IDENTIFIKASI BARCODE SATU DIMENSI MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

SALMAN ALIAJI, Drs. Agus Harjoko, M.sc., Ph.D

2012 | Tesis | S2 Ilmu Komputer

Dalam masyarakat modern saat ini, hampir setiap produk konsumen memiliki label barcode. Perangkat pembaca barcode berjenis laser telah menjadi sangat mutakhir, namun scanner berjenis kamera masih memiliki beberapa masalah. Scanner tersebut memiliki kinerja terbatas ketika menangani gambar yang diambil dalam kondisi cahaya sulit. Seringkali identifikasi barcode dengan perangkat berbasis kamera menjadi sulit karena proses pengambilan gambar yang tidak benar. Hal itu menyebabkan gambar yang dihasilkan memiliki kualitas yang rendah, seperti gambar yang kabur, tidak fokus atau noise. JST dengan kemampuannya yang tinggi dapat digunakan untuk identifikasi barcode, namun selama ini banyak menggunakan algoritma kompleks seperti backpropagation. Identifikasi barcode dalam penelitian ini terdiri dari dua proses utama yaitu proses training dan proses identifikasi. Proses training digunakan untuk melakukan training pola karakter barcode. Sedangkan proses identifikasi terdiri dari beberapa tahap mulai dari proses akuisisi citra, konversi, locating barcode, scanline, normalisasi, pengujian dan validasi. Proses pelatihan dan proses pengujian menggunakan jaringan saraf tiruan dengan metode Learning Vector Quantization (LVQ). Berdasarkan hasil perbandingan dan pengujian yang telah dilakukan, metode LVQ dapat digunakan untuk melakukan identifikasi terhadap citra label barcode. Meskipun belum mampu mengungguli alat pembaca barcode komersial, namun metode yang diusulkan memiliki tingkat akurasi yang cukup baik. Dari 72 citra yang diuji terdapat 53 citra yang berhasil diidentifikasi dengan benar, sehingga diperoleh tingkat akurasi sebesar 73,6%.

In today’s modern society, almost every consumer product has a barcode label. Laser-based barcode scanners have become very sophisticated, but the camerabased scanners still has some problems. The scanner has a limited performance when dealing with images taken in difficult light conditions. Often the identification barcode with a camera-based scanners to be difficult because the process of shooting that is not true. It causes the resulting image has low quality, like a blurry picture, not focus or noise. ANN with high ability can be used to identify the barcode, but has many uses complex algorithms such as backpropagation. Barcode identification in this research consists of two main processes, namely the training process and the identification process. Training process is used to conduct training barcode character patterns. While the identification process consists of several stages starting from the process of image acquisition, conversion, locating barcode, scanline, normalization, testing and validation. The training process and testing process using neural networks with Learning Vector Quantization algorithm (LVQ). Based on the results of the comparison and testing that has been done, LVQ method can be used for identifying the barcode label image. Although it has not been able to surpass commercial barcode reader, but the proposed method has a fairly good degree of accuracy. From 72 images that have been tested, there are 53 images were identified correctly, so get the level of accuracy is 73.6%.

Kata Kunci : pengolahan citra digital, barcode, learning vector quantization