TUGAS AKHIR - Pengenalan alat-alat stasioneri secara realtime menggunakan ekstraksi ciri DST - USD Repository

Gratis

0
0
67
3 months ago
Preview
Full text
(1)PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR Pengenalan Alat–alat Stasioneri secara RealTime Menggunakan Ekstrasi Ciri DST Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik (S1) Program Studi Teknik Elektro Teknik Elektro Universitas Sanata Dharma Yogyakarta Disusun oleh: Febriyanto NIM 095114024 PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2014

(2) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT REALTIME STATIONERY EQUIPMENT RECOGNITION USING DST FEATURE EXTRACTION Presented as Partial Fulfillment of the Requirements to Obtain Sarjana Teknik Degree in Electrical Engineering Study Program By: FEBRIYANTO 095114024 ELECTRICAL ENGINEERING STUDY PROGRAM DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2014 ii

(3) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(4) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(5) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(6) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR PERSEMBAHAN Yang Utama Dari Segalanya... Jesus Christ Tuhan Sang pemilik nyawaku. Terimakasih untuk semua kesempatan yang terbaik dalam hidupku, terimakasih Tuhan yang selalu mau membimbing, memberkati, menuntun dan mengantarkanku pada tempat terbaik di bumi ciptaanMu ini, terimakasih pula telah memberikanku manusia–manusia yang luar biasa seperti mereka semua. Terima kasih Tuhan, biarkan aku terus mencintai, mengimani_Mu hingga akhir nafasku dibumi ini. Taburan cinta dan kasih sayang yang kuterima dari_Mu yang begitu besar telah memberikanku kekuatan, membekaliku dengan ilmu serta memperkenalkanku dengan cinta. Atas karunia serta kemudahan yang Engkau berikan hingga akhirnya Tugas Akhir dengan judul Pengenalan Alat–alat Stasioneri Secara RealTime Menggunakan Ekstrasi Ciri DST ini dapat terselesaikan dengan baik. Kupersembahkan Tugas Akhir sederhana ini kepada orang yang sangat kukasihi dan kusayangi... Almarhumah Ibunda dan Ayahanda Tercinta Tiada kata–kata spesial yang dapat ku berikan kepada kalian, namun sebagai tanda bakti, hormat, rasa cinta dan terimakasih yang tiada terhingga kupersembahkan Tugas Akhir ini kepada almarhumah Ibunda dan Ayahanda tercinta yang telah memberikan semangat, kasih sayang, segala dukungan, waktu serta pengorbanan, kebersamaan, kecerian dan cinta kasih yang tiada terhingga yang tak mungkin dapat kubalas semua ketulusanmu itu dari ku lahir hingga ku sedewasa ini, hanya dengan selembar kertas yang bertuliskan kata cinta dan persembahan ini. Semoga ini bisa membuat almarhumah Ibu dan Ayah bahagia dan sedikit melegakan, kusadar selama ini belum bisa berbuat yang lebih lagi untuk membahagiakan kalian dan mungkin ini bukan hasil terbaik yang kalian harapkan. Untuk almahumah Ibu dan Ayah yang selalu membuatku termotivasi dan bersemangat, yang selalu menyirami jiwaku dengan kasih sayang, selalu mendoakanku, selalu menasehatiku dengan kata–kata indah agar menjadi yang lebih baik, kalian inspirasi, semangat, motivator, dan kekuatanku dalam menjalani kehidupan yang penuh akan rintangan.. Terima kasih almarhumah Ibunda Tri Lestari.. Terima kasih Ayahanda drg. Richardus Bambang Budiyanto atas segala keringat, air mata, canda tawa, kebersamaan dan cinta kasih yang hangat dan tulus selama ini yang ku terima.. I always love u, you are always in vi

(7) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI my heart and you will never be replaced. Membahagiakan dan membalas apa yang telah diberikan orang tua kepada kita adalah kewajiban setiap anak… My Brother’s dan Sister kakakku, Mas Angga dan Mbak Maya makasih atas supportnya selama ini, tiada yang paling mengharukan saat kita kumpul bersama, walaupun sering ada percecokan diantara kita tapi hal itu selalu menjadi warna yang tak akan bisa tergantikan dan ini hal terindah dalam keluarga, terima kasih atas segala doa, bantuan kalian selama ini, hanya karya ini yang dapat ku persembahkan. Maaf belum bisa menjadi panutan seutuhnya, tapi aku akan selalu menjadi yang terbaik untuk kalian semua. Almamaterku Untuk almamaterku Universitas Sanata Dharma Yogyakarta khususnya program studi Teknik Elektro Fakultas Sains dan Teknologi terimakasih untuk kebersamaannya. your dreams today, can be your future tomorrow vii

(8) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR MOTTO. Pray, Love, Dream, Believe, Spirit and Never Give Up. “Tanpa adanya perjuangan, kemajuan takkan terjadi” (Amaray Ferderick Douglas) Jadikanlah sabar dan doa sebagai pedoman dalam menjalani kehidupan saat ini dan yang akan datang senang maupun susah. Jadikan sabar N doa sbg pedoman dlm jalani kehidupan saat ni N yg kan dtang snang maupun susah krna kekuatan doa dpt mngubah sgala sesuatu Hidup perlu cinta, Maka laluilah hari-harimu dengan penuh cinta dan kasih sayang. Hidup juga perlu kejujuran, ketekunan, dan keuletan, Kehidupan tanpa kejujuran akan membawa kita dalam jurang kehancuran. Jangan pantang menyerah dalam hidup. Gapailah semua keinginan dan cita-citamu walaupun itu terasa berat. Tumbuhkan rasa saling percaya diantara sesama Karena dengan percaya puji TUHAN kita akan hidup bahagia. Aku memandang sisi kehidupan yang cerah dan merenungi kesulitan dengan keyakinan bahwa tantangan dapat diatasi dan segala sesuatu dapat berubah menanda baik, karena aku beriman pada Tuhan, percaya pada diriku dan sesama.. (Carmen 1992) “Tuhan membuat semuanya indah pada waktunya, tidak terlalu cepat, dan tidak pernah terlalu terlambat, tetapi selalu tepat pada waktunya Percaya pada pengaturan waktu Tuhan..” Hadapilah tantangan hidup ini setiap hari, dan apabila merasa tawar, lalu mendekatlah kepada Tuhan, kekuatannya dapat membuatmu penuh kekuatan dan keindahan. (Dennis Haan) viii

(9) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(10) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Intisari Stasioneri merupakan peralatan yang sering kita gunakan dalam kehidupan sehari– hari khususnya dunia pendidikan dan kerja. Alat–alat stasioneri yang digunakan dalam proses pengenalan antara lain peralatan tulis menulis dan peralatan kerja. Alat stasioneri memiliki tingkat kesulitan dalam proses pengenalan karena bentuknya yang hampir mirip satu dengan yang lain. Mengenali suatu objek dibutuhkan proses percobaan yang panjang, yang didapatkan berdasarkan ciri–ciri dan pengalaman yang didapatnya melalui pengalaman pengamatan objek yang mirip. Penerapan dalam bidang komputasi, disebut dengan pengenalan pola. Metode yang digunakan dalam proses mendapatkan ciri–ciri dari citra maka digunakan ekstrasi ciri discrete sine transform. Discrete Sine Transform yang digunakan adalah tipe dua dimensi. Discrete Sine Transform dua dimensi merupakan satu dimensi transformasi yang dihitung dalam setiap baris dan kolom. Discrete Sine Transform ini digunakan untuk menentukan ciri dari gambar yang akan dikenali. Setelah didapat ciri kemudian gambar tersebut akan dihitung selisihnya dengan database. Untuk menghitung selisih nilai masukan yang didapat dengan nilai database digunakanlah suatu metode perhitungan jarak Euclidean. Dengan jarak Euclidean ini nilai jarak yang paling kecil antara nilai masukan dengan database akan di golongkan dengan gambar yang sama dengan database. Kata kunci: Stasioneri, Transformasi Sinus Diskrit, webcam, jarak Euclidean, matlab x

(11) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Abstract Stationery is equipment that is often used in everyday life especially education and employment. Stationery tools used in the process of introducing, among others, writing equipment and tooling. Stationery tools have difficulties in the recognition process because its shape is almost similar to each other. Recognize an object takes a long process of trial, which is obtained based on the characteristics and experiences acquired through observation of objects similar experience. Implementation in the field of computing, called pattern recognition. The method used in the process to acquire the features of the used extraction of image characteristic of discrete sine transform. Discrete Sine Transform used is a two-dimensional type. Two-dimensional Discrete Sine Transform is a one-dimensional transformation calculated in each row and column. Discrete Sine Transform is used to determine the characteristics of the image to be recognized. Having obtained the image characteristics would then calculated the difference in the data base. To calculate the difference in obtained value of the input with the value of data base is used a Euclidean distance calculation method. With Euclidean distance is the smallest distance value the input between to the data base will be classified in the same picture with the data base. Key word: stationery, Discrete Sine Transform, Webcam, Euclidean distance, Matlab xi

(12) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI KATA PENGANTAR Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat, karunia, bimbingan dan lindungan_Nya kepada penyusun, sehingga penyusun dapat menyelesaikan laporan Tugas Akhir ini. Laporan Tugas Akhir ini dengan judul Tugas Akhir Pengenalan Alat–alat Stasioneri Secara RealTime Menggunakan Ekstraksi Ciri DST yang disusun dan diajukan sebagai salah satu syarat untuk menyelesaikan studi di Program Studi Strata Satu (S1) Teknik Elektro Fakultas Teknik Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. Penulis merasa banyak mendapat saran, bimbingan, serta bantuan dari berbagai pihak selama menyelesaikan laporan Tugas Akhir ini. Oleh karena itu, tidak lupa penulis mengucapkan terima kasih khususnya kepada : 1. Teristimewa untuk Almarhumah Ibunda Tri Lestari dan Ayahanda drg Richardus Bambang Budiyanto tercinta yang telah memberikan dukungan baik itu moril maupun materiil sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan baik, maaf mungkin ini bukan yang terbaik yang diinginkan dan maaf menunggu terlalu lama. 2. Kakaku Mas Angga, Mbak Maya, makasih dukungannya sehingga Tugas Akhir dapat terselesaikan. 3. Bapak Drs Johanes Eka Priyatma,M.Sc.,Ph.d, selaku Rektor Universitas Sanata Dharma Yogyakarta. 4. Ibu Paulina Heruningsih Prima Rosa, S.Si., M.Sc, selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. 5. Bapak Dr. M. Linggo Sumarno, MT selaku dosen pembimbing Tugas Akhir yang telah banyak memberikan pengarahan, bimbingan, petunjuk serta motivasi dan mencurahkan segala waktu yang sangat berguna dalam penyelesaian dan penyusunan Tugas Akhir ini. Semoga Tuhan Yang Maha Esa membalas segala kebaikan yang telah diberikan. 6. Bapak Pius dan Ibu Prima selaku penguji Tugas Akhir yang telah memberikan kritik, saran serta masukan yang sangat membangun. 7. Bapak Petrus Setyo Prabowo, ST, MT selaku Dosen Pembimbing Akademika angkatan 2009 dan kaprodi Teknik Elektro terimakasih atas masukan dan bimbingan serta dukungan yang diberikan selama kuliah. xii

(13) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 8. Ibu Wiwien Widyastuti, S.T., M.T., selaku wakil kaprodi Teknik Elektro yang telah banyak membantu penulis. 9. Bapak dan Ibu dosen Program Studi Teknik Elektro Universitas Sanata Dharma Yogyakarta yang telah memberikan perhatian dan ilmu yang tak ternilai harganya, laboran Teknik Elektro dan semua staff sekretariat (akademika) Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta terimakasih bantuannya. 10. Pakde dan bude Marsono makasih atas rumah yang saya tempati selama di Yogyakarta. 11. Mas surya, diego, mas anang, mas wahyu, dan mas danang atas kebersamaan selama ini di jombor. 12. Untuk teman–temanku se-angkatan dan semua teman–teman Teknik Elektro Universitas Sanata Dharma Yogyakarta terimakasih atas bantuan dan kebersamaan kita selama belajar di bangku kuliah terutama di Fakultas Sains dan Teknologi Prodi Teknik Elektro. 13. Semua pihak yang telah membantu dalam penyusunan laporan tugas Akhir ini yang tak bisa saya sebutkan satu persatu. Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Oleh karena itu penulis sangat menghargai kritik dan saran yang membangun untuk kesempurnaan dari laporan ini. Akhirnya penulis berharap laporan Tugas Akhir ini dapat bermanfaat bagi penulis dan para pembaca. Yogyakarta, 06 Maret 2014 Febriyanto xiii

