Identifikasi Barcode pada Gambar yang Ditangkap Kamera Digital Menggunakan Metode JST
Salman Aliaji(1*), Agus Harjoko(2)
(1) 
(2) 
(*) Corresponding Author
Abstract
Abstrak
Dewasa ini hampir setiap produk konsumen memiliki label barcode. Namun alat pembaca barcode jenis laser memiliki kelemahan karena tidak dapat mengenali barcode yang mengalami goresan atau noise. Namun telah dikembangkan teknik lain dengan memanfaatkan kamera digital untuk identifikasi barcode. JST telah banyak digunakan untuk identifikasi berbagai macam pola. Proses identifikasi barcode dalam JST terdiri dari proses training dan proses identifikasi. Proses training menggunakan metode LVQ (Learning Vector Quantization). Proses identifikasi terdiri dari beberapa tahap, yaitu akuisisi citra, preprocessing, locating barcode, proses pengujian dan verifikasi. Berdasarkan hasil pengujian metode LVQ dapat digunakan untuk identifikasi foto barcode dengan kinerja yang baik. Hasil pengujian menunjukkan tingkat akurasi sebesar 73,6 % dari 72 citra yang diuji dengan waktu rata-rata adalah 0.5 detik. Sementara waktu yang dibutuhkan untuk menemukan lokasi barcode adalah sekitar 6 detik menggunakan blok dengan ukuran 32x32 pixel.
Kata kunci— Barcode, Learning Vector Quantization, Jaringan Syaraf Tiruan
Abstrak
In today’s modern society, almost every consumer product has a barcode label. But the barcode reader with laser type has the disadvantage of not being able to recognize the barcode has a scratch or noise. However, other techniques have been developed by using a digital camera for barcode identification. ANN has been widely used for identification of various patterns. Barcode identification process consists of the ANN training process and the identification process. Training process using the LVQ (Learning Vector Quantization). Identification process consists of several stages: image acquisition, preprocessing, locating barcode, testing and verification process. Based on test results LVQ method can be used for photo identification barcode with good performance. The test results showed an accuracy of 73.6% rate of 72 images were tested with an average time is 0.5 seconds. While the time required to find the location of the barcode is about 6 seconds using a block size of 32x32 pixels.
Keyword— Barcode, Learning Vector Quantization, Artificial Neural Network
Full Text:
PDFDOI: https://doi.org/10.22146/ijccs.3351
Article Metrics
Abstract views : 3310 | views : 3102Refbacks
- There are currently no refbacks.
Copyright (c) 2013 IJCCS - Indonesian Journal of Computing and Cybernetics Systems
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
View My Stats1