Abstraksi
Ukiran Toraja adalah kesenian ukir khas suku Toraja di Sulawesi Selatan. Ukiran
ini memiliki nilai seni tinggi yang terdapat di rumah adat Toraja dan telah menjadi bagian
dari budaya Indonesia (khususnya Toraja) sejak lama. Setiap pola ukiran Toraja memiliki
arti, makna dan cerita tersendiri. Akan tetapi, hanya sebagaian kecil masyarakat Toraja
yang mengetahui arti dari ukiran tersebut sehingga banyak masyarakat tidak dapat
mengenali karena tidak memiliki pengetahuan tentang ukiran Toraja.Untuk mengatasi
permasalah tersebut, maka dibuat sebuah program yang dapat membantu untuk mengenali
pola ukiran Toraja dengan menggunakan metode Hamming Network. Dari hasil pengujian
yang telah dilakukan,program pengenalan dengan menggunakan Hamming Network dapat
mengenali citra ukiran dengan baik dari hasil penelitian menunjukkan tingkat keberhasilan
mencapai 80,39%.
1. PENDAHULUAN
Ukiran Toraja adalah kesenian ukir khas suku Toraja di Sulawesi Selatan. Ukiran ini
memiliki nilai seni tinggi yang terdapat di rumah adat Toraja dan telah menjadi bagian dari
budaya Indonesia (khususnya Toraja) sejak lama. Ukiran ini telah menjadi warisan turun-
temurun dari nenek moyang suku bangsa Toraja. Setiap pola ukiran Toraja memiliki arti,
makna dan cerita tersendiri, sehingga kadang-kala pola ukiran Toraja hanya dapat dikenali
masyarakat yang memiliki pengetahuan tentang seni ukiran Toraja. Ukiran Toraja sendiri
sudah sangat terkenal di Indonesia bahkan sampai mancanegara. Akan tetapi, di Indonesia
khususnya masyarakat Toraja masih belum mengenal arti dan makna dari ukiran tersebut
sehingga banyak masyarakat Toraja menganggap ukiran Toraja hanyalah sebuah ukiran biasa
yang tidak memiliki arti. Untuk mengatasi permasalah tersebut, maka dibutuhkan sebuah
program yang dapat membantu untuk mengenal pola ukiran dengan baik. Dalam proses
pengenalan pola dapat digunakan berbagai macam cara, salah satunya menggunakan konsep
(1)
Teknik Informatika, Falkutas Teknologi Informasi, Universitas kristen Duta Wacana
(2)
Teknik Informatika, Falkutas Teknologi Informasi, Universitas kristen Duta Wacana
(3)
Teknik Informatika, Falkutas Teknologi Informasi, Universitas kristen Duta Wacana
Jaringan Syaraf Tiruan yaitu menggunakan metode Hamming Network. Hamming Network
merupakan suatu model neural network yang didesain khusus untuk menyelesaikan masalah
pengenalan pola dengan input dari neural network dalam bentuk bipolar. Dengan demikian
setiap elemen dari vektor input neural network hanya mempunyai dua kemungkinan nilai
input.
2. LANDASAN TEORI
2.1 Ukiran Toraja
Ukiran Toraja merupakan bentuk seni ukiran yang tercetak menggunakan alat ukir
khusus di atas sebuah papan kayu, tiang rumah adat, jendela, atau pintu. Terdapat kurang
lebih 51 ragam hias ukir Toraja yang hingga kini masih dilestarikan dalam kehidupan orang
Toraja. Diantaranya terdapat di dinding-dinding rumah adat Toraja atau peralatan rumah
tangga (K. Kadang, 1960;.T. Tangdilintin, 1975).
2.2 Grayscale
Citra akan masuk kedalam tahap awal dari preprocessing, yaitu grayscale. Citra
grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya,
dengan kata lain nilai bagian RED = GREEN = BLUE.
R+G+B
s= [2.1]
3
s = tingkat intensitas / nilai abu-abu piksel
R = intesitas warna merah
G = intesitas warna hijau
B = intesitas warna biru
2.3 Threshold
Citra yang telah melalui tahap grayscale kemudian akan masuk kedalam proses
thresholding. Thresholding atau pengambangan akan menghasilkan citra biner, yaitu citra
yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih. Secara umum meiliki proses
pengembangan citra grayscale untuk menghasilkan citra biner adalah sebagai berikut.