(14) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR ISI halaman HALAMAN JUDUL.......................................................................................... i Title .................................................................................................................... ii HALAMAN PERSETUJUAN........................................................................... iii HALAMAN PENGESAHAN..................................................................... ...... iv LEMBAR KEASLIAN KARYA ...................................................................... v LEMBAR PERSEMBAHAN............................................................................. vi LEMBAR MOTTO..................................................................................... ...... viii LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS .......................................................... ix Intisari ................................................................................................................ x ABSTRAK.......................................................................................................... xi KATA PENGANTAR........................................................................................ xii DAFTAR ISI...................................................................................................... xiv DAFTAR GAMBAR……………………………………………………...….. Xvi DAFTAR TABEL…………………………………………………………….. Xvii BAB I PENDAHULUAN 1.1. Latar Belakang Masalah ...................................................……............. 1 1.2. Tujuan dan Manfaat Tugas Akhir ......................................................... 2 1.3. Batasan Masalah .................................................................................... 3 1.4. Metodologi Penelitian ............…………............................................... 3 BAB II DASAR TEORI 2.1 Stasioneri ............................................................................................... 5 2.2 Webcam ……………………………………………………….……..... 5 2.3 Pengolahan Citra .......................……...............…………..................... 6 2.3.1 Definisi ........................................................................................... 6 2.3.2 Citra grayscale ..........................................…………...…............... 7 2.4 Crooping…………………………………………………………..…... 7 2.5 Resizing ................................................................................................. 8 2.6 Transformasi Geometris Spasial.......................................................... ... 8 2.7 Fungsi Jarak Euclidean ....................................................................... ... 9 xiv

(15) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.8 Two Dimension Discrete Sine Transform ( DST ) ................................ .. 9 2.9 Zig–zag Scanning.................................................................................. .. 10 2.10 MatLab .................................................................................................. 10 2.9.1 Karakteristik MatLab............................................................................ 11 BAB III PERANCANGAN 3.1 Gambaran Sistem............................................................................ .... 12 3.1.1 Alat Stasioneri............................................................................. .. .. 12 3.1.2 Webcam..................................................................................... .. .. 13 3.1.3 Proses pengenalan alat–alat stasioneri....................................... .. .. 13 3.2 Perancangan Database Citra Alat–alat stasioneri........................... …. 15 3.3 Gambar Uji................................................................................... …. 16 3.4 Perancangan tampilan GUI Matlab................................................. …. 17 …. 18 3.5 Perancangan Alur Program............................................................ BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian program pengenalan alat–alat stasioneri secara RealTime menggunakan ekstraksi ciri DST................................................... …. 23 4.2 Penentuan nilai parameter………………………………………..……… 26 4.3 pengujian nilai parameter.................................................................. ….. 29 4.4 Pengujian saat objek salah............................................................... ........ 29 4.5 Analisis program pengenalan............................................................. ........ 30 Keterbatasan Metodologi……………………………………………...…. 32 4.6 BAB V PENUTUP …..... A. Kesimpulan.................................................................................... B. Saran..................................................................................................... Daftar Pustaka Lampiran xv 33 33

(16) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR GAMBAR halaman Gambar 2.1 Alat–alat stasioneri yang digunakan.................................................. 5 Gambar 2.2 Gambar Webcam............................................................................... 5 Gambar 2.3 Intensitas grayscale............................................................................ 7 Gambar 2.4 Citra grayscale yang diubah menjadi nilai matriks.............................. 7 Gambar 2.5 Proses pemotongan citra .................................................................... 8 Gambar 2.6 Citra grayscal sebelum resizing dan hasil resizing…........................... 8 Gambar 2.7 Transformasi spasial................................................................... ....... 9 Gambar 2.8 Path zig-zag scanning......................................................................... 10 Gambar 3.1 Blok diagram keseluruhan sistem pengenalan alat stasioneri................ 12 Gambar 3.2 Blok diagram proses pengenalan alat stasioneri…………........ …......... 13 Gambar 3.3 Blok diagram Perancangan Database Citra alat stasioneri…… ……..... 16 Gambar 3.4 Gambaran tampilan utama program pengenalan alat stasioneri……….. 17 Gambar 3.5 Alur program keseluruhan…………………………………………........ 19 Gambar 3.6 Diagram blog perekaman dan pengambilan citra......…….................... 20 Gambar 3.7 Diagram blok pemrosesan citra (preprocessing)……………………...... 20 Gambar 3.8 Diagram blok ekstraksi ciri ………………………………………....….. 21 Gambar 3.9 Diagram blok fungsi jarak…………….……………………………...... 22 Gambar 3.10 Alur program penentuan hasil pengenalan………………………....... 22 Gambar 4.1 Gambar Icon matlab ……………………………………………............ 23 Gambar 4.2 Gambar sebelum masuk halaman utama matlab……………………...... 23 Gambar 4.3 Gambar command window matlab ……………………………………. 24 Gambar 4.4 Tampilan utama guiq proses pengenalan………………………….….... 24 Gambar 4.5 Proses tampilan ketika tombol ON ditekan……………………………. 25 Gambar 4.6 proses tampikan ketika tombol Ok ditekan……………........……......... 25 Gambar 4.7. Proses tampilan ketika tombol Prepro ditekan………………...……...... 25 Gambar 4.8. Tampilan setelah tombol DST ditekan…………………….................... 26 Gambar 4.9. Tampilan setelah tombol Tahap Pengenalan ditekan………………....... 26 Gambar 4.10 Pengaruh Koefisien DST terhadap Hasil pengenalan………………….. 27 Gambar 4.10 (Lanjutan) Pengaruh Koefisien DST terhadap Hasil pengenalan……… 28 Gambar 4.10 (Lanjutan) Pengaruh Koefisien DST terhadap Hasil pengenalan……… 28 Gambar 4.11 sub program perekaman dan Capture………………………………….. 31 xvi

(17) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Gambar 4.12 sub program Preprocessing…………………………………………… 31 Gambar 4.13 sub program ekstraksi cirri……………………………………………. 31 Gambar 4.14 sub program jarak Euclidean………………………………………….. 32 xvii

(18) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR TABEL halaman Tabel 2.1 Jenis–jenis transformasi affine…...................................................... 9 Tabel 3.1 Spesifikasi webcam Logitech c 270.………………………………..... 13 Tabel 3.2 Keterangan tampian utama program…………………………............. 18 Tabel 4.1 pengujian alat stasioneri koefisien DST 36………………………….. 27 Tabel 4.2 Pengaruh Koefisien DST terhadap tingkat pengenalan...................... 29 Tabel 4.3 pengujian saat alat stasioneri posisi tidak tepat atau digeser……….. 30 Tabel 4.4 pengujian saat alat stasioneri posisi dibalik…………………………. 30 Tabel 4.5 pengujian saat alat stasioneri diganti dengan ukuran yang berbeda… 30 xviii

(19) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan indera terbaik yang dimiliki manusia, citra memegang peranan yang sangat penting dalam perspektif manusia. Mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik. Komputer atau mesin pencitraan dapat menangkap keseluruhan sinyal elektromagnetik mulai dari gamma hingga gelombang radio. Mesin pencitraan dapat bekerja dengan citra dari sumber yang tidak sesuai, tidak cocok atau tidak dapat ditangkap dengan penglihatan manusia. Hal ini yang menyebabkan pengolahan citra digital memiliki kegunaan dan spektrum aplikasi yang sangat luas [1]. Indera penglihatan manusia memiliki kemampuan mengidentifikasi bentuk atau obyek yang memiliki kemiripan sangat sempurna bahkan hampir sama sekalipun, mata manusia akan mengumpulkan benda atau obyek yang dilihatnya sesuai dengan kategori yang telah ditentukan oleh manusia ke dalam kelompok sejenis. Contoh kemampuan indera penglihatan manusia dalam membedakan atau mengklasifikasikan bentuk atau obyek yang dilihatnya misalkan meja. Melihat dari fungsi, ciri dan karakterisktik meja yang pernah dilihat akan disimpan dalam otak manusia. Meskipun indera penglihatan manusia tidak melihat segala jenis dan bentuk meja yang ada, namun indera penglihatan manusia dapat mengidentifikasi suatu obyek yang sejenis. Indera penglihatan manusia yang mampu mengidentifikasi suatu obyek telah mengembangkan akal dan pikiran manusia dalam menciptakan penemuan–penemuan yang sangat penting dan dapat diterima secara luas oleh masyarakat umum dari berbagai lapisan untuk mengurangi ketertinggalan dalam proses kehidupan bermasyarakat. Salah satu penemuan hebat manusia adalah terciptanya suatu alat yang dapat membantu aktifitas manusia seperti komputer. Komputer dari tahun ke tahun selalu berkembang, mulai dari kegunaan maupun bentuknya. Dulu komputer hanya berfungi untuk alat bantu menghitung saja, namun seiring perkembangan zaman yang semakin maju, berkembang pesat, serba modern dan praktis yang disertai dengan kemajuan ilmu pengetahuan dan teknologi yang sangat pesat telah mendatangkan banyak manfaat bagi peningkatan taraf hidup, peradaban, serta martabat manusia. Kini komputer tidak hanya digunakan untuk alat bantu hitung semata namun telah membantu manusia dalam bekerja. Kini komputer telah dapat digunakan untuk mengidentifikasi pola golongan darah, pengenalan jenis ikan, 1

(20) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2 tulisan/abjad, angka, alat, tanda tangan seseorang, sidik jari, iris mata, bahkan wajah manusia sekalipun. Dalam mengidentifikasi pengenalan pola–pola seperti yang telah disebutkan diatas banyak metode yang dapat digunakan seperti menggunakan Fast Fourier Transform (FFT)[2], Metode Hidden Markov[3], Discrete Cosine Transform (DCT)[4], Transformasi wavelet diskrit[5], Transformasi walsh[6], Metode Korelasi[7], Jaringan Syarat Tiruan (JST)[8], dan masih banyak lainnya. Saat sekarang perkembangan ilmu dan teknologi bidang otomatisasi yang cenderung meningkat adalah kebutuhan akan software pengenalan atau pengolahan citra, sebagai salah satu sarana pengidentifikasian suatu alat dalam rupa gambar alat–alat stasioneri yang biasa digunakan dalam kegiatan belajar sehari–hari dan bekerja. Alat yang digunakan itu berupa peralatan tulis–menulis maupun peralatan kantor atau kerja. Banyak penelitian–penelitian yang telah dilakukan tentang pengenalan obyek. Contoh pengenalan obyek yang pernah dilakukan antara lain: pengenalan pola sidik jari menggunakan Jaringan Syaraf Tiruan dengan metode pembelajaran Backpropogation[9], pengenalan pola golongan darah menggunakan jaringan syaraf tiruan (JST) backpropogation[10], Pengenalan Wajah Menggunakan AlihRagam Wavelet Haar dan Jarak Euclidean[11], pengenalan rumput laut menggunakan Euclidean distance berbasis ekstraksi fitur[12], pengenalan sidik jari manusia dengan matriks kookurensi aras keabuan (Gray Level Co-ocurrence Matrix)[13], pengenalan jenis–jenis ikan menggunakan metode analisis komponen utama[14]. Berdasarkan uraian permasalahan yang ada dan telah dijelaskan diatas, penulis berminat membuat aplikasi software yang digunakan untuk mengenali obyek foto alat–alat stasioneri yang diambil melalui webcam menggunakan rumus pengukuran fungsi jarak Euclidean dan metode ekstrasi ciri Discrete Sine Transform (DST). Fungsi jarak Euclidean merupakan metode yang dapat digunakan untuk menentukan suatu tingkat kemiripan data, dengan mengukur jarak berdasarkan rumus tertentu, sedangkan untuk mendapatkan suatu ciri pada data obyek gambar alat stasioneri menggunakan metode ekstari ciri Discrete Sine Transform(DST). 1.2 Tujuan dan manfaat. Tujuan dari penulisan penelitian tugas akhir adalah untuk menghasilkan suatu sistem pengenalan alat–alat stasioneri. Manfaat dari penelitian adalah sebagai alat bantu otomatisasi bagi masyarakat dalam mengetahui atau mengenal jenis–jenis dari alat stasioneri yang digunakan dalam pembuatan Tugas Akhir ini. Alat–alat stasioneri yang

