JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
ISSN: 2828-9102 (Prin.
| 2828-9099 (Onlin.
DOI: 10.
55123/jomlai.
Pengenalan Jenis Teks Kaligrafi Menggunakan Learning Vector Quantization Calligraphy Text Types Recognition Using Learning Vector Quantization Mhd.
Furqan1.
Abdul Halim Hasugian2.
Ziqra Addilah3 Program Studi Ilmu Komputer.
Fakultas Sains dan Teknologi.
Universitas Islam Negeri Sumatera Utara.
Medan.
Indonesia
Article Info
ABSTRAK
Genesis Artikel:
Kaligrafi merupakan ilmu seni menulis indah.
Istilah kaligrafi berasal bahasa Inggris yang disederhanakan .
diambil dari kata Latin AukaliosAy yang berarti indah, dan AugraphAy yang berarti tulisan atau aksara.
Ilmu seni menulis huruf Arab disebut ilmu khat dikenal dengan ilmu kaligrafi Arab atau kaligrafi Islam.
Kaligrafi Islam ada banyak jenis dan Masing-masing memiliki bentuk huruf dan fungsi yang berbeda-beda.
Ada tujuh jenis tulisan kaligrafi yang populer dan dikenal oleh para pecinta seni kaligrafi yang ada di Indonesia, seperti.
Khat Naskhi.
Tsuluts.
Farisi.
RiqAoah.
Diwani.
Diwani Jali, dan Kufi.
Cara yang biasa digunakan untuk mengenal Jenis Kaligrafi apa yang dibuat adalah dengan melihat secara langsung melalui bentuk dan ciri-ciri kaligrafi itu sendiri .
rang pakar kaligraf.
Disini penulis mencoba membuat suatu sistem pengenalan jenis kaligrafi secara terkomputerisasi dengan menggunakan metode Learning Vector Quantization.
Dimana metode ini merupakan metode yang bekerja dengan setiap unit output mempresentasikan sebuah kelas.
Jadi dengan adanya sistem ini, kita dapat mengenali jenis teks kaligrafi secara terkomputerisasi.
Nilai akurasi yang diperoleh pada hasil pengenalan citra kaligrafi adalah sebesar 75 %.
Diterima, 1 Desember 2022 Direvisi, 9 Januari 2023 Disetujui, 23 Januari 2023 Kata Kunci:
JST
Kaligrafi Klasifikasi
LVQ
Pengenalan Teks ABSTRACT Keywords:
ANN
Calligraphy Classification LVQ Text Recognition Calligraphy is the art of beautiful writing.
The term calligraphy comes from simplified English .
taken from the Latin word "kalios" which means beautiful, and "graph" which means writing or script.
The art of writing Arabic letters is called the science of khat, known as the science of Arabic calligraphy or Islamic calligraphy.
There are many types and varieties of Islamic calligraphy.
Each has a different form and function.
There are seven types of calligraphy that are popular and known by lovers of calligraphy art in Indonesia, such as.
Khat Naskhi.
Tsuluts.
Farisi.
Riq'ah.
Diwani.
Diwani Jali, and Kufi.
The method commonly used to identify what type of calligraphy is made is by looking directly at the shape and characteristics of the calligraphy itself .
alligraphy expert.
Here the author tries to create a computerized calligraphy type recognition system using the Learning Vector Quantization Where this method is a method that works with each unit of output representing a So with this system, we can recognize the type of calligraphy text computerized.
The accuracy value obtained in the results of calligraphy image recognition is 75%.
This is an open access article under the CC BY-SAlicense.
Penulis Korespondensi:
Mhd.
Furqan.
Program Studi Ilmu Komputer.
Universitas Islam Negeri Sumatera Utara.
Medan.
Indonesia Email: mfurqan@uinsu.
PENDAHULUAN
Perkembangan ilmu pengetahuan dan teknologi secara menyeluruh telah memberikan manfaat bagi semua aspek kehidupan manusia .
Ae.
, termasuk pendidikan sebagai bagian dari pembangunan bangsa .
