No title


1 2 3 4 5 6 7 8 9 10 EKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmat...
Author:  Irwan Kusumo

0 downloads 2 Views 2MB Size

Recommend Documents


No documents


EKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1

Andrian Rakhmatsyah 2Angga Sukma Prinata 3Adiwijaya

12Departemen

Teknik Informatika Sekolah Tinggi Teknologi Telkom Bandung Sains Sekolah Tinggi Teknologi Telkom Bandung Jl. Telekomunikasi No.1 Ters. Buah Batu Dayeuhkolot Bandung 40257 [email protected] , [email protected] , [email protected] 3Departemen

Abstrak Barcode telah lama digunakan sebagai tanda pengenal suatu barang sebab keunggulannya dalam menyimpan informasi. Untuk mengidentifikasi barcode, digunakan suatu perangkat yang dikenal dengan nama barcode reader. Akan tetapi barcode reader memiliki embedded algorithm yang tersembunyi di dalamnya. Pada penelitian ini dikembangkan aplikasi pengidentifikasi barcode yang relatif lebih mudah dengan memasukkan berupa citra barcode digital. Pengembangan aplikasi pada penelitian ini menggunakan jaringan Syaraf Tiruan dengan algoritma Backpropagation untuk pengenalan karakter citra barcode dan Visual Basic . NET sebagai bahasa pemrogramannya. Dari hasil pengujian, tingkat akurasi pengenalan karakter yang diperoleh saat citra barcode buatan digunakan sebagai citra latih ataupun citra uji menghasilkan nilao akurasi yang tinggi. Akan tetapi saat citra barcode foto digunakan sebagai citra latih ataupun citra uji menghasilkan nilai akurasi yang rendah. Hal ini disebabkan citra barcode buatan selalu menghasilkan pola ciri yang tepat dan sesuai dengan pola karakter asli barcode, sedangkan citra barcode foto sebaliknya. Kata Kunci: barcode, citra, jaringan syaraf tiruan, backpropagation

1. PENDAHULUAN Perangkat pengidentifikasi barcode dikenal dengan nama barcode reader. Urutan cara kerja pernagkat tersebut, yaitu membaca deretan barcode pada suatu produk dan menerjemahkannya ke dalam kode string yang valid dan sesuai. Akan tetapi barcode reader memiliki embedded algorithm yang tersimpan dan tersembunyi di dalamnya sehingga tidak dapat diketahui bagaimana algoritma prosesnya. Oleh sebab itu, pada penelitian ini dikembangkan aplikasi pengidentifikasi barcode yang relatif lebih mudah dengan memasukkan berupa barcode dalam bentuk citra digital.

Berdasarkan permasalahan tersebut, metoda yang digunakan dalam proses pengenalan pola karakter pada citra barcode adalah jaringan syaraf tiruan backpropogation (JST-BP). Tujuan penelitian ini adalah untuk mengimplementasikan pengolahan citra (grayscale, binerasi, dan normalisasi sederhana) dna sebagai masukan ciri JST-BP mengimplementasikan penggunaan algoritma JST-BP untuk menganalisis hasil proses pengenalan pola karakter citra barcode dilihat dari tingkat akurasi dan faktor yang mempengaruhinya (pola ciri hasil normalisasi). Secara garis besar, metodologi penyelesaian masalah dibagi menjadi tiga tahap, yaitu

1. Pre-processing JST-BP yang terdiri dfari pengolahan citra (Validasi citra, grayscale dan binerasi, validasi tipe barcode, normalisasi ciri) dan pengolahan data pola. 2. Processing JST-BP 3. Post-processing JST-BP yang terdiri dari pengolahan citra dan pengujian data pola dengan bobot.

Validasi Tipe Barcode Citra yang telah dibinerisasi akan dicek apakah memiliki tipe barcode sesuai dengan ketentuan (EAN-13 atau UPC-A) dengan cara mendeteksi keberadaan piksel guard bars awal dan akhir (minimal adalah 5 piksel) pada citra. Langkah 1: Tentukan koordinat scanning piksel citra, yaitu koordinat-X sebesar 1/2 dari dimensi citra dan koordinat-Y sebesar 1/5 dari dimensi citra. Scanning piksel dimulai dari atas-kebawah. Langkah 2: Cari nilai rata-rata piksel pada guard bars awal dengan nilai minimal adalah 5 piksel. Proses scanning ini berjalan dari arah kiri-kekanan.