(21) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3 digunakan pada penelitian tugas akhir seperti: ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil (note), cutter, dan pelubang kertas. Apabila menyebut judul tugas akhir mengenai pengenalan alat–alat stasioneri masih ada masyarakat yang kurang familiar dengan nama ini, sehingga diambil judul tugas akhir Pengenalan Alat–alat Stasioneri Secara RealTime Menggunakan Ekstrasi Ciri Descrete Sine Transform (DST). 1.3 Batasan masalah. Sistem otomatisasi yang dilakukan tentang pengenalan gambar seperti alat stasioneri terdiri dari hardware dan software (komputer). Hardware berfungsi untuk memasukkan gambar, sedangkan software pada komputer berfungsi untuk mengatur semua proses pengenalan gambar yang diperoleh dari hasil pemotretan melalui webcam. Pada perancangan sistem ini, penulis memfokuskan pembuatan software komputer untuk memproses pengenalan gambar, sedangkan untuk hardware berupa webcam. Beberapa batasan masalah yang dianggap perlu pada perancangan tugas akhir, yaitu sebagai berikut: 1. Alat- alat stasioneri yang digunakan berupa: ballpoint, gunting, stabilo, tipe_x, paper klip, staples, buku kecil(note), cutter, dan pelubang kertas. 2. Hasil pengenalan secara real time. 3. Menggunakan perangkat lunak komputasi Matlab dalam pembuatan program pengenalan gambar. 4. Menggunakan ekstrasi ciri DST. 5. Menggunakan evaluasi fungsi jarak Euclidean. 6. Menggunakan webcam sebagai hardware. 7. Webcam akan ditempatkan pada dudukan atau tempat yang telah disediakan atau dibuat sebelumnya. 8. Tinggi atau jarak yang digunakan antara webcam dan obyek berkisar ± 50 cm karena dengan jarak tersebut merupakan jarak minimun dengan obyek yang akan di capture dapat terlihat jelas. 9. Pencahayaan yang digunakan berdasarkan pencahayaan dari lampu Laboratorium TA. 1.4 Metodologi Penelitian 1.4.1. Metode Studi Pustaka Dalam penyusunan Tugas Akhir, Peneliti mempelajari banyak dari buku–buku yang relevan dengan judul penelitian yang diambil melalui Internet dan berbagai literatur– literatur dari Internet mengenai pengertian stasioneri, pengertian webcam, pengolahan citra, fungsi jarak Euclidean, transformasi sinus diskrit, dan tentang Matlab.

(22) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 4 1.4.2 Prosedur Penelitian Langkah-langkah dalam pengerjaan tugas akhir: a. Pengumpulan bahan–bahan referensi berupa buku–buku dan jurnal–jurnal yang di ambil melalui Internet. b. Perancangan subsistem software. Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor–faktor permasalahan. c. Pembuatan subsistem software. Sistem akan bekerja apabila user memberikan interupsi melalui PC dengan media push button yang sudah disediakan dalam software. Sistem akan mengolah interupsi yang diterima dan memulai proses capture picture sampai user memberikan interupsi kembali untuk menghentikan proses capture. Setelah itu, user memberikan interupsi untuk memulai proses pengenalan gambar. Komputer akan mengolah gambar dan menyajikannya sebagai sebuah informasi. d. Analisa data dilakukan dengan menyelidiki pengaruh variasi jumlah koefisien DST Dengan 54 kali percobaan (9 gambar stasioneri x 6) terhadap tingkat pengenalan. Penyimpulan hasil dilakukan dengan mencari jumlah koefisien DST yang menghasilkan tingkat pengenalan yang terbaik.

(23) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB II DASAR TEORI 2.1 Stasioneri Stasioneri berasal dari Bahasa Inggris yaitu stationery[15]. Stasioneri merupakan kata benda yang memiliki arti peralatan tulis–menulis. Contoh alat stasioneri meliputi peralatan tulis (pensil, penggaris, ballpoint, tipe_x dan lainnya), souvenir, dan peralatan kerja (papper klip, spidol, kertas hvs, pelubang kertas, gunting, ballpoint, cutter, stabilo dan lainnya). Gambar alat stasioneri yang digunakan dapat dilihat pada gambar II.1 Gambar II.1 Alat stasioneri yang digunakan Dalam Tugas Akhir alat stasioneri yang dipakai meliputi: ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas. 2.2 Webcam Webcam singkatan dari Web Camera yang berasal dari bahasa Inggris, digunakan secara RealTime [16]. Banyak merk webcam yang tersedia, misalnya Logitech, SunFlowwer, dan lainnya. Resolusi dari webcam biasanya sama berkisar antara 352×288 / 640×480 piksel atau bahkan lebih besar, ada yang kualitasnya hingga 5 Megapiksel. Webcam sebuah kamera video digital berukuran kecil dihubungkan ke komputer melalui port USB atau port COM. Gambar webcam yang digunakan dapat dilihat pada gambar II.2 Gambar II.2. webcam[17] 5

(24) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 6 2.3 Pengolahan Citra 2.3.1 Definisi Citra (image) merupakan istilah lain untuk gambar, salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks. Citra kaya dengan informasi. Secara harafiah, citra dapat diartikan sebagai gambar pada bidang dwimatra (dua dimensi). Bila ditinjau dari sudut pandang matematis, maka citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya yang menerangi suatu obyek dan obyek akan memantulkan kembali sebagian dari berkas cahaya yang menerangi obyek tersebut. Pantulan cahaya ini ditangkap oleh alat–alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan obyek yang disebut citra tersebut terekam[18]. Citra dibedakan menjadi dua: a. Citra diam (still images) Citra diam adalah citra tunggal yang tidak bergerak, sering di sebut citra saja. b. Citra bergerak (moving images) Citra bergerak ialah rangkaian citra diam yang ditampilkan secara beruntun yang memberi kesan pada mata sebagai gambar bergerak. Setiap citra dalam rangkaian disebut frame. Digitalisasi citra merupakan suatu representasi citra secara numerik dengan nilai– nilai diskrit. Digitalisasi adalah representasi citra dari fungsi malar (kontinu) menjadi nilai–nilai diskrit, sehingga citra yang dihasilkan dari proses ini disebut citra digital (digital image)[19]. Derau (noise) merupakan suatu masalah yang terjadi pada proses pengolahan citra. Derau adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis (optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contoh terdapat bintik hitam atau putih yang muncul secara acak yang tidak diinginkan dalam citra, bintik acak ini disebut derau salt and pepper[20]. Salah satu proses awal pengolahan citra yaitu memperbaiki kualitas citra yang mengalami masalah atau gangguan. Perbaikan kualitas citra sangat diperlukan karena citra yang dijadikan obyek pembahasan, mempunyai kualitas yang buruk, misal citra mengalami derau pada saat pengiriman melalui saluran transmisi, citra terlalu terang atau gelap, kurang tajam, kabur, dan sebagainya. Melalui operasi pemrosesan awal inilah kualitas citra

(25) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 7 diperbaiki sehingga citra dapat digunakan untuk aplikasi lebih lanjut, misal untuk aplikasi pengenalan obyek di dalam citra[21]. 2.3.2 Citra grayscale Citra dikatakan sebagai citra grayscale apabila sebuah citra tidak memiliki warna RGB atau dapat dikatakan sebuah citra yang memiliki nilai dari putih yang memiliki intensitas paling besar sampai hitam yang memiliki intensitas paling rendah seperti yang dapat dilihat pada gambar II.3. Citra Grayscale terdiri dari x dan y dalam spasial koordinat dan memiliki nilai intensitasnya masing–masing. Pada citra grayscale setiap gambar memiliki intensitas antara 0 (hitam) hingga 255 (putih) dalam citra 8 bitnya[22]. Gambar II.3. Intensitas grayscale [23] Gambar II.4. citra grayscale yang diubah menjadi nilai matriks[1]. Dengan algoritma perhitungan tingkat keabuan, piksel dari suatu citra yang mengandung warna–warna RGB (red, green and blue) diubah menjadi warna dalam berbagai tingkat keabuan (I) dengan menjumlahkan nilai warna red, green, and blue kemudian dibagi tiga sehingga didapatkan nilai rata–rata dari ketiga warna[22]. (2.1) 2.4 Cropping Cropping adalah proses pemotongan citra pada koordinat tertentu pada area citra[24]. Untuk memotong bagian dari citra digunakan dua koordinat, yaitu koordinat awal yang merupakan awal koordinat bagi citra hasil pemotongan dan koordinat akhir yang merupakan titik koordinat akhir dari citra hasil pemotongan. Sehingga akan membentuk bangun segi empat yang mana tiap-tiap pixel yang ada pada area koordinat tertentu akan disimpan dalam citra yang baru.

(26) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Citra asli 8 Hasil Cropping Gambar II.5 Gambar Proses Pemotongan Citra Dari gambar II.5 dijelaskan bahwa terjadi proses pemotongan citra. Ukuran pixel awal citra asli adalah 5×5 pixel, setelah dilakukan proses pemotongan koordinat awal (1,1) dan koordinat akhir (3,3) dengan lebar 3 pixel dan tinggi 3 pixel akan terbentuk citra baru dengan ukuran 3×3 pixel. Citra baru berisi nilai pixel dari koordinat (1,1) sampai koordinat (3,3). 2.5 Resizing Resizing adalah suatu proses mengubah besarnya ukuran suatu citra dalam piksel. Proses yang dilakukan pada resizing ini dengan cara mengurangi atau menambah jumlah piksel yang menyusun dalam suatu citra. Contoh hasil Resizing yang dilakukan dapat dilihat pada gambar II.6. (a) (b) Gambar II.6 (a) Citra Grayscale sebelum di rezising (b) Citra hasil rezising 2.6 Transformasi Geometris Spasial Citra f didefinisikan sebagai sistem koordinat a(w,z), yang mengalami distorsi geometris yang menghasilkan citra g dengan sistem koordinat (x,y) maka transformasi dapat dinyatakan dengan (x,y) = T{(w,z)}[25]. Contoh dalam trasnformasi spasial sebagai berikut:

(27) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 9 Jika (x,y) =T{(w,z)} = (w/2, z/2), distrosi adalah penyusutan f dengan setengah dimensi spasial seperti ditunjukkan pada gambar II.7. Gambar II.7 Transformasi Spasial Bentuk umum yang digunakan pada transformasi spasial adalah affine transform (Wolberg [1990] ). Transformasi affine dapat ditulis dalam bentuk matrik. (2.2) Transformasi ini dapat menskalakan , men-translate, atau menggunting sejumlah titik, tergantung pada pilihan nilai T. Jenis-jenis transformasi affine terdapat pada tabel 2.1. Tabel 2.1 Jenis-jenis Transformasi Affine 2.7 Fungsi Jarak Euclidean Konteks matematika, jarak euclidean merupakan jarak antara dua titik yang dapat diukur dan dihasilkan oleh formula teorema pytagoras. Misal jarak antara titik P(x1,x2) dan titik O(0,0) adalah: x12 d (OP ) 2 x2 (2.3) Misalnya jarak antara titik P(x1,x2) dan titik Q(y1,y2) adalah: d ( PQ ) ( x1 y1 ) 2 y2 ) 2 ( x2 (2.4) Secara umum jarak (jarak Euclidean) antara P(x1, ..., xp) dan Q(y1, ..., yp) adalah : d P, Q x1 y1 2 x2 y2 2 ... xp yp 2 (2.5) Fungsi jarak Euclidean mempunyai sikap cukup sederhana dan setiap titik dianggap mempunyai kontribusi yang sama [26]. 2.8 Two Dimension Discrete Sine Transform (2D DST) Fungsi DST mengimplementasikan persamaan berikut: (2.6)