Ae.
Pendidikan harus dimiliki oleh setiap orang untuk mendidik manusia yang berkualitas, karena manusia dapat meningkatkan potensi dasar fisik, intelektual, psikologis, sosial dan moralnya .
Saat ini perkembangan teknologi sangat pesat seiring dengan kemajuan zaman dan perkembangan ilmu pengetahuan .
Hal ini telah membawa banyak perubahan dan perkembangan dalam konsep-konsep sosial.
Teknik-teknik canggih dapat Journal homepage: https://journal.
id/index.
php/jomlai/ ISSN : 2828-9099 menciptakan kondisi yang menguntungkan bagi orang-orang yang bekerja keras, memungkinkan mesin .
untuk menggantikan pekerjaan yang sebelumnya didominasi oleh manusia .
Saat ini, aplikasi komputer banyak digunakan di berbagai bidang kehidupan, termasuk militer, medis, industri, dan komersial .
Jadikan komputer Anda alat yang andal bagi banyak orang.
Ini juga dapat memiliki berbagai jenis efek, baik positif maupun negatif.
Kemajuan teknologi pemrosesan gambar sekarang memberikan manusia kemampuan untuk menciptakan sistem yang mampu mengenali gambar digital.
Salah satunya melalui pengenalan citra kaligrafi, dimana karya kaligrafi memiliki banyak variasi.
Ada banyak jenis kaligrafi Islam.
Setiap jenis memiliki bentuk dan fungsi yang berbeda.
Misalnya, kaligrafi yang digunakan dalam dokumen formal berbeda dengan kaligrafi yang digunakan dalam dekorasi dan sampul buku.
Demikian juga menulis prasasti dan tanda-tanda.
Akibatnya, para sarjana mulai mencoba membuat kelompok kaligrafi.
Di Indonesia, ada tujuh jenis kaligrafi yang disukai oleh pecinta kaligrafi, di antaranya Khat Naskhi.
Tsuluts.
Farisi.
Riq'ah.
Diwani.
Diwani Jali dan Kufi.
Ketujuh jenis kaligrafi tersebut memiliki ejaan dan cara penulisan yang berbeda.
Pengantar seni kaligrafi terdiri dari dua bagian yang berbeda namun berkaitan erat.
Bagian pertama adalah pemahaman tentang berbagai jenis gambar kaligrafi, dan bagian kedua adalah penjelasan tentang jenis-jenis gambar kaligrafi.
Salah satu teknik yang digunakan adalah Learning Vector Quantization (LVQ).
LVQ merupakan salah satu algoritma dari Machine Learning, khususnya Jaringan Saraf Tiruan.
Sebagaimana diketahui telah banyak penelitian-penelitian sebelumnya yang telah dilakukan, berkaitan dengan teknik Machine Learning .
Ae.
, atau JST .
Ae.
, begitu pula hal nya penelitian yang berkaitan langsung dengan algoritma LVQ .
Ae.
LVQ Ini adalah metode yang berlaku untuk unit keluaran dari setiap kelas representasi.
Singkatnya, aitan metode ini adalah metode pengelompokan yang menentukan tujuan/kategori/jumlah grup untuk setiap grup.
Metode ini digunakan untuk mengelompokkan atau mengklasifikasikan citra.
Metode klasifikasi ini memiliki keunggulan waktu komputasi yang cepat dan tingkat pengenalan yang tinggi.
Oleh karena itu, dokumen ini mengembangkan aplikasi yang dapat mengenali atau mengenali jenis gambar kaligrafi.
Oleh karena itu, sistem ini dapat digunakan untuk menentukan jenis kaligrafi yang terkomputerisasi.
Berdasarkan uraian tersebut, maka dilakukan lah penelitian METODE PENELITIAN Alur kerja untuk penelitian ini diselesaikan dalam langkah-langkah berikut:
Teknik Pengumpulan Data Analisa Kebutuhan Perancangan Pengujian Penerapan / Penggunaan Gambar 1.
