ARTIKEL

SISTEM PENGENALAN POLA TULISAN TANGAN HURUF HIJAIYAH

DENGAN MENGGUNAKAN METODE
K-NEAREST NEIGHBORS

Oleh:
MUKHAMAD KHOIRUL ZAMRONI
13.1.03.02.0337

Dibimbing oleh :
1. Intan Nur Farida, M.Kom.

2. Julian Sahertian, S.Pd., M.T.

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2017
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Mukhamad Khoirul Zamroni | 13.1.03.02.0337 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

SISTEM PENGENALAN POLA TULISAN TANGAN HURUF

HIJAIYAH DENGAN MENGGUNAKAN METODE
K-NEAREST NEIGHBORS
Mukhamad Khoirul Zamroni
13.1.03.02.0337
Fakultas Teknik – Prodi Teknik Informatika
E-mail : khoirulz19@gmail.com
Intan Nur Farida, M.Kom. dan Julian Sahertian, S.Pd., M.T.
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Huruf hijaiyah merupakan huruf-huruf yang digunakan sebagai dasar pembelajaran membaca
Al-Quran, Penulisan huruf hijaiyah memiliki kesulitan tersendiri dibandingkan dengan huruf latin
biasa, dikarenakan huruf hijaiyah memiliki bentuk-bentuk khusus yang setiap huruf mempunyai
bentuk tulisan yang hampir sama. Hal ini yang biasanya membuat bingung terutama bagi anak-anak
yang masih baru belajar huruf hijaiyah.
Rumusan masalah dalam penelitian ini adalah (1) Bagaimana merancang sistem pengenalan
pola tulisan tangan huruf hijaiyah dengan menggunakan metode KNN? (2) Bagaimana performa
sistem pengenalan pola tulisan tangan huruf hijaiyah dengan menggunakan metode KNN.
Tujuan dari penelitian ini adalah (1) Untuk mengetahui bagaimana cara merancang sistem
pengenalan pola tulisan tangan huruf hijaiyah dengan menggunakan metode KNN. (2) Untuk
mengetahui bagaimana performa dari sistem pengenalan pola tulisan tangan huruf hijaiyah dengan
menggunakan metode KNN.
Penelitian ini menggunakan metode k-nearest neighbors dengan menggunakan dataset berupa
tulisan tangan dari siswa Sekolah Dasar pada sebuah lembar kertas yang telah ditentukan dan
dijadikan gambar digital dengan bantuan alat scanner. Data yang diambil akan dikonversi ke bentuk
grayscale dan ke deteksi tepi sobel. Hasil dari konversi dibagi menjadi partisi. selanjutnya dihitung
menggukan metode k-nearest neighbors untuk hasil identifikasi pengenalan pola.
Kesimpulan dari penelitian ini adalah dapat dibangunnya sebuah aplikasi yang bisa mengenali
tulisan tangan huruf hijaiyah seseorang. K-nearest neighbors dapat digunakan sebagai metode
pengenalan pola tulisan tangan huruf hijaiyah seseorang, akurasi yang didapatkan mencapai 79%
dengan menggunakan data training sebanyak 196.

Kata Kunci : Huruf hijaiyah, Pengenalan pola, K-nearest neighbors.

I. LATAR BELAKANG
Seiring dengan berkembangan sesuatu berdasarkan pengukuran kuantitatif
zaman yang secara tidak disadari diikuti fitur (ciri) atau sifat utama dari suatu
oleh perkembangan teknologi sangat obyek (Putra, 2010). Prinsip kerja
banyak memberi pengaruh terhadap pengenalan pola adalah dengan
perkembangan ilmu pengetahuan salah membandingkan kemiripan suatu data
satunya adalah dalam hal pengenalan pola. testing berdasarkan informasi yang sudah
Pengenalan pola adalah suatu ilmu untuk pernah diperoleh dari data training.
mengklasifikasikan atau menggambarkan

