Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
Perluasan Algoritma Huruf

Perluasan Algoritma Huruf

Ratings: (0)|Views: 14|Likes:
Published by Cormel Smjtk

More info:

Published by: Cormel Smjtk on Aug 09, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/09/2012

pdf

text

original

 
INTEGRAL,
 
Vol. 9 No. 3, November 2004
PERLUASAN ALGORITMA PENGENAL HURUFMETODE TUPEL-N MEMAKAI LOGIKA KABUR
 J. Eka Priyatma 
1)
dan St. Eko Hari Parmadi
2)
 
Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan AlamUniversitas Sanata Dharma, Yogyakarta - DIYE-mail :eko@staff.usd.ac.idT,hari@staff.usd.ac.id
1)2)
 
 Intisari
Pengenal huruf otomatis (PHO) adalah sebuah sistem komputer yangdigunakan untuk secara otomatis mengenali serangkaian huruf yang berasaldari mesin ketik, mesin cetak ataupun tulisan tangan. Ada banyak  pendekatan yang dapat digunakan untuk membuat PHO. Salah satu pendekatan yang paling sederhana menggunakan metode tupel-N. Namundemikian metode ini mempunyai keterbatasan dalam proses pencocokannyakarena mensyaratkan terjadinya kecocokan mutlak antara huruf yang dibacadengan huruf pembandingnya. Tulisan ini memaparkan perluasan metodetupel-N memakai logika kabur. Perluasan ini memungkinkan metode tupel-N mengenali huruf yang kurang jelas (tegas). Tulisan ini juga memaparkanbagaimana perangkat lunak Matlab Fuzzy Logic Toolbox dapat membantu perhitungan dalam metode tupel-N ini secara intuitif.Kata kunci : Pengenal pola, Logika Kabur, Metode Tuple-N, Toolbox Matlab Logika Kabur 
 Abstract
 Automatic Character Recognizer (OCR) is a computer system used toautomatically read a stream of characters produced by typewriters, printer or handwriting. There are many approaches to design an OCR.. One of thesimplest approaches is using N-tuple method. However, N-tuple method haslimitation in the matching process since it requires an absolute matchbetween the character and its templates. This paper presents an extension of  N-tuple method using fuzzy logic. Such extension enables N-tuple method tohandle more vague characters. This paper also shows how Matlab Fuzzy Logic Toolbox could easily facilitate the computation of fuzzy logic based N-tuple method intuitively.Keywords : Character recognizer, Fuzzy-logic, N-tuple method, Matlab-Fuzzy Logic ToolBox
Diterima : 9 Juni 2004Disetujui untuk dipublikasikan : 29 Oktober 2004
1.
 
Latar belakang
Pengenal huruf otomatis (
automaticcharacter recognizer 
) adalah sebuahsistem komputer yang dapat membacahuruf, baik yang berasal dari sebuahpencetak (printer atau mesin ketik)maupun yang berasal dari tulisan tangan.Adanya sistem pengenal huruf ini akan108
 