Tahap-Tahap Prosedur Kerja Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan dalam penelitian ini adalah: Pertama.
Penelitian Kepustakaan.
Dalam penelitian ini, penulis mencari jurnal dan e-book untuk penelitian, mengumpulkan referensi dan landasan teori dari banyak artikel dan ulasan di Internet.
Kedua.
Studi Literatural.
Berbagai macam kegiatan termasuk metode pengumpulan bibliografi, membaca dan merekam, serta mengelola penelitian kepustakaan atau menemukan referensi teoretis yang relevan dengan kasus atau masalah yang terkait dengan tugas akhir, dan yang Ketiga.
Observasi Partisipatif.
Pengamatan ini merupakan strategi investigasi yang bertujuan untuk memperoleh data yang lengkap.
Perancangan Perancangan yang pertama digunakan adalah Flowchart.
Flowchart adalah bagan yang berisi urutan proses dan simbol spesifik yang merinci hubungan antara proses .
dan proses lain dalam program Anda.
Berikut ini adalah diagram skema sistem pengenalan tulisan tangan kaligrafi menggunakan metode LVQ, seperti terlihat pada Gambar 2.
Start Dataset Kaligrafi Grayscale Stop Binerisasi Pelatihan LVQ Hasil Pengenalan Pengenalan LVQ Gambar 2.
Flowchart Penelitian JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Perancangan Kedua adalah Perancangan Dialog.
Berikut ini adalah sebuah Aplikasi yang akan dirancang dengan bentuk Perancangan dialog.
Gambar 3.
Gambar Perancangan Dialog Gambar 3 merupakan gambar desain kotak dialog .
aris besar program yang akan dihasilka.
dengan menerapkan metode LVQ untuk menentukan jenis teks kaligrafi.
Dari import gambar kaligrafi hingga pengujian dengan menekan tombol "Input Image".
Setelah mengambil atau meng-import gambar kaligrafi, kemudian tekan tombol AuProsesAy, ketika tombol AuProsesAy ditekan maka gambar kaligrafi secara otomatis akan berubah menjadi gambar grayscale, kemudian gambar threshold akan diubah menjadi gambar biner dan gambar yang dihasilkan diperkenalkan dengan metode LVQ itu sendiri.
Setelah gambar yang diproses itu keluar, maka secara otomatis akan muncul nama jenis teks kaligrafi di kolom "Nama kaligrafi".
Kemudian tekan tombol "Save" jika Anda ingin menyimpan output dari program.
Button AuClearAy untuk membersihkan hasil uji coba yang telah dilakukan atau jika ingin mengulangi dengan proses berikutnya.
Pengujian Pengujian sistem dirancang untuk memverifikasi kinerja sistem dan dengan cepat menemukan pengenalan gambar yang dilakukan oleh metode LVQ itu sendiri.
Metode ini merupakan metode klasifikasi yang mengklasifikasikan berdasarkan kemiripan dengan citra yang ditentukan.
Misalnya tes gambar naskah, lalu masuk ke program gambar naskah saat program sedang berjalan.
Setelah ini, bagaimana mengidentifikasi apakah gambar tersebut termasuk kategori naskah, atau kategori lain seperti Tsuluts.
Diwani.
Riq`ah atau Farisi.
Pendekatan ini sangat cocok untuk mengklasifikasikan jenis gambar yang kami Tes pertama akan menjelaskan prosedur kepada orang tersebut dan memintanya untuk memasukkan gambar kaligrafi yang ditentukan, setelah memasukkan gambar kaligrafi, orang tersebut harus menekan tombol pemrosesan.
Setelah menekan tombol proses, sistem akan menampilkan hasil pada program yang dirancang.
Penerapan / Penggunaan Penggunaan program ini akan membantu pengguna untuk mengenali atau mengetahui nama jenis teks gambar kaligrafi.
Disini penulis membatasi gambar yang akan dicoba pengenalannya, yaitu Khat Naskhi.
Tsuluts.
Diwani.
Diwani Jali.