Mukhamad Khoirul Zamroni | 13.1.03.02.0337 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Huruf adalah bagian terkecil dari perbandingan jumlah data training dan
sebuah kalimat, untuk mendapatkan data testing yang digunakan.
sebuah informasi dari suatu kalimat perlu Oleh karena itu maka penulis
dibutuhkan adanya penulisan huruf yang tertarik mencoba menyelesaikan masalah
jelas dan mudah dipahami. Huruf hijaiyah diatas dengan cara merancang sebuah
merupakan huruf-huruf yang digunakan sistem pengenalan pola tulisan tangan
dalam penyusunan kata pada Al-Qur’an huruf hijaiyah seseorang menggunakan
dan sebagai dasar pembelajaran membaca metode deteksi tepi sobel dan K-Nearest
Al-Quran. Penulisan huruf hijaiyah Neighbors (KNN) dengan harapan bisa
memiliki kesulitan tersendiri dibandingkan menghasilkan tingkat akurasi yang lebih
dengan huruf latin biasa, dikarenakan baik dari penelitian sebelumnya.
huruf hijaiyah memiliki bentuk-bentuk
khusus yang setiap huruf mempunyai II. METODE
bentuk tulisan yang hampir sama. Hal ini A. Flowchart Sistem
yang menjadikan komputer susah untuk
mengenali tulisan tangan huruf Hijaiyah
seseorang.
Berbagai penelitian dalam
pengenalan pola huruf telah banyak
dilakukan oleh para peneliti. Dan telah
banyak juga metodologi yang telah
dibangun untuk pengenalan pola huruf.
Sebelumnya Fragil Putra (2015) telah
meneliti dan didalam penelitiannya
menjelaskan tentang Pengenalan Pola
Huruf Hijaiyah dengan menggunakan
metode Principal Components Analysis
Gambar 1: Flowchart Sistem
(PCA) dan Euclidean Distance untuk
Keterangan Flowchart
mencari nilai kedekatan, didalam
1. Start, mulainya sistem berjalan.
penelitian tersebut didapat tingkat akurasi
2. Input Citra, menginputkan citra gambar
tertinggi yaitu 62%, tingkat akurasi
huruf hijaiyah sesuai prosesnya yaitu
dipengaruhi oleh nilai threshold (nilai
testing atau training.
ambang batas keabuan) dan juga

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

3. Grayscale, proses merubah citra warna dengan nilai X, maka konversi dapat
menjadi citra keabuan. dilakukan dengan mengambil rata-rata dari
4. Deteksi tepi, proses merubah citra nilai R, G dan B. Berikut ini adalah
keabuan menjadi citra tepi untuk persamaan untuk menghitung citra
memperoleh bagian detail dari citra grayscale:
menggunakan operator Sobel. 𝑅+𝐺+𝐵
X= 3
5. Ekstraksi ciri, proses merubah hasil
Keterangan:
citra deteksi tepi sobel kedalam partisi
X = Nilai intensitas citra grayscale
3x3.
R = Nilai intensitas warna merah asal
6. Citra training disimpan ke data training
G = Nilai intensitas warna hijau
dan selanjutnya.
B = Nilai intensitas warna biru
7. Pencocokan, proses identifikasi citra
testing yang dicocokkan dengan data
C. Deteksi Tepi Sobel
training menggunakan metode KNN.
“Deteksi tepi adalah proses untuk
8. Output, hasil identifikasi keluar berupa
menemukan perubahan intensitas yang
teks bacaan huruf hijaiyah.
berbeda nyata dalam sebuah bidang
9. End, program berhenti.
citra”(Sutoyo, 2009).
Menurut Madenda (2015:110)
B. Grayscale
menjelasan Sobel didalam bukunya sebagai
Menurut Ahmad (2015) Citra
berikut :
grayscale memiliki pengertian sebagai
Sobel mengembangkan sebuah
berikut: operator dengan menggabungkan
filter perata dan fungsi pertama
Citra warna grayscale
turunan citra. Operator ini
menggunakan warna tingkatan
ditujukan agar dapat melakukan
warna abu-abu. Warna abu-abu
perataan atau minimalisasi noise
merupakan satu-satunya warna
oleh filter perata dan sekaligus
pada ruang RGB dengan komponen
melakukan pendeteksian tepi citra.
merah, hijau, dan biru mempunyai
Bila pemfilteran dilakukan dalam
intensitas yang sama. Banyaknya
arah y maka turunan pertama dari
warna yang ada tergantung pada
hasil pemfilteran dilakukan dalam
jumlah bit yang disediakan di
arah x.
memori untuk menampung
Kelebihan dari metode sobel ini adalah
kebutuhan warna ini.
kemampuan untuk mengurangi noise
Untuk mengubah citra berwarna sebelum melakukan perhitungan deteksi
yang mempunyai nilai matrik masing- tepi. Peninjauan pengaturan pixel di sekitar
masing R, G dan B menjadi citra grayscale pixelnya (x,y) adalah (Setiawan, 2016):

