Sistem Computer Vision Pengenalan Pola Angka dan Operator Matematika Pada Permainan Kartu Angka Berbasis Jaringan Syaraf Tiruan Perceptron
DOI:
https://doi.org/10.36982/jiig.v9i1.441Abstrak
Abstract
Computer vision is an image processing by a computer to obtain information from image captured through the camera generally used in real-time application. This paper reports on the results of research conducted on computer vision system designed to be able to recognize the image number (0-9) and mathematical operators (addition (+) and subtraction (-)) in a card number figures. Computer vision system designed in this study consists of a camera on the android phone that used to captured images on the card number and the computer that has artificial neural network perceptron algorithm in identifiying images. Both components of the computer vision system are connected wirelessly through the TCP/IP Protocol. At the training stage of Perceptron ANN, 10 samples for each number and mathematical operators are used. Computer vision system built in this study also have several image processing techniques such as greyscalling, thresholding, cropping and resizing. This techniques is used to filter the information from the images captured by camera in order to get the adequate and smaller image to be processed by ANN Perceptron. Stages of testing performed three times. First testing is given picture numbers 0-3, second testing is given picture number 4-7 and third testing is given number 8-9, addition symbol and subtraction symbol. Based on testing result, system built are able to recognize 10 from 12 image rendered with a success rate of 83.33%.
Keywords : Computer vision, perceptron, card number
Â
Abstrak
Computer vision merupakan proses pengolahan citra oleh computer untuk mendapatkan informasi dari citra yang ditangkap melalui kamera yang umumnya digunakan pada aplikasi waktu nyata. Tulisan ini melaporkan tentang hasil penelitian yang dilakukan tentang sistem computer vision yang dirancang untuk dapat mengenali gambar angka (0-9) dan operator matematika(penjumlahan (+) dan pengurangan (-)) pada permainan kartu angka. Sistem computer vision yang dirancang pada penelitian ini terdiri dari kamera pada ponsel android yang digunakan untuk menangkap gambar pada kartu angka dan komputer yang memiliki algoritama Jaringan Syaraf Tiruan Perceptron dalam melakukan identifikasi gambar. Kedua komponen sistem computer vision tersebut dihubungkan memlaui jaringan wireless melalui protocol TCP/IP. Pada tahapan pelatihan JST perceptron, digunakan 10 sample citra untuk masing – masing angka dan operator matematika yang akan dikenali oleh sistem. Pada penelitian ini juga dilakukan tahapan pemrosesan citra sebelum diolah oleh JST Perceptron baik dalam tahapan pelatihan maupun pada saat sistem dijalankan. Tahapan pengolahan citra yang digunakan pada penelitian ini adalah greyscalling, thresholding, cropping dan resizing. Hal ini dilakukan untuk menyaring informasi pada citra yang ditangkap oleh kamera agar didapatkan citra yang berukuran kecil dengan informasi yang lengkap untuk diproses oleh JST Perceptron. Pada saat sistem diuji coba, diberikan 4 deret kartu angka di depan kamera. Pada pengujian pertama diberikan gambar angka 0-3, pengujian kedua diberikan gambar angka 4-7 dan pada pengujian ketiga diberikan angka 8-9 serta gambar operator penjumlahan dan pengurangan. Berdasarkan pengujian yang dilakukan, sistem computer vision yang dirancang mampu mengenali 10dari 12 gambar yang diberikan dengan tingkat keberhasilan sebesar 83.33%.
Kata Kunci : computer vision, perceptron, kartu angka
Referensi
Apsari, T. E. R. 2012. Upaya Meningkatkan Kemampuan Kognitif Anak Melalui Permainan Kartu Angka dan Gambar Pada Anak Kelompok B di TK Kanisisu Sidowayah Klaten Tahun Ajaran 2012/2013.
Bachtiar, M. Y., & Haryanto, H. 2015. Perancangan Aplikasi Berbasis Markerless Augmented Reality Untuk Alat Peraga Organ Dalam Manusia Pada Sekolah Menengah Atas, 1–5.
Darmawan, M. W. 2009. Identifikasi Mutu Buah Mangga Arum Manis Berdasarkan Warna Menggunakan Image Processing dan JST. Universitas Gadjah Mada.
Gallant, S. I. 1990. Perceptron-Based Learning Algorithms. IEEE Transcation On Neural Networks, 1(2), 179–191.
Heryati.Agustina, Erduandi, Terttiaavini. 2018. Penerapan Jaringan Saraf Tiruan Untuk Memprediksi Pencapaian Prestasi Mahasiswa. Konferensi Nasional Sistem Informasi (KNSI) 2018. Universitas atmaluhur : 1158-1163
Minsky, M. L., & Papert, S. 1969. Perceptrons: An Introduction to Computational Geometry. Handbook of attachment Theory research and clinical (Vol. 165, p. 258). doi:10.1109/T-C.1969.222718
Parwati, N. N., Parmiti, D. P., & Jampel, I. N. 2013. Penerapan Pembelajaran Picture And Picture Berbantuan Media Kartu Angka Bergambar Dapat Meningkatkan Kemampuan Kognitif. Jurnal Pendidikan Anak Usia Dini Undiksha, 1(1).
Priyatna, A. N., Putri, L. T., Parlindungan, M., & Renita, T.2014. Implementasi Augmented Reality Sebagai Media Pembelajaran Pada Simulasi Terjadinya Tsunami.
Pujiyanta, A. 2009. Pengenalan Citra Objek Sederhana Dengan Jaringan Saraf Tiruan Metode Perceptron, 3(1), 268–277.
Rosenblatt, F. 1962. A comparison of several perceptron models. Self-Organizing Systems, 463–484.
Septiyana, R. 2012. Peningkatan Kemampuan Operasi Bilangan (1-20) Melalui Media Kartu Angka Pada Kelompok B di TK Pertiwi 53 Geblag Bantul Yogyakarta. Universitas Negeri Yogyakarta.
Sunyoto, A., & Harjoko, A. 2014. Pengenalan Simbol Jarimatika Menggunakan Orientasi Histogram dan Multi-layer Perceptron. Citec Journ
Susmikanti, M. 2010. Pengenalan Pola Berbasis Jaringan Syaraf Tiruan Dalam Analisa CT Scan Tumor Otak Beligna. Seminar Nasional Aplikasi Teknologi Informasi (SNATI 2010).
Szeliski, R. 2010. Computer vision: algorithms and applications. Springer Science & Business Media.
Untiasarani, M. Q. 2015. Pembangunan Perangkat Lunak Interaktif Berbasis Markerless Augmented Reality Untuk Pengenalan Hewan Pada Taman Kanak - Kanak, 1–5.
Wibowo, M. C., & Wirakusuma, S. 2013. Pengenalan Pola Tulisan Tangan Aksara Jawa “Ha Na Ca Ra Ka†Menggunakan Multi Layer Perceptron, 27–32.
Wijaya, T. A., & Prayudi, Y. 2010. Implementasi Visi Komputer dan Segmentasi Citra Untuk Klasifikasi Bobot Telur Ayam RAs. Seminar Nasional Aplikasi Teknologi Informasi, 1–5.
Wulandari, P. D., Wirya, I. N., & Tirtayani, L. A. 2014. Penerapan Numbered Head Together Berbantuan Media Kartu Angka Untuk Meningkatkan Kemampuan Mengenal Lambang Bilangan Anak. E-Journal PG-PAUD Universitas Pendidikan Ganesha, 2(1).
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