Riq`ah dan Farisi.
Jadi ketika ingin menggunakan program, pengguna diminta untuk memasukkan 6 jenis kaligrafi yang dikenali.
HASIL DAN ANALISIS
Analisis Data Cropping Gambar 4.
Contoh Cover Image dengan Nilai Piksel Calligraphy Text Types Recognition Using Learning Vector Quantization (Mhd.
Furqa.
ISSN : 2828-9099 Langkah pertama sebelum melatih, mengenali, dan mengolah gambar kaligrafi adalah dengan membaca nilai piksel dan mengolah tiga komponen warna (RGB).
Seperti pada Gambar 4, potongan gambar kaligrafi di anotasi dengan nilai piksel heksadesimal.
Nilai piksel di bawah data bitmap adalah heksadesimal .
hingga F).
Atau, gunakan rumus berikut untuk mengkonversi nilai piksel ke angka 24-bit.
Tabel 1.
Matriks RGB Citra Kaligrafi .
, .
241,180,144 145,180,150 21,180,200 199,150,111 241,180,144 17,180,144 209,180,244 193,244,144 241,180,144 145,180,152
240,36,128
249,183,144
145,180,16
241,52,144
55,104,148
241,180,144
Grayscale Langkah selanjutnya adalah memotong gambar kaligrafi dan mengubah skala warna menjadi gambar skala abu-abu.
Sebagai contoh, nilai RGB dari citra masukan dalam susunan piksel 4 x 4 ditunjukkan pada Gambar 5.
Selain itu, nilai RGB per piksel diubah menjadi nilai skala keabuan dengan mengetahui nilai rata-rata per piksel.
dimana fR merupakan Nilai Komponen Red, fG merupakan Nilai Komponen Green, dan fB Nilai Komponen Blue.
Maka diperoleh matriks grayscale seperti terlihat pada Gambar 5.
Gambar 5.
Matriks Nilai Grayscale Binerisasi Biner hanya mengubah intensitas nilai piksel pada gambar menjadi 0 dan 1.
Dimana 0 mewakili hitam dan 1 mewakili putih pada gambar.
Nilai keabuan pada matriks citra pada Gambar 3.
4 menjadi threshold.
Nilai ambang batas yang digunakan disimpulkan dari persamaan berikut:
Nilai threshold untuk matriks citra pada Gambar 5 di atas dihitung dengan menggunakan persamaan .
sebagai Nilai ambang 157 dapat digunakan jika persentase nilai piksel > 157 > 50%, jika persentase nilai piksel > 157 < 50%, maka digunakan rumus:
255/2 = 127,5 = 128
Maka diperoleh matriks grayscale seperti terlihat pada Gambar 6.
Gambar 6.
Matriks Citra Biner Perhitungan dengan Algoritma LVQ Perhitungan ini menggunakan data nilai piksel citra kaligrafi yang diperoleh dari pengolahan citra, dimana dari 16 piksel di atas diambil 10 piksel biner sebagai vektor masukan untuk citra kaligrafi menjadi layer, seperti pada Tabel 2.
Tabel 2.
Kriteria Perubahan Tingkah Laku Citra Vektor Nama Kelas (Kaligraf.
Diwani Diwani Jali Farisi Naskh Riqah JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
Kelas JOMLAI: Journal of Machine Learning and Artificial Intelligence Citra Vektor Nama Kelas (Kaligraf.
Tsuluts Kelas Dua masukkan pertama di inisialisasi sebagai bobot, seperti terlihat pada tabel 3.
Tabel 3.
Data Bobot
Matriks Bobot
1,1,1,1,0,1,1,1,1,0
1,0,1,1,0,1,0,0,0,1
Target Sedangkan dua input .
lainnya akan digunakan sebagai data latih, seperti terlihat pada tabel 4.
Tabel 4.
Data Bobot Vektor Kelas Proses Training Algoritma LVQ Berikut adalah proses pelatihan algoritma LVQ pada data pelatihan: a.