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

𝑝1 𝑝2 𝑝3 Keterangan,
𝑝8 (𝑥, 𝑦) 𝑝4
Xk = nilai X pada training data
𝑝7 𝑝6 𝑝5
Yk = nilai Y pada testing data
Operator sobel adalah magnitudo dari
m = batas jumlah banyaknya data
gradien yang dihitung dengan :
Jika semakin besar hasil nilai dari rumus di
|M| = √𝑆𝑥 2 +𝑆𝑦 2
atas maka akan semakin jauh tingkat
Dalam hal ini turunan parsial
keserupaan antara data training dan data
dihitung dengan :
testing dan sebaliknya jika hasil nilainya
Sx = ( p3 + cp4 + p5 ) − ( p1 + cp8 + p7 )
semakin kecil maka akan semakin dekat
Sy = ( p1 + cp2 + p3 ) − ( p7 + cp6 + p5)
tingkat keserupaan antar data training dan
Dengan konstanta c = 2, sehingga
data testing. Langkah-langkah untuk
terbentuk matrik operator sobel dapat di
menghitung algoritma K-NN adalah
gambarkan seperti di bawah ini.
(Mukhoyyar, 2015):
−1 0 1 −1 2 −1
GX = [ 2 0 2] GY = [ 0 0 0] 1. Menentukan nilai k.
−1 0 1 1 2 1 2. Menghitung jarak masing-masing objek
terhadap data latih yang diberikan
D. K-Nearest Neighbors (KNN)
dengan menggunakan metode
“Algoritma K-Nearest Neighbor
Euclidean Distance.
merupakan metode klasifikasi yang
3. Urutkan hasil perhitungan nilai
mengelompokan data baru berdasarkan
kemiripan dari yang terkecil hingga
jarak data baru itu kebeberapa
yang terbesar.
data/tetangga (neighbord) terdekat”
4. Tentukan kelas dari data uji berdasarkan
(Santoso, 2007). Salah satu cara untuk
kelas yang paling kecil jaraknya.
menghitung jarak dekat atau jauhnya
tetangga menggunakan metode euclidian
III. HASIL DAN KESIMPULAN
distance. Euclidian Distance berfungsi
A. Tampilan Program
menguji ukuran yang bisa digunakan
1. Form Home
sebagai interpretasi kedekatan jarak antara
Form ini merupakan form yang
dua obyek (Muhammad, 2015). di bawah
muncul saat pertama kali aplikasi
ini merupakan rumus Euclidian Distance:
dijalankan oleh user. Tampilan form home
𝒎 dalam aplikasi pengenalan pola huruf
𝑫(𝒙, 𝒚) = √∑(𝒙𝒌− 𝒚𝒌 )𝟐
Hijaiyah adalah sebagai berikut:
𝒌=𝟏