1 𝑖𝑓 𝑓(𝑥, 𝑦) ≥ 𝑇
𝑔(𝑥, 𝑦) = { [2.2]
0 𝑖𝑓 𝑓(𝑥, 𝑦) < 𝑇
2.4 Image Smoothing
2.3.1. Median Filter
Citra yang telah melalui tahap Thresholding kemudian masuk kedalam proses
median filter. Filter ini mengganti nilai sebuah pixel dengan nilai median dari gray-
level dalam subimage dibawah jendela ketengtanggaan ukuran mxn, sebagaimana
persamaan berikut:
𝑓̂(x,y) = median {g(s,t)} [2.3]
2.5 Thinning
Algoritma zhan-suen method ini menggunakan metode iterasi, berarti nilai yang baru
didapat dari proses sebelumnya. Setiap iterasi dari metode ini terdiri dari dua sub iterasi yang
berurutan yang dilakukan terhadap countour point dari wilayah citra. Countour point adalah
setiap piksel dengan nilai 1 dan memiliki setidaknya satu dari 8-tetangganya memiliki nilai 0.
Dengan informasi ini, langkah pertama adalah mencari countour point p untuk dihapus
jika semua kondisi ini dipenuhi :
1. 2 ≤ 𝑁 (𝑃1 ) ≤ 6
2. 𝑆(𝑃1 ) = 1
3. P2 OR P4 OR P6 = 0
4. P4 OR P6 OR P8 = 0
Dimana N(P1) adalah jumlah tetangga dari P1 yang tidak 0, yaitu
N(P1) = P2 + P3 + P4 + … + P9
Tabel 1
Contoh piksel P1 dengan tetangganya
P9 P2 P3
P8 P1 P4
P7 P6 P5
Dan S(P1) adalah jumlah dari transisi 0 - 1 pada urutan P2, P3, P4, …, P8, P9. Pada
langkah kedua kondisi (1) dan (2) sama dengan langkah pertama, sedangkan kondisi (3) dan
(4) diubah menjadi :
3. P2 OR P4 OR P8 = 0
4. P2 OR P6 OR P8 = 0
1 2 3 4 5
Gambar 3. Hasil Implementasi Citra
Citra pada Gambar 3 nomor 1 merupakan contoh hasil dari scanning ukiran Toraja,
nomor 2 merupakan hasil dari proses grayscale yang menghasilkan citra keabuan, nomor 3
merupakan citra hasil dari thresholding yang menghasilkan citra biner, kemudian setelah
menjadi citra biner maka dilanjutkan pada proses penghilangan noise menggunakan median
filter/ modus filter yang ditunjukkan pada citra nomor 4 dan setelah melalui tahap median
filter citra diproses pada tahap penipisan pola (thinning) yang hasilnya ditunjukkan pada citra
nomor 5. Citra yang telah melalui proses penipisan pola akan menghasilkan citra dengan
informasi esensial dari karakter-karakter dengan ketebalan 1 piksel.
Tahap analisis hasil pengenalan merupakan tahap untuk melakukan analisis terhadap
hasil pengenalan citra ukiran Toraja dengan menggunakan metode Hamming Network. Citra
ukiran Toraja hasil scanning akan dilakukan pengujian terhadap nilai threshold dan
pergeseran piksel.
Setiap jenis ukiran akan diuji terhadap 3 nilai batas threshold yaitu 120, 140 dan 160.
Tiap pengujian terhadap nilai threshold akan disertai dengan pengujian terhadap median
filter. Berikut ini tabel pengujian:
Tabel 2
Tingkat keberhasilan
Nilai Dengan Menggunakan Tanpa Menggunakan
Threshold Median Filter Modus Filter Median dan Modus
120 37 72.55% 37 72.55% 41 80.39%
140 35 68.73% 35 68.73% 39 74.47%
160 27 52.34% 27 52.34% 28 54.9%
Berdasarkan pada Tabel 2, tingkat keberhasilan dari median dan modus filter adalah
sama. Ketika pengujian citra tanpa menggunakan median maupun modus tingkat
keberhasilanya lebih tinggi. Persentase keberhasilan dari pengujian citra dapat dilihat di
diagram berikut ini:
90.00%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
120 140 160
Median Filter 72.55% 68.73% 52.34%
Modus Filter 72.55% 68.73% 52.34%
Tanpa Median dan
80.39% 74.47% 54.90%
Modus
Tabel.3
Tingkat keberhasilan terhadap pergeseran piksel citra ukiran
Jumlah Dengan Menggunakan
Pergeseran Tanpa Menggunakan
Piksel ke Median Filter Modus Filter Median dan Modus
kanan
4 20 39.21% 20 39.21% 43 84.31%
6 17 33.33% 17 33.33% 36 70.59%
8 14 27.45% 14 27.45% 30 58.82%
90.00%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
4 6 8
Median Filter 39.21% 33.33% 27.45%
Modus Filter 39.21% 33.33% 27.45%
Tanpa Median dan
84.31% 70.59% 58.82%
Modus
DAFTAR PUSTAKA