(28) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 10 y = dst (x) menghitung transformasi sinus diskrit dari kolom x. Untuk kecepatan performa terbaik, jumlah baris dalam x harus 2 m - 1, untuk beberapa m bilangan bulat. y = dst (x, n) memotong vektor x dengan panjang n sebelum transformasi. Jika x adalah matriks, operasi dst diterapkan untuk setiap kolom. Fungsi lDST mengimplementasikan persamaan berikut: x=lDST (y) menghitung transformasi sinus diskrit dari kolom y. Untuk kecepatan performa terbaik, jumlah baris dalam y harus 2 m - 1, untuk beberapa m bilangan bulat. x=lDST (y, n) memotong y vektor dengan panjang n sebelum transformasi. Jika y adalah matriks, operasi lDST diterapkan untuk setiap kolom[27]. Two dimension Discrete Sine Transform adalah suatu proses dalam pengambilan ciri pada citra yang dapat dihitung dengan menerapkan transformasi 1-D secara terpisah pada baris dan kolomnya, sehingga rumus dua dimensi DST sebagai berikut: [28] (2.7) 2.9 Zig Zag Scanning Zig-zag scanning yaitu proses yang merubah matriks 8 x 8 hasil proses kuantisasi kedalam vektor 1 x 2 8 , dengan pembacaan secara zig-zag scanning. Pada proses zig-zag scanning ini nilai nol pada frekuensi tinggi cenderung terbaca secara berurutan[29]. Gambar II.8. Path zig-zag scanning Contoh hasil proses zig-zag scanning yang merubah matrks 8 x 8 hasil proses kuantisasi ke dalam vector 1 x 64. -68 4-18 2 -2 -1 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2.10 MATLAB Matlab (MATrix LABoratory) bahasa pemrograman yang dikembangkan The Mathwork Inc. dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain seperti Delphi, Basic atau C++[30]. Bahasa pemrograman level tinggi untuk

(29) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 11 kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi pemodelan dan grafik perhitungan. Dalam lingkungan perguruan tinggi teknik, Matlab perangkat standar untuk memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan keimuan. Di industri, MatLab perangkat pilihan untuk penelitian dengan produktifitas yang tinggi, pengembangan dan analisanya. Kegunaan MatLab secara umum adalah sebagai berikut: a) Matematika dan komputasi, b) Perkembangan algoritma, c) Pemodelan, simulasi, dan pembuatan prototype, d) Analisa data, eksplorasi dan visualisasi e) Pembuatan aplikasi, termasuk pembuatan antaramuka grafis. 2.10.1 Karakteristik MATLAB Bahasa pemrogramannya didasarkan pada matriks (baris dan kolom). Matlab lebih lambat (dibandingkan dengan Fortran atau C) karena bahasanya langsung diartikan namun pengembangannya lebih cepat. Automatic memory management, pada Matlab tidak harus mendeklarasikan arrays terlebih dahulu dan tersusun rapi. Dapat diubah ke bahasa C lewat MATLAB Compiler. Tersedia banyak toolbox untuk aplikasi-aplikasi khusus. Beberapa kelebihan Matlab jika dibandingkan dengan program lain adalah : a) Mudah memanipulasi struktur dan perhitungan berbagai operasi matriks meliputi penjumlahan, pengurangan, perkalian, invers dan fungsi matriks lainnya. b) Menyediakan fasilitas plot struktur gambar (kekuatan fasilitas grafik tiga dimensi yang sangat memadai). c) Script program yang dapat diubah sesuai dengan keinginan user. d) Jumlah routine-routine powerful yang berlimpah yang terus berkembang. e) Kemampuan interface (misal dengan bahasa C, word dan mathematica). f) Dilengkapi toolbox, simulink, stateflow dan sebagainya, serta mulai melimpahnya source code di internet yang dibuat dalam matlab (contoh toolbox misalnya: signal processing, control system, neural networks dan sebagainya). MATLAB diciptakan akhir tahun 1970-an oleh Cleve Moler. MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol, menyebar secara cepat ke bidang lain dan digunakan di bidang pendidikan, khususnya dalam pengajaran aljabar linear dan analisis numerik, serta populer di kalangan ilmuwan yang menekuni bidang pengolahan citra.

(30) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB III PERANCANGAN 3.1 Gambaran sistem Gambaran sistem secara keseluruhan yang akan dirancang pada proses pengenalan alat–alat stasioneri ditunjukan pada gambar III.1. Proses pengenalan alat–alat stasioneri Gambar III.1. Blok diagram keseluruhan sistem pengenalan alat stasioneri Proses sistem pengenalan gambar atau objek alat stasioneri yang akan dikenali terdiri atas software yang berfungsi sebagai user interface. Software tersebut akan dibuat menggunakan program Matlab yang berfungsi sebagai pusat pengaturan semua proses pengenalan alat stasioneri, baik mulai dari proses pengambilan gambar hingga mengenali gambar yang diambil menggunakan webcam. 3.1.1Alat Stasioneri Alat stasioneri yang akan dipergunakan dalam proses pengenalan ini adalah alat stasioneri yang biasa kita gunakan dalam kehidupan sehari–hari. Alat–alat stasioneri yang digunakan hanya sebanyak 9 buah jenis alat stasioneri dari jumlah alat stasioneri yang ada meliputi: ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas, untuk gambar dan penjelasan telah dijelaskan lebih awal pada bab II pada dasar teori tentang stasioneri gambar II.1. 12

(31) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 13 3.1.2 Webcam Webcam yang digunakan dalam proses pengenalan alat–alat stasioneri adalah webcam dengan merk Logitech seri c 270. Gambar terdapat pada bab II subbab webcam gambar II.2. Webcam yang digunakan merk dan seri ini sudah mempunyai dudukan sendiri, webcam ini juga memiliki software pendukung yang biasa terdapat pada webcam seperti zoom in dan zoom out sehingga dapat mempermudah pengguna dalam melakukan pengaturan melalui PC. Pada proses pengambilan citra alat stasioneri menggunakan resolusi 640x480 piksel. Spesifikasi webcam dapat dilihat pada tabel III.1. Tabel III.1. Spesifikasi dari Webcam Logitech c 270 High definition video (HD) Photo Quality Video Quality Focus Type Auto Light Correction HD 270p 3 Megapixel Good Always Focused Standart 3.1.3 Proses pengenalan alat–alat stasioneri Proses pengenalan alat–alat stasioneri ini adalah proses alat stasioneri yang diambil atau capture untuk dikenali bentuknya. Proses yang akan dilakukan dalam tahap ini terdiri preprocessing, citra terkoreksi, ekstraksi ciri Discrete Sine Transform (DST), fungsi jarak dan penentuan keluaran dapat dilihat pada gambar III.2. Citra alat stasioneri Preprocessing Ekstrasi ciri Discrete Sine Transform (DST) Fungsi jarak Euclidean Penentuan keluaran Database alat stasioneri Gambar III.2 Blok diagram proses pengenalan alat stasioneri a. Citra alat–alat stasioneri Tahap Proses citra ini akan diambil menggunakan webcam, gambar yang dicapture oleh webcam akan disimpan dalam format jpeg. Proses pengambilan gambar menggunakan webcam dilakukan dengan jarak ± 50 cm. Jarak yang digunakan ini menghasilkan gambar

(32) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 14 yang fokus. Untuk fokus yang digunakan pada webcam menggunakan fokus normal artinya pengaturan default yang sudah terpasang pada webcam. Sebelum dilakukannya proses pengambilan citra alat stasioneri menggunakan webcam, maka webcam harus dikomunikasikan dan diinisialisasi terlebih dahulu kedalam program matlab yang dibuat. Dalam menginisialisasikan dan mengkomunikasikan webcam menggunakan fungsi imaqhwinfo untuk mengetahui nama adaptor dalam webcam tersebut. Setelah dilakukan inisialisasi sesuai nama adaptornya yaitu „winvideo‟ dengan resolusi kamera yang digunakan yaitu 640 x 480, maka setelah komunikasi dan inisialisai pada webcam berhasil.Kemudian untuk perintah capture gambar menggunakan „getsnapshot‟. Berikut adalah contoh program inisialisasi webcam pada matlab: imaqhwinfo; vid=videoinput('winvideo'); vid=videoinput('winvideo',1,'RGB24_640x480'); gbr=getsnapshot(vid); b. Preprocessing Tahap proses preprocessing terdiri dari grayscale, cropping dan resizing. Pada tahap ini memiliki tujuan untuk mempersiapkan citra yang akan dilakukan ekstraksi ciri agar selanjutnya dapat dilakukan proses berikutnya. Grayscale dilakukan agar citra alat stasioneri yang telah diambil menggunakan webcam menjadi keabuan. Hal ini dilakukan agar dapat mempermudah pengolahan citra dalam proses ekstraksi ciri. Berikut ini adalah contoh program grayscale pada matlab: I2=imread('pelubang kertas.jpg'); kar=rgb2gray(I2); Cropping merupakan suatu proses pemotongan bagian–bagian dari citra yang tidak diperlukan dalam suatu proses pengenalan citra alat stasioneri, seperti background template dan dari beberapa hasil percobaan yang dilakukan maka akan didapatkan nilai–nilai koordinat yang sesuai untuk dapat dilakukan proses cropping. Berikut ini adalah contoh program cropping pada matlab: I2=imread('pelubang kertas.jpg'); C=imcrop(I2,[205 68 175 351])); Resizing merupakan suatu tahap yang dilakukan untuk suatu citra yang akan dilakukan proses ekstrak dari webcam dengan resolusi yang dibawa oleh webcam yaitu 640x480 piksel,

(33) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 15 yang akan diubah sesuai dengan ukuran piksel yang sama dengan ekstraksi ciri yang digunakan yaitu Discrete Sine Transform (DST), dengan melakukan beberapa percobaan didapat yaitu 256x128 piksel. Berikut ini adalah contoh program resizing pada matlab: I2=imread('pelubang kertas.jpg'); L=imresize(I2, [256 128]); c. Ekstraksi Ciri Ekstraksi ciri yang digunakan dalam proses pengenalan alat–alat stasioneri adalah Discrete Sine Transform Two Dimesion (DST 2-D) bertujuan untuk membagi citra kedalam blok-blok kecil dengan ukuran tetap yang kemudian dikonveriskan dari domain spasial ke domain DST. Tahap ekstrasi ciri dilakukan dengan mengevaluasi variasi jumlah koefisien DST mulai dari 36, 55, 78, 105, 136, dan 171 yang telah disesuaikan dengan koefisien DST yang digunakan. d. Fungsi jarak Proses fungsi jarak bertujuan untuk membandingkan alat–alat stasioneri yang diambil melalui webcam dengan database yang telah dibuat sebelumnya. Hasil dari proses membandingkan ini adalah jarak yang akan digunakan dalam proses selanjutnya. Dalam sistem proses pengenalan ini fungsi jarak yang digunakan adalah fungsi jarak Euclideanlihat persamaan (2.3-2.5). e. Penentuan Keluaran Penentuan keluaran merupakan proses terakhir yang dilakukan dari proses pengenalan alat–alat stasioneri. Pada tahap ini hasil dari proses pengenalan alat stasioneri akanditentukan berdasarkan jarak minimum yang diperoleh setelah proses penghitungan fungsi jarak. 3.2 Perancangan Database Citra Alat–alat stasioneri Dalam penentuan proses pengenalan alat–alat stasioneri, bahwa dibutuhkan citra yang akan menjadi suatu acuan yang sering disebut dengan database. Database ini biasanya memiliki suatu ciri yang sudah diketahui oleh sistem yang telah dibuat. Dalam proses memperoleh database setiap alat stasioneri yang akan dikenali pada sistem pengenalan alat– alat stasioneri, dari semua yang telah dijelaskan sebelumnya, penulis memilih 9 jenis dari alat– alat stasioneri yang ada (ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas). Proses yang harus dilakukan dalam pengambilan database alat–alat stasioneri melalui proses citra dari alat–alat stasioneri, preprocessing dan

(34) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 16 ekstraksi ciri yang digunakan adalah Discrete Sine Transform (DST), proses dalam pembuatan database dapat dilihat pada gambar III.3 Ekstrasi ciri Citra alat Citra alat stasioneri Preprocessing Discrete Sine Transform (DST) Database alat– alat stasioneri Gambar III.3 Blok diagram Perancangan database citra alat–alat stasioneri Pada tahap ini proses yang dilakukan dalam pengambilan citra alat–alat stasioneri terdiri dari 9 alat–alat stasioneri yang digunakan dalam kehidupan sehari–hari yakni: ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas. Jarak atau ketinggian dalam proses pengambilan gambar antara webcam dengan alat–alat stasioneri berkisar 50 cm pada jarak ini merupakan jarak terpendek dan terfokus. Intensitas cahaya yang dipakai sudah mengalami pengaturan terlebih dulu dengan menggunakan bantuan lampu. Fokus webcam yang digunakan pada proses ini menggunakan fokus normal yang artinya bahwa pengaturan default yang sudah terpasang pada webcam. Sampel dari alat–alat stasioneri yang telah didapat akan disimpan dalam suatu fungsi yang ada dalam sistem pengenalan alat–alat stasioneri. Sehingga kapanpun database alat–alat stasioneri yang telah dilakukan dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan alat–alat stasioneri. 3.3 Gambar Uji Gambar uji ini akan dilakukan proses setelah user menekan tombol “Capture”. Hasil capture diambil dengan posisi alat stasioneri yang sudah diatur secara fix dan cahaya yang juga sudah diatur tingkat intensitasnya. Proses yang berlangsung meliputi sample alat stasioneri, preprocessing dan Discrete Sine Transform. Hasil proses tersebut disimpan dan kemudan diproses kembali untuk mendapatkan hasil pengenalan alat–alat stasioneri secara real time.

