Pengenalan Nomor Ruangan Menggunakan Kamera Berbasis OCR Dan Template Matching

Most important room parameters to easily recognize with provide numbering of room, the number having function as room address. Camera have function to getting room number picture. To recognize of room number used OCR (Optical Characters Recognition) and Template Matching method. The system having purpose to make it easy the room number recognize process using camera. The first process Camera capture result will be identified using OCR system, and cahange image to be ASCII trought several stages, between segmentation, normalisation, feature extraction and recognition process. The image result of OCR, used input as template matching method, this method having several stages between resize, gray, edge canny, histogram, classification, identification image process, and matching with storage image. The result of system tested, getting several parameters should be maximized to increase success rate in room number recognition proccess, between using a standart room number, angle of camera capture is 90, and luminance 224-230. From setting paramteters, this system can detect and recognize the room number of 93,75% success rate. Keywords— Room Number, Camera, OCR, Template Matching. Abstrak— Parameter penting dari suatu ruangan agar mudah dikenali adalah dengan memberikan penomoran ruangan, nomor ruangan berfungsi sebagai alamat dari ruangan tersebut. Untuk mendapatkan nomor ruangan tersebut digunakan sebuah kamera, yang berfungsi untuk merekam citra dari nomor ruangan. Sistem untuk mengenali nomor ruangan dengan menggunakan OCR (Optical Characters Recognition) dan Template Matching. Pengembangan sistem ini bertujuan untuk memudahkan pengenalan nomor ruangan menggunakan kamera. Pada tahap Awal sistem OCR akan mengidentifikasi citra dari hasil capture kamera dan mengubahnya menjadi ASCII dengan beberapa tahapan, diantaranya proses segementasi, normalisasi, Fiture Extraction, dan Recognition. Citra hasil pemrosesan OCR digunakan sebagai input Template Matching, dimana sistem ini memiliki tahapan proses Resize, Gray, Edge Canny, Histogram, Klasifikasi, Identifikasi Citra, dan pencocokan dengan Storage Citra. Dari hasil pengujian sistem, didapatkan beberapa parameter yang harus dipenuhi untuk memaksimalkan proses pengenalan nomor ruangan, diantaranya penggunaan nomor ruangan yang standar, sudut pengambilan citra nomor ruangan sebesar 90, nilai luminasi pencahayaan sebesar 224-230. Dari parameter yang ditetapkan, tingkat keberhasilan sistem dapat mendeteksi dan mengenali nomor ruangan sebesar 93,75%. Kata kunci— Nomor Ruangan, Kamera, OCR, Template Matching. I. PENDAHULUAN Ruangan adalah tempat seseorang melakukan aktivitas, dimana didalam ruangan memiliki banyak fungsi sebagai laboratorium, sebagai kelas. Parameter suatu ruangan adalah harus memiliki pintu, saluran udara dan jendela, dimana semuanya mempunyai fungsi dan peranan masing-masing[1]. Pintu adalah salah satu parameter untuk menentukan posisi dimana suatu ruangan itu berada, tetapi pintu belum bisa mengidentifikasi jenis ruangan atau alamat ruangan[2], sehingga dibutuhkan suatu pengalamatan pada ruangan berupa nomor atau nama rungan. Untuk membedakan antara ruangan A dan ruangan B dilakukan dengan memberikan sebuah penomoran ruangan dipintu ruangan. Untuk mengenali atau mendapatkan informasi tentang alamat ruangan menggunakan sistem OCR (Optical Characters Recognition), dimana OCR membutuhkan beberapa perangkat pendukung diantaranya, kamera, komputer dan interface. OCR adalah sistem yang mempunyai fungsi mengidentifikasi sebuah karakter huruf atau angka[3]. Penggunaan metode OCR bertujuan untuk maerubah suatu citra yang terdiri dari tulisan dan background, menjadi sebuah tulisan atau angka[4]. kamera sering digunakan untuk menagkap objek yang bergerak maupun yang tidak bergerak, pengembangan penggunaan kamera dalam bidang yang lain diantara sebagai kontrol pergerakan robot[5], sistem keamanan dan lain-lain. Untuk mengenali sebuah tulisan atau angka maka di butuhkan suatu metode untuk mengenalinya. Template matching adalah suatu metode untuk mengenali sebuah huruf atau angka, data hasil proses OCR di cocokan dengan data referensi pada template matching, dari kecocokan ciri akan menghasilkan suatu keputusan bahwa huruf atau angka ini sesuai atau tidak.