Gambar 1 Diagram pengolahan citra barcode

2. PREPOCESSING Validasi Citra File citra yang dianggap valid adalah file yang bertipe JPG atau BMP dengan resolusi minimal 300 x 100 pixel dan maksimal 770 x 450 pixel. Jika file tidak sesuai ketentuan tersebut, maka aplikasi tidak akan memprosesnya lebih lanjut. Grayscale Dan Binerasi Langkah awal adalah piksel pada citra digrayscale terlebih dahulu. Kemudian piksel hasil grayscale tersebut dibinerisasi dengan threshold 100. Piksel dengan threshold ≤ 100 dikelompokkan sebagai warna hitam dan piksel dengan threshold > 100 dikelompokkan sebagai warna putih. Proses ini dilakukan pada semua piksel citra masukan.

Langkah 3: Jika nilai piksel guard bars awal ≥5 piksel, maka proses dilanjutkan dengan mencari nilai rata-rata piksel pada guard bars akhir yang juga harus ≥5 piksel dengan proses scanning yang berjalan dari arah kanan-ke-kiri. Jika nilai piksel guard bars awal < 5 piksel, maka koordinat-Y akan diset dengan nilai koordinat baru sebesar 1 piksel di bawah koordinat sebelumnya sepanjang tidak melebihi tinggi citra. Langkah 4: Jika kedua nilai piksel guard bars awal dan akhir ≥5 piksel, maka citra barcode dinyatakan valid bertipe EAN-13 atau UPC-A. jika nilai piksel guard bars akhir < 5 piksel, maka koordinat-Y akan diset dengan nilai koordinat baru sebesar 1 piksel di bawah koordinat sebelumnya sepanjang tidak melebihi tinggi citra. Jika tidak, maka citra barcode dinyatakan tidak valid, yaitu bukan bertipe EAN-13 atau UPC-A.

Gambar 2 piksel guard bars yang di-scan

Normalisasi Ciri Langkah 1: Masukkan 12 karakter asli yang tertera pada citra barcode (khusus proses Pengolahan Data Pola). Langkah 2: Lakukan scanning piksel citra dari kiri-ke-kanan pada barcode sisi kiri dan dari kanan-ke-kiri pada barcode sisi kanan untuk mendapatkan pola biner dari seluruh sisi barcode yang berjumlah 12 buah sesuai jumlah total karakter pada sisi kiri dsan kanan barcode dengan koordinat scanning didapat dari setelah scanning piksel guard bars.

Gambar 3 Pola karakter pada barcode (12 buah)

Langkah 3: Normalisasi pola biner dari seluruh karakter untuk mendapatkan data ciri per karakternya sebesar 35 buah. Langkah awalnya adalah mengambil seluruh data pola biner yang akan dinormalisasi. Langkah 4: Ambil nilai piksel rata-rata dari guard bars hasil scanning sebelumnya dan jadikan sebagai indeks perpindahan saat proses normalisasi pola biner. Langkah 5: Gunakan perulangan untuk menormalisasi pola biner hingga menjadi 35 buah per satu karakternya. Langkah 6: Cari target output dari karakter asli yang mewakili pola biner (khusus proses Pengolahan Data Pola). Cari data karakter asli yang mewakili pola biner dari nilai keluaran bobot output (khusus proses Pengujian Pola). Langkah 7: Simpan data karakter asli, pola biner barcode hasil normalisasi, dan targer output dalam satu file .txt (khusus proses Pengolahan Data Pola). Simpan data karakter hasil pengujian dalam satu file .txt (khusus proses Pengujian Pola).

