 adalah :

1. Memasukkan nilai citra grayscale yang sudah dikalkulasikan.


2. Kemudian nilai tersebut di konvolusikan atau di deteksi tepi.
3. Apakah semua pixel (nilai intensitas ) telah di kalkulasi, apabila belum maka
akan di ulangi ke proses konvolusi.
4. Setelah semua pixel sudah dikalkulasikan maka akan keluar hasil/output berupa
citra dengan format bmp.
28

4. Skema Metode Cosine


Diagram alir untuk proses Metode Cosine dibangun berdasarkan gambar berikut:

Mulai

Input Citra
Asli

Hitung Menggunakan
Metode Cosine
Similarity

Tidak

Apakah nilai S>=0 atau <=1

Ya

Selesai

Gambar 6. Skema Proses Cosine Similarity

Adapun tahapan-tahapan dari gambar 6 adalah sebagai berikut :

1. Memasukkan nilai citra,


2. kemudian ambil nilai N dan hitung menggunakan rumus Cosine Similarity ,
3. Setelah perhitungan dilakukan, lihat apakah nilai S >= 0 atau <=1,
4. Jika Tidak maka kembali lagi untuk perhitungan ulang,
5. Setelah semua sudah didapatkan maka akan keluar hasil/output,
6. Setelah itu sistem akan berhenti.

I. RELEVANSI
Setelah program ini diselesaikan, diharapkan dapat memberikan kontribusi
kepada masyarakat umum sebagai alat yang dapat memberikan informasi dan
29

pemahaman tentang hukum Tajwid Izhar Syafawi yaitu Mim Sukun bertemu
dengan seluruh huruf hijaiyah di dalam Al-Qur’an kecuali Ba dan Mim, serta
harapan kepada kalangan peneliti dan mahasiswa agar dapat lebih
mengembangkannya dengan metode lain yang lebih efisien.

J. HASIL DAN PEMBAHASAN


Hasil yang diharapkan dari tugas akhir ini yaitu suatu perangkat
lunak/program yang dapat mendeteksi Tajwid Al-Qur’an sehingga dapat
mempermudah pengguna dalam memahami hokum Tajwid Izhar Syafawi yaitu
Mim Sukun bertemu dengan seluruh huruf hijaiyah kecuali Ba dan di dalam Al-
Qur’an.

K. SISTEMATIKA PENULISAN
BAB I PENDAHULUAN

Berisi tentang latar belakang masalah, rumusan masalah,


batasan masalah, tujuan penulisan, metodologi penulisan dan
sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Berisi teori-teori tentang pengolahan citra yang membahas


tentang metode Cosine.

BAB III METODELOGI PENELITIAN

Berisi langkah-langkah dalam pembuatan sistem.

BAB IV ANALISA DAN PEMBAHASAN

Berisi tentang analisa terhadap hasil yang diperoleh dari tahap


perencanaan sistem dan simulasi.

BAB V PENUTUP

Berisi tentang kesimpulan dan saran-saran dari penulis.


30

L. JADWAL PELAKSANAAN
Bulan

No Uraian Kegiatan I II III IV V VI

1 Studi Literatur

2 Pembuatan Proposal

3 Perencanaan Sistem

4 Pembuatan Sistem

5 Pengujian dan Analisa

6 Penulisan Skripsi

7 Penyerahan Skripsi

M. DAFTAR PUSTAKA
Choi, Seung-Seok. at al. 2010. A Survey Of Binary Similarity And Distance
Measures. Jurnal Systemics, Cybernetics And Informatics Vol 8, No 1,
2010. (http://www.iiisci.org, di akses tanggal 2 Januari 2017)

Fadhilah C. 2011. Tugas Akhir Sistem Pendeteksi Pola Tajwid Al-Qur’an Hukum
Idgham Bighunnah Dan Bila-Ghunnah Menggunakan Metode Nei And Li.
Tugas akhir. Prodi Teknik Informatika. Universitas Malikussaleh. Bukit
Indah.

Fadlisyah. at al. 2015. Detection System Tajwid Al-Quran on Image Using Bray Curtis
Distance. Jurnal Teknik Informatika Vol 2, No 8, Agustus, 2015.
(http://www.ijcat.org, di akses tanggal 4 Januari 2017)

Fadlisyah, S.Si. 2007. Computer Vision dan Pengolahan Citra. Andi. Yogyakarta.

Firdaus, Azhar. at al. 2014. Aplikasi Pendeteksi Kemiripan Pada Dokumen Teks
Menggunakan Algoritma Nazief & Adriani Dan Metode Cosine
Similarity. Jurnal Teknologi Informasi Vol 10, No 1, April, 2014.
(http://research.pps.dinus.ac.id, di akses tanggal 7 Januari 2017)
31

Jensen J.R. 1986. Introductory Digital Image Processing: Remote Sensing.


Prentice Hall.

Kurneidi. 2014. Tajwid Lengkap Asy-Syafi’i. Pustaka Imam Asy-Syafi’i. Jakarta.

Niblack, Wayne. 1986. An Introduction To Digital Image Processing. New


Jersey, Prentice-Hall International Inc.

Sudiarjo, Aso. at al. 2015. Aplikasi Pembelajaran Ilmu Tajwid, Waqaf dan
Makharijul Huruf Berbasis Android. Jurnal Sisfotek Global Vol 5, No 2,
September, 2015. (http://stmikglobal.ac.id, di akses tanggal 6 Januari
2017)

N. OUTLINE
Bab I Pendahuluan

Latar Belakang
Rumusan Masalah
Batasan Masalah
Tujuan Penulisan
Relevansi
Bab II Tinjauan Pustaka

Bab III Metodelogi Penelitian

Bab IV Analisa dan Pembahasan

Bab V Penutup

Lhokseumawe, Januari 2017


Pengusul,

Muhammad Zacky
NIM. 130170103