(35) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.4 17 Perancangan tampilan GUI Matlab proses pengenalan alat–alat stasioneri yang dilakukan akan menggunakan GUI pada MatLab, berikut ini adalah tampilan utama program pada GUI Matlab yang akan digunakan dalam penelitian dapat dilihat pada Gambar III.4. Gambar III.4 Gambaran tampilan utama program pengenalan alat–alat stasioneri Pada tampilan GUI dibuat dengan tujuan agar user dengan mudah dapat mengoperasikan program serta dapat mengetahui hasil dari sistem pengenalan alat–alat stasioneri. Beberapa keterangan dari tampilan program dijelaskan pada tabel III.2.

(36) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 18 Tabel III.2 Keterangan Tampilan Utama Program Nama Bagian Deskripsi Tombol ON Tombol Ok Digunakan untuk memulai perekaman citra dari webcam Digunakan untuk capture citra alat–alat stasioneri hasil rekaman webcam yang telah mengalami grayscale Digunakan untuk proses preprocessing seperti crop, resizing citra alat–alat stasioneri. Digunakan untuk melakukan proses ekstraksi ciri pada citra alat–alat stasioneri. Tombol Prepro Tombol DST Tombol Tahap Pengenalan Tombol END Plot Camera Plot preprocessing Plot DST Hasil Pengenalan Digunakan untuk memulai pengenalan citra alat–alat Stasioneri Digunakan untuk keluar dari sistem pengenalan. Untuk menampilkan rekaman dan hasil capture citra alat– alat stasioneri pada webcam Untuk menampilkan hasil dari preprocessing citra alat–alat stasioneri Untuk menampilkan hasil ekstraksi ciri citra alat–alat stasioneri Untuk menampilkan hasil pengenalan citra setelah di ekstraksi ciri. 3.5 Perancangan Alur Program Tahap perancangan program pengenalan alat–alat stasioneri dilakukan secara realtime yang akan dieksekusi pada saat user menjalankan program ini. Saat tampilan utama sudah terlihat, maka proses pengenalan dapat dilakukan. Pertama kali user menekan tombol “On” maka program akan mulai melakukan proses perekaman dari webcam. Jika citra alat–alat stasioneri telah terekam oleh webcam, maka proses pengenalan alat–alat stasioneri bisa dilakukan dengan menekan tombol „Ok‟, “Prepro”, “DST”, “Pengenalan Alat”. Saat user menekan tombol “End” maka semua proses pengenalan yang dilakukan akan berhenti. Alur keseluruhan pengenalan alat–alat stasioneri secara realtime dapat dilihat pada gambar 3.5. Alur pembuatan program secara keseluruhan meliputi perekaman dan pengambilan citra alat–alat stasioneri menggunakan webcam. Setelah proses capture citra selesai dilakukan, proses selanjutnya citra yang didapat akan diproses melalui pemrosesan citra (preprocessing),

(37) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 19 dan citra tersebut akan diekstraksi ciri menggunakan ekstraksi ciri Discrete Sine Transform. Kemudian citra uji tersebut akan dibandingkan dengan citra database dengan menggunakan fungsi jarak Euclidean. Setelah dibandingkan dengan menggunakan fungsi jarak Euclidean maka akan didapat hasil yang mendekati. Setelah hasil dari proses pengenalan alat–alat stasioneri diperoleh maka user bisa mengakhiri proses dengan menekan tombol “End”. Masukan (citra alat stasioneri) Gambar III.5 Alur program keseluruhan

(38) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 20 Alur program perekaman dan pengambilan citra alat–alat stasioneri dapat dilihat pada gambar III.6. Saat user menekan tombol on maka webcam secara otomatis akan berstatus hidup atau sudah terkoneksi(terhubung) dengan program. Setelah camera hidup maka alat–alat stasioneri yang digunakan disiapkan pada tempat yang telah disediakan sebelumnya untuk proses pengambilan citra. Untuk dapat mengambil citra alat–alat stasioneri user dapat menekan tombol ok. Masukan (citra alat stasioneri) Camera hidup Capture citra keluaran Gambar III.6 Diagram blog perekaman dan pengambilan citra Semua tahap dalam melakukan proses pengambilan citra (capture) terlaksana, lalu citra yang didapat pada proses pengambilan gambaran memasuki tahap pemrosesan citra (preprocessing). Tahap preprocessing yang dilakukan meliputi proses grayscale, cropping dan resizing. Proses resizing dilakukan dengan ukuran matrik 256x128. Diagram blok pemrosesan citra dapat dilihat pada gambar III.7. Keluaran capture citra grayscale cropping Resizing citra Masukan (hasil) Gambar III.7 Diagram blok pemrosesan citra (preprocessing)

(39) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 21 User selesai melakukan proses pemrosesan citra (preprocessing), langkah selanjutnya dalam proses pengenalan yang dilakukan adalah proses ekstraksi ciri dengan menggunakan Discrete Sine Transform two dimesion (DST 2-D) dengan tujuan untuk membagi citra matrik 256x128 ke dalam blok-blok kecil dengan ukuran tetap yang kemudian dikonveriskan dari domain spasial ke domain DST dan membentuk lapisan DST. Untuk mengetahui nilai dari lapisan DST tersebut, maka proses yang dilakukan adalah zigzag scan dengan melakukan evaluasi dari tiap lapisan DST dengan nilai koefisien 36, 55, 78, 105, 136, dan 171. Hasil dari nilai koefisien yang terbaik adalah nilai ekstraksi ciri yang diperloeh. Diagram blok ekstraksi ciri dapat dilihat pada gambar III.8. Masukan (hasil) Citra input DST Hitung nilai absolut DST Zigzag scanning Keluaran (ekstrasi ciri) Gambar III.8 Diagram blok ekstraksi ciri Untuk perhitungan DST yang terdapat pada diagram blok menggunakan persamaan 2.6 terdapat pada Bab II. Nilai ekstraksi ciri yang telah dilakukan akan diperoleh dari data citra masukkan kemudian akan dibandingkan dengan nilai ekstraksi ciri pada database menggunakan fungsi jarak Euclidean. Jarak Euclidean proses mencari selisih data yang akan dibandingkan dengan data dari database dengan mencari nilai yang paling minimum. Database terdiri dari 9 citra alat–alat stasioneriseperti ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas. Diagram blok fungsi jarak euclidean dapat dilihat pada gambar III.9.

(40) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 22 Masukan (ekstrak ciri) Nilai ekstrasi ciri citra masukan Database Hitung jarak J1..J9 Keluaran (jarak) Gambar III.9 Diagram blok fungsi jarak Untuk perhitungan fungsi jarak Euclidean yang terdapat pada diagram blok menggunakan persamaan jarak Euclidean menggunakan persamaan 2.5 pada Bab II. Maka nilai jarak minimun antara nilai ekstraksi ciri citra input dengan nilai ekstraksi ciri pada database diperoleh. Lalu hasil dari nilai jarak minimum tersebut akan ditampilkan berupa teks (ballpoint, gunting, stabilo, tipe_x, paper klip, steples, buku kecil(note), cutter, dan pelubang kertas). Alur program penentuan hasil pengenalan dapat dilihat pada gambar III.10. Masukan (hitung jarak) Keluaran citra = jarak minimum Keluaran Bnbbbb Gambar III.10 Alur program penentuan hasil pengenalan

(41) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB IV HASIL DAN PEMBAHASAN Pada bab empat, progran yang telah dibuat akan dilakukan proses pengujian agar dapat diketahui apa program bekerja dengan baik dan sesuai dengan perancangan. Hasil yang diperoleh pada pengujian dalam rupa data–data yang memperlihatkan bahwa program yang telah dirancang berjalan dengan baik. Analisa terhadap proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan dalam penyelesaian tugas akhir. 4.1 Pengujian Program Pengenalan Alat–alat Stasioneri Secara RealTime Menggunakan Ekstraksi Ciri DST. Tahap pengujian program bertujuan untuk mengetahui program yang telah dibuat dapat bekerja sesuai dengan harapan yang telah di rancang sebelumnya. Pada proses pengujian program ini menggunakan computer dengan spesifikasi berikut: Prosesor : Intel (R) Core(TM) i5-2430M CPU@2.40GHz (4CPUs) ,~2.4 GHz. RAM :4 GBDDR3 // Hdd 500 GB // DVDRW multi Langkah–langkah untuk menjalankan program pengenalan alat stasioneri sebagai berikut: 1. Click dua kali icon matlab seperti gambar 4.1 berikutini: Gambar 4.1 Gambar Icon Matlab 2. Setelah menekan dua kali gambar 4.1 sebelum masuk halaman utama matlab maka akan terlihat seperti gambar 4.2. Gambar4.2 Gambar sebelum masuk halaman utama matlab 3. Jika gambar 4.2 muncul tunggu sesaat, lalu user akan masuk pada Command Window sebelum masuk pada halaman utama program seperti gambar 4.3. 23

(42) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 24 Gambar 4.3 Gambar command window matlab 4. Setelah masuk halaman Command window matlab current directory harus disesuaikan dengan directory tempat program disimpan, ketik guiq pada command window, user akan masuk ke halaman utama pengenalan seperti gambar 4.4. Gambar 4.4 Tampilan utama guiq proses pengenalan 5. Setelah melakukan tahap ke empat user melakukan proses pengenalan dengan menekan tombol ON untuk menampilkan proses video pada webcam, jika video sudah muncul user dapat menekan tombol Ok untuk melakukan proses pencuplikan gambar video untuk dilakukan proses berikutnya lihat gambar 4.5 dan 4.6 berikut ini.

(43) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 25 Gambar 4.5 Proses tampilan ketika tombol ON ditekan Gambar 4.6 proses tampikan ketika tombol Ok ditekan 6. Hasil mencuplik didapat, selanjutnya dengan menekan tombol “Prepro” didapat hasil preprocessing seperti cropping dengan memotong bagian dari citra, resizing dari citra alat stasioneri yang di capture sebelumnya dan yang ditampilkan hasil cropping yang terlihat pada gambar 4.6. Gambar 4.7 Proses tampilan ketika tombol “Prepro” ditekan 7. Preprocessing sudah dilakukan user menekan tombol “DST” untuk dapat mengetahui hasil ektraksi ciri seperti pada gambar 4.7.

(44) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 26 Gambar 4.8 Tampilan setelah tombol “DST” ditekan 8. Proses terakhir untuk mengetahui hasil pengenalan user akan menekan tombol “tahap pengenalan” dan hasilnya akan muncul dalam bentuk teks seperti gambar 4.9, tombol “end” ditekan apabila user akan keluar dari program. Gambar 4.9 Tampilan setelah tombol “Tahap Pengenalan” ditekan Hasil pengujiangui proses pengenalan alat stasioneri dilakukan secara realtime, bisa dilihat bahwa hasil pengujian tampilan program yang dilakukan mengindikasikan sistem beker`ja sesuai dengan perancangan sehingga dapat digunakan untuk mencari dan menentukan nilai parameter yang terbaik untuk digunakan dalam proses pengenalan alat stasioneri secara realtime. Keseluruhan program terlampir pada lampiran L1–L4. 4.2 PenentuanNilai Parameter Proses dilakukan setelah pengujian serta tampilan program bekerja dengan baik. Dalam menentukan nilai parameter yang digunakan dilakukan proses percobaan jumlah variasi koefisien DST sesuai dengan perancangan adalah 36, 55, 78, 105, 136, dan 171. Tiap koefisien DST dilakukan percobaan sebanyak 5 kali setiap alat stasioneri, koefisien DST yang memiliki tingkat pengenalan paling baik100% digunakan dalam proses yaitu 171, percobaan dapat dilihat pada tabel 4.1 dan selengkapnya dapat dilihat pada lampiran L5.

