ID Implementasi Pengenalan Karakter Seseora
ID Implementasi Pengenalan Karakter Seseora
Analisa teori
Konten Bentuk Tulisan Karakter
Program T
Ukuran Ukuran tulisan sedang fleksibel
Tulisan sesuai
Ukuran tulisan besar terbuka
Ukuran tulisan kecil pemalu Y
ukuran terkecil dari citra. Pada citra tulisan karakter citra tulisan tangan dibandingkan dengan data
diperoleh 4 macam data yaitu tm (top margin), bm Tabel Keputusan Karakter. Hasil perbandingan tersebut
(bottom margin), lm (left margin), dan rm (right menjadi informasi karakter penulis yang diberikan ke
margin). user.
Garis Dasar. D. Implementasi
Parameter ini dinyatakan dalam sudut α untuk
Gambar 3 menjelaskan proses implementasi dari
menentukan kemiringan tulisan terhadap garis dasar
tahap awal sampai hasil akhir aplikasi. Pertama tulisan
tulisan.
tangan yang akan diuji diambil dari
Ukuran (s = size).
http://default.tabloidnova.com/microsite/grafologi/surat.
Parameter ini dinyatakan dalam pixel untuk
php, terdiri dari 30 data, dilakukan Pre processing,
menentukan ukuran dari tulisan (besar, normal, dan
segmentasi, pengenalan pola, post processing dan hasil
kecil)
Pre-processing meliputi :
Jarak spasi.
o Grey scalling
Parameter ini dinyatakan dalam pixel untuk
Grey scalling disebut juga dengan citra aras
membedakan jarak antar kata dalam tulisan.
keabuan memberikan kemungkinan warna yang
Dengan asumsi bahwa 1 cm = 29 pixel (www.mk-
lebih banyak. Format citra ini disebut dengan
photography.biz)
aras keabuan karena ada warna abu-abu
C. Desain Data Flow Diagram (DFD) diantara warna minimum (hitam) dan warna
maksimum (putih).
o Thresholding
Proses Thresholding mengubah Gambar
menjadi Gambar biner (binary image) dimana
ditentukan sebuah nilai level threshold
kemudian pixel yang memiliki nilai di bawah
level threshold diset menjadi nilai warna putih
(0 pada nilai biner) dan nilai di atas level
threshold diset menjadi nilai warna hitam (1
pada nilai biner). Proses threshold digunakan
untuk mengekstrak foreground (tinta) dari
background (kertas) dan menjadikan gambar
menjadi biner.
Segmentasi meliputi:
o Segmentasi margin :
Segmentasi dilakukan dengan metode
segmentasi horizontal dan vertikal dengan cara
scanning titik yang paling dekat dengan batas
kertas, pertama scanning margin top, right,
bottom, left barulah ketemu titik pertemuan
antar garis.
o Segmentasi garis dasar dan ukuran tulisan :
Prosesnya yaitu melakukan deteksi berapa
jumlah larik teks, metodenya menggunakan
segmentasi horisontal, setiap larik tulisan
langsung di kalkulasi pertemuan titiknya,
Gambar2 Data Flow Diagram (DFD) aplikasi sehingga ketemu ketinggian dan kemiringan
untuk dikalkulasi sehingga menjadi rata – rata.
Desain DFD aplikasi ditunjukkan pada Gambar 2. o Segmentasi spasi antar kata:
Pada langkah awal perlu dilakukan pengaturan batas- Prosesnya sama halnya dengan segmentasi
batas karakter tulisan tangan yang terdiri dari pengaturan garis, scanningnya mengarah keatas (segmentasi
batas margin, garis dasar, ukuran, dan spasi antar tulisan. vertikal), akan tetapi harus diketahui terlebih
Kemudian data pengaturan tersebut disimpan pada Tabel dahulu berapa range pixel yang dianggap spasi,
Keputusan Karakter. Proses selanjutnya user range pixel disini adalah pixel yang berwarna
memasukkan data citra digital tulisan tangan yang putih, lalu dari hasil scanning diketahui berapa
kemudian diproses konversi ke citra grayscale. jumlah spasi dan panjang pixelnya, untuk
Selanjutnya citra tersebut dikonversi lagi menjadi citra kemudian dikalkulasi sehingga menjadi rata –
hitam putih dan dilakukan proses segmentasi untuk rata.
mendapatkan data atribut karakter tulisan tangan. Pada Pengenalan pola meliputi:
proses akhir dilakukan pencocokan (matching) data Pengenalan pola dari margin, garis dasar,
Jurnal EECCIS Vol. 7, No. 2, Desember 2013
99
Tulisan Tangan
Segmentasi
Margin Margin
Garis dasar Garis dasar
Ukuran Ukuran
Spasi antar kata Spasi antar kata
Pengujian
Karakter berdasarkan:
Margin
Prosentase Garis dasar
persamaan hasil Ukuran
antara Spasi antar kata
Hasil
Software
dengan
Gambar 7 Histogram
o Segmentasi margin
D. Pembahasan
Dari hasil pengujian software (meta data) yang terdiri
dari:
Pengujian konfigurasi Tabel Keputusan Karakter
Pengujian Handwriting Analysis
Pengujian referensi grafologi
TABEL2
PROSENTASE HASIL UJI SOFTWARE TERHADAP
REFERENSI GRAFOLOGI
Konten Data yang sama
Data ke- (%)
Gambar 10 Proses segmentasi spasi antar kata
1,2,3,4,5,7,8,9,11,12,14
Hasil akhir (Meta data) Margin 15,16,17,18,19,21,23,
73,33
25,26,29,30
C. Pengujian Berdasarkan Referensi Grafologi Garis 1,2,3,4,5,6,8,10,11,13,14,
Pengujian ini dilakukan dengan membandingkan dasar 17,18,19,20,21,22,23,24, 80
25,26,27,28,29
tulisan tangan dengan referensi buku grafologi.
Ukuran 1,2,3,4,5,6,7,8,9,11,13,14,
Pengujian data ke-1 berdasarkan referensi grafologi di tulisan 15,17,18,19,20,21,22,23, 83,33
peroleh hasil: 24,25,26,27,30
Margin : kiri dan kanan sedang Spasi 1,2,3,4,6,7,8,9,10,11,12,
atas dan bawah sedang antar 13,14,15,16,17,18,19,20, 96,67
kata 21,22,23,24,25,26,27,28,29,30
Garis dasar : lurus
Ukuran tulisan : sedang Maka diperoleh prosentase kesamaan karakter dengan
Spasi antar kata : ideal parameter margin, garis dasar, ukuran tulisan, dan spasi
Karakter: antar kata yang di cantumkan pada table 1
o Emosi stabil Margin
o Kontrol diri baik Pada pengujian margin tulisan diperoleh
o Fleksibel kesamaannya sebesar 73.33%, dikarenakan adanya
o Emosi stabil gangguan (noise) pada image yang didefinisikan
Jurnal EECCIS Vol. 7, No. 2, Desember 2013
101