Pengenalan Aksara Bali Dengan Metode Local Binary Pattern

Abstract

Abstrak
Aksara Bali merupakan salah satu tulisan daerah yang digunakan di Indonesia. Untuk membaca aksara Bali tidaklah mudah. Hal ini disebabkan karena kesulitan untuk mengenali bentuk atau pola dari suku kata dasar aksara tersebut. Suku kata dasar aksara Bali hampir memiliki struktur yang sama, sehingga di dalam pembacaannya akan menemukan kesulitan mengidentifikasi suku kata dasar. Penelitian ini dibuat dengan tujuan untuk membuat suatu sistem yang mampu mengenali pola dari aksara Bali dimana aksara Bali yang digunakan adalah aksara Bali dasar. Sistem ini menggunakan teknik Local Binary Pattern (LBP) untuk ekstraksi cirinya. Salah satu sifat paling penting dari operator LBP ialah kesederhanaan perhitungannya, memiliki waktu komputasi yang lebih cepat, dan sifatnya yang invarian terhadap perubahan fotometri dari objek yang sama, dikarenakan LBP merupakan ukuran intensitas relatif suatu piksel dengan intensitas piksel disekitarnya. LBP didefinisikan sebagai perbandingan nilai piksel pada pusat citra dengan nilai piksel disekelilingnya sehingga diperoleh nilai biner pada matriks tersebut. Hasil dari LBP ini dijadikan masukan pada proses klasifikasi citra yang menggunakan Support Vector Machine dan K-Nearest Neighbor. Keunggulan dari metode KNN adalah tangguh terhadap data latih yang memiliki banyak noise dan efektif apabila data latihnya berukuran besar, sedangkan metode klasifikasi SVM mempunyai beberapa kelebihan, diantaranya bisa memodelkan dan mengklasifikasikan hubungan antar variabel tanpa perlu asumsi yang ketat, efisien, dan interpretasinya mudah. Pada penelitian ini juga membandingkan proses klasifikasi antara metode Support Vector Machine dengan K- Nearest Neighbor. Hasil dari simulasi yang dilakukan sistem dapat mengenali Aksara Bali dengan tingkat akurasi tertinggi adalah 74,6%, ddengan waktu komputasi rata-rata sistem sebesar 2,3203 detik.
Kata kunci : Aksara Bali, Local Binary Pattern (LBP), Support Vector Machine (SVM), K-Nearest Neighbor (KNN).