Langkah 8: Selama pola biner masih belum dinormalisasi smeuanya, ulangi langkah 5. Tabel 1 Pola biner sebelum dan setelah normalisasi

Pola biner karakter “9” sebelum normalisasi 0000000000000000000011111110000000011111 111111110000 Pola biner karakter “9” normalisasi (35 buah) 00000000000000001111100000011111111

3. PEMROSESAN JST-BP Arsitektur JST-BP Neuron input yang digunakan sebesar 35 unit dan neuron output yang digunakan sebesar 1 unit. Jumlah hidden layer sebesar 1 buah. Pencarian arsitektur berurut berdasarkan nilai Mean-OfSquares-Error (MSE) terkecil, yaitu 1. Nilai MSE terkecil dari nilai learning rate dengan rentang nilai 0,1-0,9. 2. Nilai MSE terkecil dari jumlah unit hidden dengan data jumlah 6, 12, 18, 14, dan 30. 3. Nilai MSE terkecil dari nilai momentum dengan rentang nilai 0,1-0,5. Data Pola Latih Barcode Foto Dan Buatan Data pola latih berjumlah 3.597 pola yang berasal dari file citra latih barcode foto dan buatan yang berjumlah 52 buah. Tabel 2 Jumlah data pola latih barcode foto dan buatan

Karakter 0 1 2 3 4

Jumlah 366 356 375 345 370

Karakter 5 6 7 8 9

Jumlah 353 362 355 358 357

Data Pola Latih Barcode Buatan Data pola latih berjumlah 240 pola yang berasal dari file citra latih barcode buatan yang berjumlah 10 buah. Masing-masing karakter 0 hingga 9 memiliki jumlah pola sebesar 24 buah.

Tabel 5 Hasil Citra Uji Latih Barcode Buatan

Data Pola Latih Barcode Foto Data pola latih berjumlah 1.310 pola yang berasal dari file citra latih barcode foto yang berjumlah 15 buah. Masing-masing karakter 0 hingga 9 memiliki jumlah pola sebesar 130 buah. 4. POST-PROCESSING Uji Data Latih Barcode Foto Dan Buatan File citra latih barcode foto dan buatan berjumlah 52 buah (citra barcode foto berjumlah 32 buah dan citra barcode buatan berjumlah 20 buah). File citra uji barcode foto dan buatan berjumlah 25 buah (citra barcode foto berjumlah 21 buah dan citra barcode buatan berjumlah 4 buah).

LR 0,7 0,7 0,7

HD 30 30 30 30 30

EP 3.000 3.000 3.000 3.000 3.000

MT 0,1 0,2 0,3 0,4 0,5

MSE 0.000113 0,0000935 0,00011 0,0000973 0,000129

Akurasi 62,82 % 63,14 % 61,22 % 62,66 % 62,02%

Dari hasil pengujian citra latih barcode foto dan buatan, tingkat akurasi tertinggi diperoleh sebesar 63,14%. Arsitektur jaringan tersebut akan digunakan untuk pengenalan karakter pada citra uji. Tabel 4 Hasil Uji Citra Barcode Foto Dan Buatan LR

0.2

HD

30

EP

3.000

MT

0.2

MSE

0.0000935

Akurasi

31%

Dari hasil pengujian citra uji barcode foto dan buatan, tingkat akurasi diperoleh sebesar 31%. Uji Data Latih Barcode Buatan File citra latih barcode buatan berjumlah 10 buah. File citra uji barcode buatan berjumlah 10 buah dan citra uji barcode foto berjumlah 10 buah.

MT 0,1 0,1 0,1

EP 10 100 244

MSE 0.0097 0,0000022119 0,000000009795

Akurasi 42,5 % 100 % 100 %

Dari hasil pengujian citra lkatih barcode buatan, tingkat akurasi tertinggi diperoleh sebesar 100 %. Kedua arsitektur jaringan tersebut akan digunakan untuk pengenalan karakter pada citra uji. Tabel 6 Hasil Uji Citra Uji Barcode Buatan LR 0,7 0,7