INTEGRAL,
 
Vol. 9 No. 3, November 2004
 
meningkatkan fleksibilitas ataupunkemampuan dan kecerdasan sistemkomputer. Dengan adanya sistempengenal huruf otomatis maka user dapatlebih leluasa memasukkan data karenauser tidak harus memakai papan ketik tetapi bisa menggunakan pena elektronik untuk menulis sebagaimana user menulisdi kertas. Adanya pengenal huruf jugaakan memudahkan penanganan pekerjaanyang memakai input tulisan sepertipenyortiran surat di kantor pos,pemasukan data buku di perpustakaan,dll. Adanya sistem pengenal huruf yangcerdas akan sangat membantu usahabesar-besaran yang saat ini dilakukanbanyak pihak yakni usaha digitalisasiinformasi dan pengetahuan, misalnyadalam pembuatan koleksi pustaka digital,koleksi sastra kuno digital, dll.Pengenal huruf otomatis dapat dipandangsebagai bagian dari pengenal otomatisyang lebih luas yakni pengenal polaotomatis (
automatic pattern recognition
).Dalam pengenal pola otomatis, sistempengenal pola mencoba mengenaliapakah citra masukan yang diterimacocok dengan salah satu citra yang telahditentukan. Sistem ini misalnya dipakaiuntuk mendeteksi sidik jari, tanda-tangan, bahkan wajah seseorang.Ada banyak pendekatan yang dapatdipakai untuk mengembangkanpembuatan pengenal pola otomatis antaralain memakai pendekatan numerik,statistik, sintaktik, neural dan, aturanproduksi (
rule-based 
) [1] . Secara umummetode-metode tersebut dapatdigolongkan menjadi dua kelompok metode yakni metode berbasis statistik dan metode berbasis struktur [3].Dalam metode yang berbasis statistik,setiap pola ditransformasi ke dalamvektor yang memakai ukuran dankarakteristik tertentu. Karakteristik iniseringkali lebih bersifat statistik misalnyadistribusi pixel ataupun jarak pixel.Sedang dalam metode yang berbasisstruktur, setiap pola yang diprosesdinyatakan sebagai gabungan beberapastruktur elementer. Pengenalanselanjutnya dilakukan denganmencocokkan komposisi strukturelementer dengan struktur yang sudahdisimpan memakai aturan tertentumisalnya memakai pendekatan teoribahasa formal dan automata.Persoalan pokok yang menjadikanpengenal pola sebagai proses yang sulitadalah adanya kekurang-lengkapaninformasi maupun adanya ketidaktegasandari pola yang diproses. Dalam kasuspengenalan huruf hasil tulisan tangannampak sekali bahwa ada begitu banyak variasi untuk satu huruf yang sama.Dengan kenyataan ini maka menjadisangat relevan untuk memakai logikakabur dalam pengenalan pola atau lebihkhususnya huruf [2].Tulisan ini memberikan gambaranbagaimana komputasi algoritma pengenalhuruf otomatis berbasis logika kaburdilakukan. Ravi dan Marcelo [4]menerapkan logika kabur untuk mengenali huruf dengan caramemodifikasi metode tupel-N.Modifikasi yang dilakukan cukupsederhana yakni memperlunak syaratkecocokan absolut antara huruf yangdikenali dengan huruf contoh menjadikecocokan kabur dalam arti nilaikecocokan tidak lagi tegas ‘ya’ dan‘tidak’ melainkan dinyatakan dengansuatu nilai antara 0 sampai 1.Meskipun metode yang diuraikan olehRavi dan Marcelo [4] cukup sederhanatetapi komputasinya kompleks danmelibatkan banyak tahap. Tulisan inimemberikan solusi bahwa komputasiuntuk pengenalan huruf berbasis logikakabur dapat dengan mudah dilakukanmemakai perangkat lunak 
 Matlab Fuzzy Logic Toolbox.
Selain memudahkankomputasi,
 Matlab Fuzzy Logic Toolbox
109
 
INTEGRAL,
 
Vol. 9 No. 3, November 2004 juga banyak memberikan fasilitas yangmemungkinkan simulasi. Perlu diketahuibahwa dalam logika kabur ada banyak aturan inferensi yang dapat dipakai.Sayangnya tidak ada pedoman di manasebuah aturan inferensi paling sesuaidipakai. Dengan memakai
 Matlab Fuzzy Logic Toolbox
, orang dapat melakukansimulasi memakai berbagai aturaninferensi untuk menemukan aturaninferensi yang paling sesuai denganmasalah yang dihadapi. Sri Kusumadewi[3] memberikan banyak contohbagaimana menggunakan
 Matlab Fuzzy Logic Toolbox
untuk berbagai bidangaplikasi.Salah satu keunggulan logika kaburterletak pada kemampuannyamemodelkan penalaran intuitif, untuk itu
 Matlab Fuzzy Logic Toolbox
jugamemberikan berbagai fasilitas yangmemungkinan penlaran intuitif inidilakukan dengan mudah. Salah satubentuk fasilitas penalaran intuitif yangdiberikan adalah penentuan fungsikeanggotaan himpunan kabur. Meskipunada banyak bentuk fungsi kenggotaantetapi salah satu bentuk yang seringdipakai dan menuntut komputasi yangsederhana adalah fungsi keanggotaantrapezoid [5]. Untuk itulah bentuk fungsikeanggotaan trapezoid akan dipakaisebagai contoh dalam tulisan ini.
2.
 
 Algoritma Pengenal Huruf  Tuple-N
Dalam algoritma pengenal huruf tuple-n,diandaikan bahwa citra input dan citrapembanding berupa matrik pixel m x nyang elemen-elemennya bernilai 1 atau 0(x
ij
bernilai 1 atau 0 untuk menandaiadanya pixel hitam atau putih, terserahmana yang akan dipilih). Selanjutnyadidefinisikan fungsi Boolean Fi untuk tuple ke i dari P buah citra pembandingsbb:
==
=
Pnlilk iliii
 x f  x x x
1121
))((),...,,(
 (1)di mana
Π
menyatakan perkalian memakaioperator AND dan
Σ
menyatakan jumlahdengan operator OR, 
)0(hitamberwarnapixel jika')( ),1(putihberwarnapixel jika,)(
,
====
ilk  xil xilk  x f ilk  xil xilk  x f 
dan tanda aksen menyatakan operator NOT,
)('
P = jumlah citra pembanding dan n jumlah elemen dalam setiap tuple.Untuk menyederhanakan masalah,andaikan citra yang akan diolah berupahuruf T berukuran 3 x 3 danmenggunakan P = 3 buah pola huruf pembanding atau jumlah variasi huruf (seringkali disebut sebagai
Training Set Size
karena semakin besar ukuran P akanmenjadikan sistem seolah-olah semakinbanyak dilatih).110

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->