(45) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 27 Tabel 4.1 pengujian alat stasioneri koefisien DST 36 Alat Stasioneri Ballpoint Steples Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Stabilo Cutter Pelubang kertas Tipe_x Jarak Minimum 1.8520 1.6565 2.7778 2.3144 1.1410 1.5741 1.8765 2.6787 1.8626 Hasil Pengenalan Dikenali sebagai Ballpoint Dikenali sebagai Stabilo Data percobaan lampiran L5 bisa dilihat pengaruh jumlah koefisien DST terhadap tingkat pengenalan, semakin besar nilai koefisien DST yang digunakan dalam melakukan pengenalan, semakin baik pula tingkat pengenalannya. Hal ini diperlihatkan pada gambar 4.9. Nilai koefisien DST yang semakin besar, menyebabkan makin banyaknya koefisien DST yang digunakan untuk membedakan antara citra alat stasioneri yang satu dengan yang lainnya. Ini akan makin mudah dibedakan antara citra alat stasioneri yang satu dengan lainnya. Kejadian inilah yang menyebabkan makin naiknya tingkat pengenalan. Koefisien DST 36 Gambar 4.10 Pengaruh Koefisien DST terhadap Hasil pengenalan

(46) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 28 Koefisien DST 55 Gambar 4.10 (Lanjutan) Pengaruh Koefisien DST terhadap Hasil pengenalan Koefisien DST 78 Gambar 4.10 (Lanjutan) Pengaruh Koefisien DST terhadap Hasil pengenalan Dari gambar 4.9 untuk membedakan citra alat stasioneri yang satu dengan lainnya dilakukan dengan mencari nilai fungsi jarak antara citra alat stasioneri yang satu dengan citra lainnya, semakin besar nilai fungsi jarak semakin besar pula tingkat diskriminasinya, sehingga makin mudah dalam membedakan citra alat stasioneri yang satu dengan citra lainnya. Dari gambar 4.9 nilai fungsi jarak dicari dengan cara data matrik hasil ekstraksi ciri tipe_x dikurangi data matrik hasil ekstraksi ciri stabilo, hasilpengurangan dikuadratkan agar data matrik yang bernilai negatif menjadi positif, dan hasil dari kuadrat tersebut dijumlahkan dan hasil penjumlahan tersebut adalah nilai fungsi jarak dari citra tipe_x dengan citra stabilo. Menggunakan cara diatas maka nilai fungsi jarak yang didapat dari

(47) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 29 gambar 4.9 untuk koefisien DST 36= 1.6755x103, koefisien DST 55= 1.7537x103, koefisien DST 78= 1.8083x103. Dapat disimpulkan makin besar koefisien yang digunakan makin besar nilai fungsi jarak antara citra alat stasioneri satu dengan citra lainnya. Data hasil percobaan (Tabel percobaan pada lampiran L5) dapat digunakan untuk mencari persen pengenalan melalui perhitungan dari setiap koefisien DST tabel data hasil percobaan (lampiran L5) dan grafik dari pengaruh koefisien DST terhadap tingkat pengenalan. Untuk mendapat tingkat persen pengenalan digunakan rumus: Tingkat pengenalan = Ket : (4.1) = jumlah alat stasioneri yang dikenali dan benar. n = banyaknya percobaan Berdasarkan rumus diatas tingkat pengenalan alat stasioneri dapat diketahui dalam tabel 4.2. Tabel 4.2.Pengaruh Koefisien DST terhadap tingkat pengenalan Koefisien DST Tingkat pengenalan (%) 36 86,67 55 88,89 78 91,11 105 93,33 136 95,56 171 100 Hasil perhitungan dan tabel 4.2 dapat disimpulkan nilai parameter yang terbaik dalam melakukan proses pengenalan alat stasioneri secara realtime, yaitu koefisien DST 171 karena mampu mengenali alat stasioneri dengan tingkat pengenalan sebesar 100%. 4.3 PengujianNilai Parameter Pengujian dilakukan setelah nilai parameter ditentukan dan nilai parameter koefisien DST yang digunakan adalah koefisien DST 171 sesuai dari hasil penentuan nilai parameter. Pengujian bertujuan untuk mengetahui nilai parameter yang ditentukan dapat bekerja dengan baik dalam pengenalan alat stasioneri secara realtime, pengujian parameter dilakukan dengan melakukan pengujian sebanyak 5 kali setiap alat stasioneri, data pengujian parameter terdapat pada tabel pengujian parameter lampiran L8. Tabel hasil pengujian (lampiran L8) diketahui nilai parameter yang sudah ditentukan mampu mengenali alat stasioneri dengan benar dengan tingkat pengenalan 100% pada pengujian nilai parameter, sehingga dapat disimpulkan bahwa koefisien DST 171 baik digunakan dalam melakukan pengenalan alat stasioneri secara realtime.

(48) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 4.4 30 Pengujian Saat Objek Salah Pengujian dilakukan untuk mengetahui saat objek alat stasioneri yang digunakan dalam pembuatan Tugas akhir ini di tempatkan tidak sesuai dengan yang telah ditentukan misalnya saat alat stasioneri mengalami pergeseran, dibalik dan diganti dengan ukuran yang berbeda. Saat alat stasioneri yang digunakan dalam proses pengenalan mengalami pergeseran terdapat lima (5) alat stasioneri yang dikenali namun hasilnya salah. Pada saat alat stasioneri dibalik posisinya tidak sama saat pembuatan database terdapat satu (1) alat stasioneri yang dikenali namun salah hasilnya. Saat keadaan alat stasioneri diganti dengan ukuran yang berbeda dengan database maka terdapat dua (2) alat yang dikenali namun hasilnya salah. Tabel 4.3 pengujian saat alat stasioneri posisi tidak tepat atau digeser Alat Stasioneri Tipe_x Database Stabilo Cutter Pelubang kertas Tipe_x Jarak Minimum 1.2306 1.4820 2.2331 1.7516 Hasil Pengenalan Dikenali sebagai Stabilo Tabel 4.4 pengujian saat alat stasioneri posisi dibalik Alat Stasioneri Ballpoint Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Jarak Minimum 1.4520 1.6232 2.5040 2.2781 1.2935 Hasil Pengenalan Dikenali sebagai Ballpoint Tabel 4.5 pengujian saat alat stasioneri diganti dengan ukuran yang berbeda Alat Stasioneri Tipe_x Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Jarak Minimum 1.2306 1.4820 2.2331 1.7516 1.9079 Hasil Pengenalan Dikenali sebagai Stabilo Hal ini terjadi disebabkan oleh karena pengaruh dari perhitungan fungsi jarak yang digunakan yaitu fungsi jarak Euclidean dengan mencari nilai paling minimum antara nilai citra masukan yang akan dibandingkan dengan database dan diperoleh nilai paling minimum. Data lengkap dapat dilihat pada lampiran L9-L13. 4.5 Analisis program 4.5.1 Proses perekaman citra dan capture citra. Citra yang akan diproses untuk pengambilan menggunakan webcam dan webcam harus diinisialisasikan dahulu dengan fungsi imaqhwinfo untuk mengetahui nama adaptor webcam yaitu Winvideo dengan resolusi 640x480, untuk capture menggunakan „getdata‟ dan hasil telah mengalami grayscale sehingga citra menjadi keabuan seperti gambar 4.11.

(49) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 31 Gambar 4.11 sub program perekaman dan Capture 4.5.2 Tahap Preprocessing. Tahap ini terdiri atas proses cropping dan resizing. Cropping dilakukan untuk memotong bagian citra yang tidak diperlukan dengan cara memotong bagian citra. Resizing digunakan untuk mengubah citra dari resolusi awal 640x480 menjadi citra 256x128 seperti gambar 4.12. Gambar 4.12 sub program Preprocessing 4.5.3 Proses ekstraksi ciri Tahap ini digunakan untuk memperoleh ciri dari citra yang di akan dikenali. Ekstraksi ciri yang digunakan adalah ekstraksi ciri Two Dimension Discrete Sine Transform seperti gambar 4.13. Gambar 4.13 sub program ekstraksi ciri

(50) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 32 4.5.4 Proses perhitungan jarak Euclidean. Dalam tahap ini bahwa data masukan dalam rupa citra alat stasioneri dengan data base yang telah dibuat akan dilakukan proses pencocokan. Proses akan dilakukan dengan melakukan perhitungan jarak dengan menggunakan fungsi jarak euclidean dengan mencari nilai paling minimum dari semua database yang telah dibuat sebelumnya seperti gambar 4.14. Gambar 4.14 sub program jarak Euclidean 4.6 Keterbatasan Metodologi Pembuatan tugas akhir pengenalan secara realtime terdapat keterbatasan metodologi diantaranya adalah: 1. Jarak webcam dengan alat stasioneri dan posisi alat stasioneri dibuat fix dengan jarak berkisar 50cm, jika tidak fix maka akan mempengaruhi proses cropping. 2. Intensitas cahaya dalam proses pengenalan alat stasioneri dilakukan secara realtime sama pada waktu pembuatan database yaitu Laboratorium Teknik Tenaga Listrik. Cahaya yang lebih atau kurang terang akan mempengaruhi citra hasil proses grayscaling yang digunakan untuk proses pengenalan. 3. Cropping tidak dilakukan secara otomatis karena keterbatasan metodologi, cropping dilakukan secara manual dengan memotong bagian citra, yaitu koordinat awal yang merupakan awal koordinat bagi citra hasil pemotongan dan koordinat akhir yang merupakan titik koordinat akhir dari citra hasil pemotongan citra alat stasioneri yang akan di crop. Apabila cropping tidak sesuai pada waktu pembuatan database maka hasil pengenalannya akan salah.

(51) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB V KESIMPULAN DAN SARAN Berdasarkan dari hasil pembahasan dan pengamatan yang dilakukan dan diperoleh selama dilakukannya proses penyusunan Tugas Akhir yang berjudul Pengenalan Alat– alat Stasioneri secara RealTime Menggunakan Ekstrasi Ciri DST ini, maka terdapat beberapa kesimpulan dan saran yang dapat dipergunakan untuk proses kelanjutan kedepan dalam proses pengenalan citra yang lebih baik. 5.1 KESIMPULAN 5.1.1 Setelah dilakukan proses pengujian software pengenalan alat stasioneri dapat diketahui bahwa software program pengenalan alat stasioneri secara realtime yang telah dibuat sebelumnya dapat bekerja dengan baik sesuai dengan proses perancangan. 5.1.2 Semakin besar koefisien yang digunakan, semakin besar pula nilai fungsi jarak antara citra alat stasioneri satu dengan citra lainnya sehingga makin mempermudah dalam membedakan citra alat stasioneri yang satu dengan yang lain. 5.1.3 Proses pengenalan yang dilakukannya dalam pembuatan Tugas Akhir dengan melakukan evaluasi DST sebayak 54 kali percobaan (9 jenis alat stasioneri dikali 6 banyaknya evaluasi DST yang dilakukan), yang dipakai adalah DST yang mampu mengenali 100% yaiu DST 171. 5.2 SARAN 5.2.1 Proses cropping pengenalan alat stasioneri belum dilakukan secara otomatis untuk pengenalan berikutnya dapat digunakan secara otomatis untuk mempermudah dalam proses pengenalan. 5.2.2 Untuk melakukan proses pengenalan citra alat–alat stasioneri ke depan dapat dilakukan dengan menggunakan ekstrasi ciri yang berbeda dengan yang telah dilakukan sebelumnya yaitu Discrete Sine Transform (DST) agar dapat membuat jumlah koefisien yang dipakai menjadi lebih sedikit. 33