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

training, prosesnya sama seperti form

testing hanya saja dalam form training
akan ditemukan data stringgrid yang
digunakan untuk menyimpan nilai – nilai
partisi dari input citra training. Berikut ini
adalah tampilan form training dalam
Gambar 2: Form Home
aplikasi pengenalan pola huruf Hijaiyah :
2. Form Testing
Form ini merupakan form utama
dari aplikasi yang berfungsi untuk
mengidentifikasi citra huruf Hijaiyah,
didalamnya terdapat tombol file - open
untuk memasukan citra huruf hijaiyah.
Kemudian tombol view - preprocessing
untuk melakukan proses grayscale dan
deteksi tepi sobel citra huruf hijaiyah. Dan Gambar 3: Form Training
tombol proses untuk melakukan 4. Form Help
identifikasi citra huruf hijaiyah yang Form ini menampilkan tata cara
dimasukan dan hasil identifikasi akan menggunakan aplikasi untuk memberi
ditampilkan berupa bacaan huruh hijaiyah. petunjuk kepada user. Tampilan form help
Berikut ini adalah tampilan form testing dalam aplikasi pengenalan pola huruf
dalam aplikasi pengenalan pola huruf Hijaiyah adalah sebagai berikut:
Hijaiyah:

Gambar 5: Form Help

Gambar 4: Form Testing

B. Uji Coba
3. Form Training
Dalam pengujian sistem
Form ini merupakan form untuk
pengenalan pola huruf hijaiyah ini
memasukan citra huruf hijaiyah ke data
dilakukan empat kali uji coba, dan disetiap

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 6||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

uji coba memiliki jumlah data training training, didapatkan hasil seperti tabel
yang berbeda, data didapatkan dari tulisan dibawah ini:
tangan huruf hijaiyah siswa sekolah dasar Tabel 2: Hasil Uji Coba Kedua
yang berjumlah 196 data, yang nantinya Hasil Akurasi
Uji Training Testing
dibagi menjadi 112 data training dan 84 Benar Salah (%)

data testing. Untuk memperoleh nilai I 140 28 11 17 40

akurasi pada setiap uji coba menggunakan II 140 28 17 11 61

rumus :
Jml hasil benar
x 100 Dari tabel 2 didapatkan tingkat
Jml data training
akurasi tertinggi yaitu 61% dengan
Berikut ini adalah hasil uji coba dari sistem
menggunakan 140 data training dan uji
pengenalan pola huruf hijaiyah:
coba ini dilakukan sebanyak 2 kali testing
1. Uji Coba Pertama
dengan 28 huruf hijaiyah yang berbeda
Setelah dilakukan pengujian dengan
karakternya.
menggunakan sistem pengenalan pola
3. Uji Coba Ketiga
huruf hijaiyah, maka pada uji coba yang
Pada uji coba ketiga dilakukan
pertama menggunakan 112 data training
dengan melakukan variasi jumlah data
didapatkan hasil seperti table dibawah ini:
training dan data testing dirotasi kekiri
Tabel 1: Hasil Uji Coba Pertama
sekitar 10 drajat, didapatkan hasil seperti
Hasil Akurasi
Uji Training Testing tabel dibawah ini:
Benar Salah (%)
Tabel 3: Hasil Uji Coba Ketiga
I 112 28 11 17 40
Hasil Akurasi
II 112 28 16 11 57 Uji Training Testing
Benar Salah (%)
III 112 28 8 20 29
I 168 28 4 24 14

Dari tabel 1 didapatkan tingkat

Dari tabel 3 didapatkan tingkat
akurasi tertinggi yaitu 57% dengan
akurasi sebesar 14% dengan menggunakan
menggunakan 112 data training dan uji
168 data training dan 28 data testing yang
coba ini dilakukan sebanyak 3 kali testing
sebelumnya dirotasi kekiri sekitar 10
dengan 28 huruf hijaiyah yang berbeda
drajat.
karakternya.
4. Uji Coba Keempat
2. Uji Coba Kedua
Pada uji coba keempat dilakukan
Pada uji coba kedua dilakukan
dengan melakukan variasi jumlah data
dengan melakukan variasi jumlah data