) Setiap kelas .
elas 1 dan kelas .
diambil dari salah satu array vektornya dan digunakan sebagai bobot inisialisasi (W).
Array yang tersisa adalah data input (X) b.
Menentukan nilai epoch maksimum, error minimum, learning rate, dan reduction rate.
Batasan berikut digunakan dalam contoh ini: Maximum Epoch = 60.
Minimum Error = 0,01.
Learning Rate = 0,05.
Reduction Rate = 0,1 c.
Selama epoch lebih kecil, perhitungan dari .
Epoch maksimum atau kecepatan belajar lebih besar dari kesalahan minimum.
) Untuk data input .
, dihitung berdasarkan bobot .
masing-masing data dengan menggunakan rumus sebagai berikut:
oc Proses ini dilanjutkan pada epoch 2 sampai epoch 50.
Setelah mencapai epoch 50, bobot akhir yang didapat adalah:
W1 = .
92, 0.
67, 0.
80, 0.
85, 0.
10, 0.
74, 0.
70, 0.
72, 0.
90, 0.
W2 = .
90, 0.
16, 0.
70, 0.
81, 0.
04, 0.
84, 0.
03, 0.
02, 0.
01, 0.
Proses Pengenalan Algoritma LVQ Misalnya masalah pengenalan gambar kaligrafi menggunakan nilai piksel, menggunakan vektor input .
, 0, 0, 0, 1, 0, 0, 0, .
kemudian mencari jarak kunci yang merupakan jarak input dari dua bobot W1 dan W2.
Jumlah bobot dengan jarak terpendek menjadi peringkat.
Jarak pada bobot W1 Jarak data ke bobot W1 Oo(( ) ) W11 = 2.
Jarak data ke bobot W2 Oo(( ) ) W12 = 1.
Jarak terkecil pada bobot ke-2, sehingga input tersebut termasuk pada kelas-2 (Diwani Jal.
Setelah menganalisa perhitungan LVQ dari data diatas, kita bisa mengetahui hasil pengenalan jenis kaligrafi dengan algoritma LVQ.
Hasil Pengujian Hasil pengujian dari penelitian ini dapat dilihat pada tabel 5 berikut:
Tabel 5.
Hasil Pengujian Citra Kaligrafi Input Image Hasil Image Jenis Kaligrafi Berhasil / Gagal Kaligrafi Diwani Berhasil Kaligrafi Diwani Jali Berhasil Calligraphy Text Types Recognition Using Learning Vector Quantization (Mhd.
Furqa.
ISSN : 2828-9099 Input Image Hasil Image Jenis Kaligrafi Berhasil / Gagal Kaligrafi Naskh Berhasil Kaligrafi Tsuluts Gagal Kaligrafi Farisi Berhasil Kaligrafi RiqAoah Berhasil Dalam semua pengujian di atas, setiap foto kaligrafi diambil sebanyak 10 kali dan hasilnya seperti yang ditunjukkan pada Tabel 6.
Tabel 6.
Tabel Akurasi Pengenalan Citra Kaligrafi Nama Citra Kaligrafi Diwani Diwani Jali Farisi Naskh Riqah Tsuluts Jumlah Nilai akurasi pada pengenalan citra kaligrafi adalah:
Hasil Dikenal Hasil Gagal x 100 % = 75 % KESIMPULAN Menurut hasil tes aplikasi pengenalan gambar teks kaligrafi menggunakan algoritma LVQ dapat disimpulkan bahwa:
Pertama, dari hasil penerapan algoritma LVQ pada pengenalan citra kaligrafi dapat mengenali semua citra kecuali citra kaligrafi Tsuluts.
Kedua, nilai akurasi yang diperoleh pada hasil pengenalan citra kaligrafi adalah 75%.
Ketiga, nilai akurasi di atas disebabkan oleh kesalahan pengenalan citra kaligrafi yang disebabkan oleh proses pembuatan atau penulisan dan perolehan citra, khususnya konversi citra analog menjadi citra digital yang tidak sempurna.
REFERENSI