(52) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Daftar Pustaka [1] [2] Putra Darma, 2009, Pengolahan Citra Digital, Penerbit Andi: Yogyakarta. __, __, Fast Fourier Transform (FFT), http://digilib.ittelkom.ac.id/index.php?option= com_content&view=article&id=1023:fast-fourier-transform-fft&catid=15:pemrosesansinyal&Itemid=14diaksestanggal 14 Mei 2013. [3] Firdaniza, NurulGusrianidanAkmal, 2006, Hidden Markov Model, http://eprints.uny.ac.id/7203/1/M-1%20- % 20 Firdaniza ,%20 Nurul % 20G ,%20 Akmal.pdf,diaksespadatanggal 14 Mei 2013. [4] anggun mulmed , ___, http://www.google.com/url?sa=t&rct=j&q=metode%20dct& source=web&cd=4&cad=rja&ved=0CDgQFjAD&url=http%3A%2F%2Fblog.ub.ac.id %2Fyafemo%2Ffiles%2F2011%2F07%2FDCT-anggunmulmed.doc&ei=EyuSUYmQ FIiJrAeeqoCIAg&usg=AFQjCNFfylGa1HeYZiP52G1SL1y7GsajMA&bvm=bv.46471 029,d.bmkdiaksespadatanggal 14 Mei 2013. [5] __, __, Ekstrasi Ciri Menggunakan Transformasi Wavelet Diskrit, http://zhuslee.wordpress.com/2011/09/17/ekstrasi-ciri-menggunakan-transformasiwavelet-diskrit/,diaksespadatanggal 14 Mei 2013. [6] Kurniawan Yusuf, 2007, Tranformasi Walsh untuk Analisis Ketidaklinearan FungsiIBooleanPada Keamanan Block Cipher,http://journal.uii.ac.id/index.php/Snati/article/viewFile/1702/1483diaksestangga l 14 Mei 2013. [7] __, __, PengertianKorelasi, http://www.scribd.com/doc/33482991/PENGERTIANKORELASIdiaksespadatanggal 14 Mei 2013. [8] __, __, JaringanSyarafTiruan, http://jalanwaktu.wordpress.com/jaringan-syaraftiruan/diaksespadatanggal 14 Mei 2013. [9] Arifin, OkvianTumanan, 2011, PengenalanPolaSidikJariMenggunakanJaringanSyarafTiruanDenganMetodePembelajar anBackprogation, http://118.97.35.230/fakultas/jaf_fmipa/1_JAF_Februari_11_(Arifin,Okvian).pdf, diaksespadatanggal 10 mei 2013. [10] Sari Zunita Wulan, __, Pengenalan Pola Golongan Darah Menggunakan Jaringan Saraf Tiruan Backpropagation, http://lib.uin-malang.ac.id/thesis/fullchapter/05550082zunita-wulan-sari.ps,diaksespadatanggal 10 mei 2013. [11] RetnoWahyuAsriningPuri, AchmadHidayatno, ST, MT, Rizal Isnanto, ST, MT, –, Pengenalan Wajah Menggunakan Alihragam Wavelet Haar dan Jarak Euclidean, http://www.elektro.undip.ac.id/el_kpta/wp-content /uploads /2012 /05 /21060110151062_ MTA.pdfdiaksestanggal 10 mei 2013. [12] WulanningrumResty;S.Kom, RahmatAeri; S.T; M.T, PengenalanRumputLaut Menggunakan Euclidean Distance BerbasisEkstrasiCiriFiturhttp://journal.uii.ac.id/index.php/Snati/article/viewFile/2958/2 730,diakses 10 mei 2013 [13] Falasev Reza Syauqi, Achmad Hidayatno, R. Rizal Isnanto, –, Pengenalan Sidik Jari Manusia dengan Matriks Kookurensi Aras Keabuan (Gray Level Co-ocurrence Matrix), http://eprints.undip.ac.id/25259/1/ML2F004504.pdfdiaksestanggal 10 mei 2013. [14] Santoso Suharto Jati, Budi Setiyono, R. Rizal Isnanto, 2006, PengenalanJenis–jenis IkanMenggunakanMetodeAnalisisKomponenUtama, http://eprints.undip.ac.id /25746/1/ ML2F000639.pdf, diaksestanggal 10 mei 2013.

(53) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI [15] ___, ___, bedakan stationery dengan stationary, http://terusbelajarbahasainggris. wordpress.com/2011/09/06/bedakan-stationery-dengan-stationary/, diakses tanggal 25 Maret 2013. [16] Wahyu, ___, Pengertian WebCam dan Fungsinya, http://wahyu.blog.fisip.uns.ac.id/2011/12/06/pengertian-web-cam-dan-fungsinya/ diakses pada tanggal 29 Maret 2013. [17] ___, ___, Logitech Webcam and Jazz DV 140 Video Recorder, http://www.winitallonline.com /raffles/logitech-webcam-and-jazz-dv140-video-recorder-6/ diambil tanggal 09 Mei 2013. [18] Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika. Bandung. Tersedia pada:http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/ Pengolahan%20Citra%20Digital/Bab-1Pengantar%20Pengolahan%20Citra.pdfdiakses tanggal 17 April 2013. [19] Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika. Bandung. Tersedia pada: http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/ Pengolahan%20Citra%20Digital/Bab-2_Pembentukan%20Citra.pdf. diakses tanggal 17 april 2013. [20] __, __, Sampling KuantisasiDerau, http://terorblade.blogspot.com/2011/10/samplingkuantisasi-derau.html diakses pada tanggal 17 april 2013. [21] Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika. Bandung. Tersedia pada: http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/ Pengolahan%20Citra%20Digital/Bab-7_Perbaikan%20Kualitas%20Citra.pdf diakses tanggal 17 April 2013. [22] ___, ___, ___, http://library.binus.ac.id/eColls/eThesis/Bab2/2010-2-00252-if%20bab% 202.pdfdiakses 17 april 2013. [23] Ir Rusmana Iyus MT,___,Pengolahan Citra Digital:KonsepDasarRepresentasi Citra, tersedia pada halaman web:http://www.google.com/url?sa=t&rct=j&q=&esrc=s& source=web&cd=13&cad=rja&ved=0CDQQFjACOAo&url=http%3A%2F%2Fiyusrus mana.sttnas.ac.id%2Fwp-content%2Fuploads%2F2012%2F08%2F3-Konsep-dasarRepresentasi Citra.ppt&ei=-_1oUtjpIIKCrAfv_YHICQ&usg=AFQjCNEGCVroB6QY qe_Q7gWSJPTDvoQ-A diakses tanggal 19 april 2013. [24] ___, 2013, OperasiCrooping, http://informatika.web.id/operasi-cropping.htm diakses tanggal 28 Mei 2013. [25] Putra, Darma. 2010. Pengolahan Citra Digital. Andi Offset, Yogyakarta. [26] ___, 2005, Inferensi Dua Nilai Tengah Ganda (I) ,http://www.google.com/url?sa= t&rct=j&q =&esrc=s&frm=1&source=web&cd=5&cad=rja&ved=0CFIQFjAE&url=http%3A%2F %2Frepository.binus.ac.id%2Fcontent%2FI0214%2FI021467621.ppt&ei=ul5rUqXgBc OIrQfMy4CoBA&usg=AFQjCNFLVIluymj0tQmaKwxc_nqaO_OvSQdiakses tanggal 25 Maret 2013. [27] ___,___, DST, IDST, diaksespadahalaman web :http://translate.google.co.id /translate?hl=id&sl=en&u=http://www.mathworks.com/help/pde/ug/dst.html&prev=/se arch%3Fq%3Ddiscrete%2Bsine%2Btransform%2Bmatlab%26newwindow%3D1%26b iw%3D1366%26bih%3D667 diakses tanggal 26 Oktober 2013. [28] http://planetmath.org/sites/default/files/texpdf/39764.pdfdiakses tanggal 23 Mei 2013. [29] Wibisono Gunawan, ___, Implementasi Kompresi Gambar dengan Format JPEG, diakses melalui halaman web:http://elib.unikom.ac.id/download.php?id=257, diakses tanggal 26 Oktober 2013

(54) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI [30]MeriWardana, ___, PraktikumMatlab, http://www.meriwardanaku.com/2010/02/ praktikum-matlab-pada-sistemkontrol.html, diakses tanggal 25 Maret 2013.

(55) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI GUIQ %============================================================ function varargout = guiq(varargin) %Gui – pengujian Citra Masukan %============================================================ % GUIQ M-file for guiq.fig % GUIQ, by itself, creates a new GUIQ or raises the existing % singleton*. % % H = GUIQ returns the handle to a new GUIQ or the handle to % the existing singleton*. % % GUIQ('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GUIQ.M with the given input arguments. % % GUIQ('Property','Value',...) creates a new GUIQ or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before guiq_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to guiq_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help guiq % Last Modified by GUIDE v2.5 18-Dec-2013 12:51:19 %============================================================ % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @guiq_OpeningFcn, ... 'gui_OutputFcn', @guiq_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before guiq is made visible. function guiq_OpeningFcn(hObject, eventdata, handles, varargin) L1

(56) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to guiq (see VARARGIN) % Choose default command line output for guiq handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes guiq wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = guiq_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; %=========================TOMBOL ON========================= % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',1); vid=videoinput('winvideo',1,'RGB24_640x480'); vidRes = get (vid, 'VideoResolution') ; imWidth = 640 ; imHeight = 480; nBands = get (vid, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); preview(vid, hImage); %============================================================ %=========================TOMBOL OK========================= % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',1); vid=videoinput('winvideo',1,'RGB24_640X480'); L2

(57) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI vid.FramesPerTrigger = 1 ; vid.ReturnedColorspace = 'gray'; triggerconfig(vid, 'manual'); vidRes = get(vid, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vid, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); %preview(vid, hImage); start(vid); pause(1); trigger(vid); stoppreview(vid); handles.img0=getdata(vid); %imwrite(capt1, 'alat.bmp'); axes(handles.axes1); imshow(handles.img0); axis on guidata(hObject, handles); %============================================================ %=========================TOMBOL PREPRO===================== % --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes3); handles.img1=handles.img0; handles.img1=imcrop(handles.img1,[190 57 186 379]); %k=('Cropping'); %set(handles.text1,'string',k); %imshow(handles.img1); %axis on axes(handles.axes3); handles.img2=imresize(handles.img1,[256 128]); %l=('Resizing'); %set(handles.text2,'string',l); imshow(handles.img2); axis on guidata(hObject, handles); %============================================================ %==========================TOMBOL DST======================= % --- Executes on button press in pushbutton4. function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes4); L3

(58) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L4 handles.img3=handles.img2; handles.img3=karciri(handles.img3,136); %j=('Hasil Ekstraksi'); %set(handles.text3,'string',j); plot(handles.img3); guidata(hObject, handles); %============================================================ %==================TOMBOL TAHAP PENGENALAN================ % --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %kenal karakter load karciri256136 %sy=max(y(:)) %sz=max(z(:)) for n=1:9 a(n)=jarak(handles.img3,z(:,n)); end a min(a); %cari nilai minimum b1=find(min(a)==a); %deskripsi string x1={'Stabilo';'Cutter';'Pelubang kertas';'Tipe_x';'Ballpoint';'Steples';'Note';'Gunting';'Paper klip'}; %penentuan keluaran nilai minimum y1=x1(b1); set(handles.text7,'string',y1); %============================================================ %========================TOMBOL END========================= % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) delete (figure(guiq)); %============================================================

(59) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L5 Lampiran data hasil percobaan. Alat stasioneri Koefisiensi DST Hasil teks Ballpoint 36(6) Ballpoint Stabilo Stabilo Paper klip Paper klip Cutter Cutter Gunting Gunting Tipe_x Tipe_x Pelubang kertas Pelubang kertas Note Note Steples Steples Ballpoint 55(5) Ballpoint Stabilo Stabilo Paper klip Paper klip Cutter Cutter Gunting Gunting Tipe_x Tipe_X Pelubang kertas Pelubang kertas Note Note Steples Steples Ballpoint 78(4) Ballpoint Jarak minimum 1.7227, 1.1089, 1.6822, 1.1410, 1.7202 0.8164, 0.7324, 0.6885, 1.0897, 0.6539 0.7370, 1.7830, 0.6142, 1.7663, 0.6584 1.3089, 0.6747, 1.0689, 0.6786, 0.6255, 1.0923, 0.9480, 0.9546, 0.8494, 0.5750 0.8507, 1.6054, 0.2570, 0.2736, 0.5322 2.1102, 2.0981, 2.0878, 1.3932, 1.4122 0.4666, 1.1166, 0.9010, 0.4040, 1.1604 0.3955, 1.5676, 0.5262, 1.4695, 0.4916 Dikenali √√√√√ √√√√√ √√√√√ √√√√ √√√√√ √√√√√ √√√√√ √√√√√ 2.7125, 2.2328, 1.4982, 1.4307, 1.9874 1.5248, 0.6513, 0.7355, 1.0951, 0.7927 2.0230, 1.4936, 0.6539, 1.1341, 1.0763 0.6996, 1.2053, 0.6778, 0.9722, 0.9051 0.7975, 0.7896, 0.8369, 1.6962, 0.8772 1.7123, 0.8690, 1.3518, 0.3409, 0.3098 1.8858, 2.5410, 2.5727, 1.8844, 2.4250 0.8414, 0.4207, 0.4151, 0.3890, 0.5311 0.5525, 1.6315, 1.7054, 0.3083, 0.5173 √√√√ 1.6452, 1.6141, 2.2821, 1.7036, 2.2630 √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √

(60) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Stabilo Stabilo Paper klip Paper klip Cutter Cutter Gunting Gunting Tipe_x Tipe_x Pelubang kertas Pelubang kertas Note Note Steples Steples Ballpoint 105(3) Ballpoint Stabilo Stabilo Paper klip Paper klip Cutter Cutter Gunting Gunting Tipe_x Tipe_x Pelubang kertas Pelubang kertas Note Note Steples Steples Ballpoint 136(2) Ballpoint Stabilo Stabilo Paper klip Paper klip Cutter Cutter 0.3140, 0.7529, 0.7172, 1.2434, 1.2727 0.5743, 1.5506, 1.5567, 1.5903, 1.5670 1.4753, 0.6999, 0.7496, 1.4673, 0.5723 2.7141, 1.0405, 1.7062, 1.0052, 1.2139 0.6233, 1.4946, 0.6420, 0.4003, 1.5040 2.4995, 2.5159, 2.6618, 2.3797, 3.0099 0.5370, 0.6433, 0.5145, 0.5087, 0.6271 0.4552, 1.6617, 0.4808, 0.5092, 0.6384 √√√√√ 2.5294, 1.8404, 1.8219, 1.9797, 2.0034 0.4077, 1.2008, 0.9308, 1.1971, 1.1934 1.0508, 1.0500, 1.5833, 1.5194, 1.4942 0.5452, 1.2059, 1.0259, 1.4359, 1.2004 1.0723, 1.3104, 2.1172, 1.8261, 1.8331 1.4018, 0.5553, 0.4884, 0.3861, 0.6128 2.3933, 2.4076, 2.8629, 2.9037, 2.9050 0.8092, 0.5948, 0.6180, 0.9175, 0.9149 0.5099, 1.7690, 0.4774, 1.7680, 1.6355 √√√√√ 2.3614, 1.82622.4353, 1.8577, 1.8753 1.3162, 1.5258, 1.0173, 1.0114, 1.6090 1.0647, 1.3405, 1.8777, 1.4841, 1.3323 0.6054, 1.2422, 0.8290, √√√V √√√√√ √√√ √√√√ √√√√√ √√√√√ √√√√√ √√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√ √√√√√ √√√√√ √√√√ L6

(61) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Gunting Gunting Tipe_x Tipe_x Pelubang kertas Pelubang kertas Note Note Steples Steples Ballpoint 171 Ballpoint Stabilo Stabilo Paper klip Paper klip Cutter Cutter Gunting Gunting Tipe_x Tipe_x Pelubang kertas Pelubang kertas Note Note Steples Steples 0.6929, 0.7071 2.2617, 2.1703, 2.1762, 1.3801, 2.1472 1.7422, 1.0250, 1.0031, 0.5960, 1.5434 2.6003, 2.8653, 2.8534, 2.8917, 2.8397 0.5834, 0.6616, 0.6347, 0.6810, 0.8153 0.5822, 0.8531, 0.5830, 1.8381, 1.8265 0.8001, 0.9325, 1.5370, 0.9291, 1.5581 1.5089, 0.7500, 1.4140, 0.9714, 1.5339 1.7212, 1.5578, 1.9636, 1.6919, 2.0801 0.4095, 0.4010, 0.6856, 1.1579, 1.2399 2.1362, 1.5634, 2.0018, 1.5216, 1.9482 0.6582, 1.5234, 0.5374, 1.5339, 0.5968 2.3314, 2.7415, 2.5979, 3.0314, 2.4307 0.8116, 0.5977, 0.5564, 0.8065, 0.7662 0.4642, 0.8931, 0.4658, 0.6508, 0.4248 L7 √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√ √√√√√

(62) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L8 Lampiran pengujian parameter DST yang digunakan Alat stasioneri Koefisiensi DST Hasil teks Jarak minimum Ballpoint 171 Ballpoint 0.9586, 1.2005, 0.8123, Dikenali √√√√√ 1.7097, 0.9200 Stabilo Stabilo 0.4554, 1.7230, 0.4597, √√√√√ 0.4633, 1.5312 Paper klip Paper klip 2.3327, 1.8588, 1.1914, √√√√√ 1.9191, 1.7972 Cutter Cutter 0.7791, 1.5694, 1.5120, √√√√√ 1.2949, 1.2902 Gunting Gunting 1.5399, 1.6363, 1.5183, √√√√√ 1.6285, 1.5107 Tipe_x Tipe_x 1.1691,0.9601, 0.9937, √√√√√ 1.0039, 1.3931 Pelubang kertas Pelubang Kertas 2.4685, 2.8038, 2.4155, √√√√√ 2.8283, 2.3003 Note Note 1.1012, 1.1033, 1.1270, √√√√√ 1.1361, 1.1293 Steples Steples 1.0036,1.1073, 1.0905, 1.0555, 1.0312 √√√√√

(63) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Lampiran pengujian saat alat stasioneri posisi tidak tepat atau digeser Koefisien DST 171 Alat Stasioneri Ballpoint Stabilo Paper klip Cutter Gunting Tipe_x Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Jarak Minimum Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x 3.7638 3.9604 4.2863 4.0991 3.8234 4.3811 4.0986 3.6944 3.9599 4.3279 4.0000 3.8582 4.3417 4.0281 4.1895 4.0205 Hasil Pengenalan Dikenali sebagai Cutter Dikenali sebagai Cutter 4.0911 4.0887 4.7226 4.3911 4.4585 4.6985 4.8517 4.3510 4.4838 4.7104 4.5978 3.3735 2.6701 3.4049 3.4167 3.4035 2.9831 4.1990 3.4423 3.4539 3.1583 2.7857 3.3783 3.3334 3.2028 2.9515 4.2068 3.0990 3.0916 4.1281 3.8192 3.8943 4.2331 Dikenali sebagai Ballpoint Dikenali sebagai Cutter Dikenali sebagai Cutter Dikenali sebagai cutter L9

(64) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Pelubang Kertas Note Steples Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Catatan-yang ditebali jarak minimum yang dikenali 4.2598 3.8201 4.3757 4.2036 4.1556 4.4981 4.1050 3.9131 4.4678 4.5938 4.1135 4.3577 4.5073 4.5200 4.7353 4.1410 4.2327 4.4891 4.8935 4.1064 3.1591 4.4336 4.5083 4.0926 3.6821 3.7729 4.2106 4.1884 3.6729 4.3626 4.2486 4.0863 Dikenali sebagai pelubang kertas Dikenali sebagai note Dikenali sebagai Steples L10

(65) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Lampiran pengujian saat alat stasioneri posisi dibalik Koefisien DST 171 Alat Stasioneri Ballpoint Stabilo Paper Klip Cutter Gunting Tipe_x Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Jarak Minimum 1.4520 1.6232 2.5040 2.2781 1.2935 2.1422 4.7861 2.0036 2.0377 0.9183 1.7417 2.1098 1.7199 1.6822 1.8518 4.6033 1.8845 1.4868 1.7366 2.0261 1.9615 1.4711 2.4077 1.7804 4.1147 2.0697 1.2921 1.9436 0.8452 2.5614 2.0736 1.7980 1.4202 3.8773 2.0280 2.2579 1.8417 2.0764 2.8005 2.3198 1.9302 2.2485 4.3352 1.4569 1.9806 1.5628 1.9128 2.3584 Hasil Pengenalan Dikenali sebagai Ballpoint Dikenali sebagai Stabilo Dikenali sebagai Paper Klip Dikenali sebagai Cutter Dikenali sebagai Gunting Dikenali sebagai paper klip L11

(66) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Pelubang Kertas Note Steples Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo 1.8048 2.1823 2.1115 4.3542 1.9778 1.3773 2.5375 2.4502 1.0443 1.9853 2.7889 2.4768 4.1644 2.9379 2.6934 4.4682 3.8004 3.9388 3.9756 4.6480 3.6981 1.7638 3.9922 4.0607 1.9383 Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip 1.4739 2.4688 1.8287 2.3360 1.0592 3.8290 2.2084 1.9027 Catatan= yang ditebali adalah jarak minimun yang dikenali Dikenali sebagai pelubang kertas Dikenali sebagai note Dikenali sebagai Steples L12

(67) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Lampiran pengujian alat stasioneri diganti dengan ukuran tidak sama dengan database Koefisien DST 171 Alat Stasioneri Tipe_x Snowman Ballpoint Cutter Steples Database Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Jarak Minimum Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip Stabilo Cutter Pelubang kertas Tipe_x Ballpoint Steples Note Gunting Paper Klip 1.4277 2.0337 1.8916 1.6894 1.8058 2.2577 1.2306 1.4820 2.2331 1.7516 1.9079 1.4829 4.2215 1.9653 1.6267 1.5179 Hasil Pengenalan Dikenali sebagai Stabilo Dikenali sebagai Cutter 4.0911 1.8856 1.5307 1.6062 2.3880 2.2379 1.4513 2.0018 4.6385 2.0976 2.0511 3.0756 2.1964 3.4851 2.9982 2.9856 2.3572 3.4882 2.8407 3.0603 3.1629 2.6346 3.2929 2.9144 3.4614 2.1888 3.1300 2.9765 2.9239 Catatan= yang ditebali adalah jarak minimum yang dikenali Dikenali sebagai Ballpoint Dikenali sebagai Cutter Dikenali sebagai Steples L13

(68)

Dokumen baru

Tags

Dokumen yang terkait

Pengenalan peralatan bengkel motor secara real time menggunakan webcam berbasis metode ekstraksi ciri discrete cosine transform dan cosine similarity.
0
3
89
Pengenalan motif batik Yogyakarta menggunakan ekstraksi ciri dct dan jarak dice.
4
15
163
Pengenalan secara real time rambu lalu lintas peringatan menggunakan ekstraksi ciri Wavelet Haar dan fungsi jarak Chi Square.
1
8
100
Pengenalan secara real time huruf Jawa jenis cetak menggunakan ekstraksi ciri Wavelet dan fungsi jarak Euclidean.
0
3
106
Pengenalan perangkat elektronika secara real time menggunakan webcam berbasis ekstraksi ciri discrete consine transform.
0
5
95
Pengenalan nada pianika menggunakan jendela blackman dan ekstraksi ciri transformasi fourier cepat.
0
1
13
Pengenalan perangkat elektronika secara real time menggunakan webcam berbasis ekstraksi ciri discrete consine transform
0
0
93
PENALA RADIO MENGGUNAKAN KOMPUTER TUGAS AKHIR - Penala radio menggunakan komputer - USD Repository
0
0
107
TUGAS AKHIR - Aplikasi SMS menggunakan J2ME untuk pengendalian motor DC - USD Repository
0
0
140
TUGAS AKHIR - Pengenalan nada suling recorder menggunakan fungsi jarak Chebyshev - USD Repository
0
0
143
PENGENALAN NADA ALAT MUSIK PIANIKA MENGGUNAKAN METODE KORELASI TUGAS AKHIR - Pengenalan nada alat musik pianika menggunakan metode korelasi - USD Repository
0
0
96
TUGAS AKHIR - Pengenalan nada saron pelog menggunakan fungsi jarak minkowski - USD Repository
0
0
74
TUGAS AKHIR - Sterilisator basah menggunakan ATMega8535 - USD Repository
0
0
129
TUGAS AKHIR - Pengenalan angka secara real time menggunakan webcam berbasis ekstraksi ciri FFT - USD Repository
0
0
85
Pengenalan nada alat musik belira secara real time dengan ekstraksi ciri DCT dan Similaritas Kosinus - USD Repository
0
0
112
Show more