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 7||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

training, didapatkan hasil seperti tabel 1. Aplikasi ini sudah mampu berjalan
dibawah ini: sesuai dengan perancangan sistem dan
Tabel 4: Hasil Uji Coba Keempat mampu mengenali karakter huruf
Hasil Akurasi hijaiyah.
Uji Training Testing
Benar Salah (%) 2. Metode K-Nearest Neighbors bisa di
I 196 28 22 6 79 implementasikan untuk sistem
pengenalan pola tulisan tangan huruf
Dari tabel 4 didapatkan tingkat Hijaiyah dan hasil uji coba pengenalan
akurasi sebesar 79% dengan menggunakan yang di dapat bisa mencapai akurasi
196 data training dan uji coba ini 79%. Akurasi hasil pencocokan juga
dilakukan sebanyak 1 kali testing dengan dipengaruhi oleh tulisan tangan huruf
28 huruf hijaiyah yang berbeda Hijaiyah itu sendiri. Baik itu dari segi
karakternya. Dan ini merupakan hasil nilai posisi penulisan, ketebalan, maupun
akurasi tertinggi yang didapatkan setelah ketepatan dalam menulis huruf hijaiyah
empat kali uji coba dilakukan dengan karena mengingat dalam karakter huruf
jumlah data training yang berbeda. Adapun hijaiyah memiliki huruf dengan pola
hasil akurasi program yang dihasilkan penulisan yang hampir sama.
dipengaruhi oleh jumlah data training yang
diinputkan. Selain itu data testing yang IV. DAFTAR PUSTAKA
digunakan pada penelitian ini merupakan Ahmad, U. 2015. Pengolahan Citra
tulisan tangan siswa sekolah dasar yang Digital Dan Teknik
mana dari segi bentuk maupun ketepatan Pemrogramannya. Yogyakarta:
masing-masing penulisan hurufnya juga Graha Ilmu.
menjadi faktor penentu tinggi rendahnya Gestama, F.P. 2015. Aplikasi Pengenalan
akurasi program itu sendiri. Karakter Huruf Hijaiyah Untuk
Pendidikan Anak Usia Dini (Paud).
C. Kesimpulan Skripsi. Tidak dipublikasikan.
Berdasarkan implementasi program Kediri: FT UNPGRI.
dan hasil evaluasi sistem pengenalan pola Madenda, S. 2015. Pengolahan Citra Dan
tulisan tangan huruf Hijaiyah dengan Video Digital Teori Aplikasi Dan
menggunakan metode K-Nearest Pemrograman Menggunakan
Neighbors maka dapat diambil beberapa Matlab. Jakarta: Erlangga.
kesimpulan sebagai berikut: Muhammad, G. 2015. Analisis Sentimen
Mengenai Berita Menggunakan

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 8||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Twitter Studi Kasus Detik.Com Dan

Kompas.Com. (Online). tersedia:
http://repository.widyatama.ac.id/x
mlui/handle/123456789/6765,
diunduh 02 Desember 2016.
Mukhoyyar, Z. 2015. Pengenalan Kata
Aksara Jawa Menggunakan
Algoritma K-Nearest Neighbor.
(Online). tersedia:
http://eprints.dinus.ac.id/16775/1/ju
rnal_15922.pdf, diunduh 26
Oktober 2016
Putra, D. 2010. Pengolahan Citra Digital.
Yogyakarta : Andi.
Santoso, B. 2007. Data Mining Teknik
Pemanfaatan Data untuk
Keperluan Bisnis (1 ed.).
Yogyakarta: Graha Ilmu.
Setiawan, D. 2016. Deteksi Tepi Berbasis
Metode Sobel Untuk Peningkatan
Kualitas Citra Medis. Skripsi.
Tidak dipublikasikan. Semarang:
FIK UDINUS.
Sutoyo, T. dkk .2009. Teori Pengolahan
Citra Digital. Yogyakarta: Andi.

Mukhamad Khoirul Zamroni| 13.1.03.02.0337 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 9||