[6]. Pada pengembangan sistem OCR ini umumnya diimplementasikan pada plat nomor kendaraan, pada penelitian ini tim mencoba memanfaatkan sistem OCR terhadap nomor ruangan, dari sistem yang dikembangkan ini diharapkan dapat memudahkan dalam mengenali beberapa jenis nomor ruangan yang digunakan. Manfaat dari penelitian ini diharapkan sistem dapat menjadi alternatif metode baru dalam pengenalan nomor ruangan menggunakan kamera. II. TINJAUAN PUSTAKA A. Pengolahan Citra Pengolahan citra merupakan suatu proses dari gambar asli RGB (Red, Green, Blue) menjadi gambar yang kita inginkan, dalam pengolahan citra warna dipresentasika dengan nilai hexadesimal dari 0x00000000 sampai dengan nilai 0x00ffffff, INFORM : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi Vol. 4 No. 1, Januari 2019, P-ISSN : 2502-3470, E-ISSN : 2581-0367 28 DOI: 10.25139/inform.v3i2.1010 nilai warna 0x00 menyatakan nilai dibelakangnya adalah hexadesimal, terlihat seperti gambar 1. Gambar 1. Nilai Warna BGR Hexadesimal Citra yang diperoleh dari hasil capture umumnya dengan format RGB, tetapi ketika digunakan untuk pengolahan citra dikonversi menjadi format gray. Perubahan format ini menggunakan metode illuminance grayscale yang dipresentasikan dalam persamaan 1, penerapaan metode ini dengan mengalikan nilai intensitas piksel red(R), green(G) dan Blue(B) dengan konstanta tertentu, kemudian dijumlahkan, hasil penjumlahan merupakan nilai dari grayscale. Deteksi tepi adalah kunci untuk mendeteksi keberadaan objek di dalam sebuah citra, deteksi tepi adalah langkah awal untuk mendapatkan informasi didalam sebuah citra, deteksi tepi mencirikan batasan dari sebuah objek untuk fungsi identifikasi dan segmentasi di dalam citra. Deteksi tepi bertujuan untuk meningkatkan penampakan garis batas dari suatu daerah objek di dalam citra, proses pendeteksian tepi seperti gambar 2, dan untuk pendeteksian tepi dapat menggunakan beberapa metode, diantaranya sobel, prewwit, robert dan canny.[7] Gambar 2. Proses pendeteksian tepi citra B. OCR (Optical Character Recognition) OCR mempunyai peranan untuk mengenali sebuah tulisan didalam sebuah gambar dan merubahnya kedalam (ASCII)[8]. Ada dua macam character recognition yaitu offline dan online character recognition, Seperti yang terlihat pada gambar 3. Gambar 3. (a) Offline Character Recognition (b) Online Character Recognition Offline character recognition bekerja dengan mengenarate dokumen kemudian di digitalisasi dan disimpan didalam komputer sebelum mamprosesnya[9]. Sedangkan online character recognition, karakter langsung diproses selama dalam capture. Offline dan online dapat diterapkan dalam optical maupun hardwritten characters recognition[10]. Dalam penelitian ini menggunakan sistem offline Character Recognition. C. Template Matching Template Matching sebuah metode dalam pengolahan citra untuk mencari dan menemukan bagian-bagian yang sesuai dengan referensi dari citra. Pencocokan citra dengan cara mengenali bentuk atau pola-pola yang terdapat pada gambar, dimana nantinya pola hasi capture akan di bandingkan dengan gambar referensi, dimana nilai prosentase kecocokan yang paling tinggi yang nantinya menentukan jenis atau model citra tersebut. Untuk mengetahui nilai prosentase kecocokan dari hasil capture, digunakan perhitungan NC (Normalized Cross Corelation). Nilai NC yang diperoleh dengan cara membandingkan template gambar referensi dengan hasil capture. Nilai NC semakin mendekati nilai maksimal yanng ditentukan, maka perbandingan template akan semakin cocok dengan gambar referensi. Untuk menentukan nilai NC digunakan persamaan (2) dibawah ini. [11] Dimana: NC : Normalized Cross Corelation Wij : Piksel Citra Referensi W’ij : Piksel Citra Capture i,j : Elemen Citra III. METODOLOGI Proses untuk mengenali nomor ruangan dilakukan dengan dua kali, dimana proses yang pertama dengan mengubah citra menjadi ASCII (OCR) dan proses yang kedua Template Matching, untuk mengenali citra nomor ruangan. A. Proses OCR (Optical Character Recognition) Proses OCR merubah citra dari gambar menjadi ASCII, dalam proses OCR ini ada beberapa tahapan yang harus dilakukan seperti, Preprocessing, Segmentasi, Normalisai, Feature Extraction dan Recognition. Untuk tahapan sistem OCR dapat dilihat dibawah ini. INFORM : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi Vol. 4 No. 1, Januari 2019, P-ISSN : 2502-3470, E-ISSN : 2581-0367 DOI: 10.25139/inform.v3i2.1010 INFORM : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi Vol. 4 No. 1, Januari 2019, P-ISSN : 2502-3470, E-ISSN : 2581-0367 29 DOI: 10.25139/inform.v3i2.1010 1) Inisialisasi Adalah proses awal dari sistem OCR, dimana mempunyai fungsi untuk menyiapkan semua kebutuhan yang diperlukan oleh sistem OCR. 2) Kamera Kamera sebagai perekam citra nomor ruangan, kemudian disimpan ke dalam folder yang telah disiapkan, format untuk gambar berupa *.jpg dan *.png. 3) Image Capture Image capture adalah hasil dari pengambilan gambar dari kamera. 4) Preprocessing Preprocessing adalah proses dimana untuk menghilangkan bagian dari citra yang tidak diperlukan untuk proses selanjutnya, dimana pada penelitian ini menghilangkan background dari nomor ruangan. 5) Segmentasi Segmentasi berfungsi untuk membedakan atau memisahkan area yang diamati pada setiap karakter nomor ruangan yang dideteksi. 6) Normalisasi Normalisasi bertujuan untuk merubah dimensi citra hasil pemrosesan dan merubah ketebalan dari pemisahan citra. 7) Feature Extraction Merupakan proses untuk mengamati sebuah ciri-ciri tertentu dari citra. 8) Recognition Adalah proses untuk mengenali sebuah karakter yang telah diproses, dengan cara membandingkan citra hassil proses dengan karakter angka dan huruf yang terdapat pada sistem tesseract