IMPLEMENTASI MOMENT INVARIANT UNTUK PENGENALAN LABEL BUKU PERPUSTAKAAN BERBASIS ANDROID

Authors

  • (*) Hendy Yudhitya Susetya,  Fakultas Teknologi Informasi, Universitas Kristen Duta Wacana
  • Antonius Rachmat,  Fakultas Teknologi Informasi, Universitas Kristen Duta Wacana
  • Kristian Adi Nugraha,  Fakultas Teknologi Informasi, Universitas Kristen Duta Wacana

(*) Corresponding Author

DOI:

https://doi.org/10.21460/jutei.2017.11.13

Keywords:

OCR, moment invariant, K-NN, thinning, buku perpustakaan

Abstract

Perpustakaan Universitas Kristen Duta Wacana(UKDW) memiliki koleksi buku yang cukup banyak dan beragam. Buku-buku tersebut sudah disusun rapi pada rak-rak buku yang ada dan diberi label. Akan tetapi masih banyak peminjam yang meletakkan buku pada rak yang salah. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mengetahui apakah sebuah buku salah letak atau tidak dengan menggunakan metode Moment Invariant dan K-Nearest Neighbor. Moment invariant merupakan sebuah metode ekstraksi fitur yang menghasilkan 7 fitur yang digunakan untuk mengenali sebuah obyek. Sedangkan K-Nearest Neighbor merupakan metode klasifikasi yang digunakan untuk mengklasifikasikan obyek berdasarkan data latih yang ada. Citra input berupa citra yang berisi deret buku. Citra ini akan melalui beberapa proses yaitu proses Region of Interest untuk mendapatkan label buku, proses segmentasi Histogram Approach untuk mendapatkan citra karakter tiap labelnya, proses thinning yang digunakan untuk mendapatkan kerangka tiap karakter, kemudian proses ekstraksi fitur Moment Invariant yang akan menghasilkan fitur dari citra karakter dan fitur-fitur tersebut akan diklasifikasikan menggunakan K-Nearest Neighbor sesuai dengan template yang ada seghingga citra karakter dapat dikenali. Dari penelitian yang telah dilakukan dapat disimpulkan bahwa sistem berhasil mengimplementasikan metode Moment Invariant dan K-Nearest Neighbor sehingga berhasil dalam mengenali karakakter pada label buku perpustakaan UKDW dengan menggunakan K=1 dan ukuran citra karakter sebesar 100x100. Terdapat 2 hasil persentase keakuratan yaitu sebesar 85.39%  dengan menggunakan 30 citra uji yang didalamnya terdapat beberapa citra karakter yang digunakan sebagai template dan sebesar 81.54%  dengan menggunakan 20 citra uji di mana tidak ada template yang berasal dari citra uji.

References

[1] A. W. Pujianto, “Implementasi Template Matching untuk Pengenalan Label dan Deteksi Kesalahan Letak Buku Perpustakaan Berbasis Android”, Undergraduate Thesis, Universitas Kristen Duta Wacana, 2015.

[2] H. A. D. Rani, E. Supriyati dan T. Khotimah, “Deteksi Iris Mata untuk Menentukan Kelebihan Kolesterol menggunakan Ekstraksi Ciri Moment Invariant dengan K-Means Clustering,” Prosiding Seminar Nasional Teknologi dan Informatika, vol. 1, pp. 287-292, 2014.

[3] H. V. Rizanti, Suprapto dan R. Regasari, “Pengenalan Citra Alphabet Berdasarkan Paramater Momen Invarian dengan Metode Case-Base Reasoning,” Repositori Jurnal Mahasiswa PTIIK UB, vol. 1, 2013.

[4] R. Brinkmann, The Art and Science of Digital Composting, San Diego: Elsevier, 1999, p. 184.

[5] C. N. Santi, “Mengubah Citra Berwarna Menjadi GrayScale,” Jurnal Teknologi Informasi DINAMIK, pp. 14-19, 2011.

[6] V. J. Dongre dan V. H. Mankar, “Devnagari Document Segmentation Using Histogram Approach,” International Journal of Computer Science, Engineering and Information Technology (IJCSEIT), p. 47, August 2011.

[7] L. B. A. Prabangkoro, “Algoritma Thinning stentiford untuk mendapatkan bentuk dasar huruf”, Undergraduate Thesis, Universitas Sanata Dharma, 2008.

[8] J. Parker, Algorithms for Image Processing and Computer Vision,Second Edition, Indianapolis: Wiley Publishing, Inc., 2011.

[9] N. Jawas dan N. Suciati, “Image Inpainting using Erosion and Dilation Operation,” International Journal of Advanced Science and Technology, pp. 128-134, 2013.

[10] Z. Huang dan J. Leng, “Analysis of Hu's Moment Invariants on Image Scaling and Rotation,” 2010 2nd International Conference on Computer Engineering and Technology, pp. 476-480, 2010.

[11] R. N. Whidhiasih, N. A. Wahanani dan S. , “Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN dan LDA,” Jurnal Penelitian Ilmu Komputer, p. 31, 2013.

[12] F. Özsakabasi, “Classification Of Forest Areas By K Nearest Neighbor Method:Case Study, Antalya.”,Thesis, Middle East Technical University, 2008.

Downloads

Published

2017-04-17

How to Cite

[1]
H. Y. Susetya, A. Rachmat, and K. A. Nugraha, “IMPLEMENTASI MOMENT INVARIANT UNTUK PENGENALAN LABEL BUKU PERPUSTAKAAN BERBASIS ANDROID”, JUTEI, vol. 1, no. 1, Apr. 2017.