HD 30 30

MT 0,1 0,1

EP 100 244

MSE 0,0000022119 0,000000009795

Akurasi 100 % 100 %

Tabel 7 Hasil Uji Citra Uji Barcode Foto

Tabel 3 Hasil uji Citra Latih Barcode Foto Dan Buatan LR 0,2 0,2 0,2 0,2 0,2

HD 30 30 30

LR 0,7 0,7

HD 30 30

MT 0,1 0,1

EP 100 244

MSE 0,0000022119 0,000000009795

Akurasi 14,17 % 17,5 %

Dari hasil pengujian citra uji barcode buatan, tingkat akurasi diperoleh sebesar 100 % untuk kedua arsitektur jaringan. Akan tetapi hasil pengujian citra uji barcode foto hanya menghasilkan tingkat akurasi tertinggi sebesar 17,5 %. Uji Data Latih Barcode Foto File citra latih barcode foto berjumlah 15 buah. File citra uji barcode foto berjumlah 21 buah dan citra uji barcode buatan berjumlah 10 buah. Tabel 8 Hasil Uji Citra Latih Barcode Foto LR 0,3 0,3 0,3 0,3 0,3

HD 30 30 30 30 30

EP 2.500 2.500 2.500 2.500 2.500

MT 0,1 0,2 0,3 0,4 0,5

MSE 0.0001676 0,0001570687 0,000145795 0,000161476 0,000149042

Akurasi 42,78 % 42,78 % 40 % 51,11 % 42,78 %

Dari hasil pengujian citra latih barcode foto, tingkat akurasi tertinggi diperoleh sebesar 51,11 %. Arsitektur jaringan tersebut akan digunakan untuk pengenalan karakter pada citra uji.

Tabel 9 Hasil Uji Citra Uji Barcode Foto LR 0,3

HD 30

MT 2.500

EP 0,4

MSE 0.000161476

Akurasi 14,29 %

Tabel 10 Hasil Uji Citra Uji Barcode Buatan LR 0,3

HD 30

MT 2.500

EP 0,4

MSE 0.000161476

Akurasi 45,83 %

Dari hasil pengujian citra uji barcode foto, tingkat akurasi hanya diperoleh sebesar 14,29 %. Sedangkan hasil pengujian citra uji barcode buatan menghasilkan tingkat akurasi sebesar 45,83 %. 5. KESIMPULAN Tingkat akurasi pengenalan karakter yang diperoleh saat citra barcode buatan digunakan sebagai citra latih ataupun citra uji menghasilkan nilai akurasi yang tinggi. Akan tetapi saat citra barcode foto digunakan sebagai citra latih ataupun citra uji menghasilkan nilai akurasi yang rendah. Hal ini disebabkan citra barcode buatan selalu menghasilkan pola karakter asli barcode sedangkan citra barcode foto tidak demikian sebab mengandung bar atau space yang dianggap noise. 6. DAFTAR PUSTAKA [1] Bahlawan, paul, 2004, Barcode 3 Of 9 http://www.planet-sourceDecoder, code.com/vb/scripts/, didownload pada tanggal 26 Desember 2006. [2] Datalogic Communication Division, 1999, Reading Between The Lines Bar Code Basics, http://www.datalogic.com, didownload pada tanggal 24 Nope,ber 1999. [3] Guclu, Salih, 2006, Proton Barcode Designer Version 1,0, http://www.proton.com.tr/, didownload pada tanggal 25 Nopember 2006. [4] Mau, 2005, An EAN13 Code Control, http:/www.codeproject.com/cs/, didwonload pada tanggal 28 Nopember 2006.

[5] Microsoft Corp. 2003, MSDN Library for Microsoft Visual Studio .NET 2003, http://www.microsoft.com/. [6] QS QualitySoft GmbH, 2004, Barcodes not recognized – What can you do?, http://www.qualitysoft.de/, didownload pada tanggal 25 Nopember 2006. [7] QS QualitySoft GmbH, 2006, bcTester Online Help, http://www.bctester.de/, didownloadpada tanggal 25 Nopember 2006. [8] Siang, Jong Jek, 2005, jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab, Yogyakarta, Penerbit Andi. [9] Vault Information Services LLC, 2004, EAN-13 SYMBOLOGY, http://www.barcodeisland.com, doidownload pada tanggal 25 Nopember 2006. [10] Watkins, Terry, 1999, What about barcodes and 666: The Mark of the Beast?, http://www.av1611.org, didownload pada tanggal 25 Nopember 2006.

Life Enjoy

" Life is not a problem to be solved but a reality to be experienced! "

Get in touch

Social

© Copyright 2013 - 2019 TIXPDF.COM - All rights reserved.