IMPLEMENTASI METODE HIDDEN MARKOV MODEL UNTUK DETEKSI TULISAN TANGAN

EKA FARDA YUWITANING

Informasi Umum

Kode

14.04.882

Klasifikasi

000 - Generalitics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Informasi Lainnya

Abstraksi

Pentingnya informasi dan data digital dalam era komputerisasi saat ini sehingga proses digitalisasi informasi senantiasa menjadi topik penelitian yang menarik untuk diaplikasikan pada berbagai bidang. Penerapan teknologi pengenalan citra pada tulisan tangan akan sangat bermanfaat misalnya untuk membaca tulisan tangan pada suatu data penting yang sudah lama disimpan, seperti jurnal kerja atau dokumen-dokumen penting di perkantoran. Pentingnya teknologi ini untuk mempermudah proses pencarian dan penyimpanan data agar lebih efektif.Proses awal pada sistem adalah pre-processing data uji dan latih, kemudian dilakukan ekstraksi ciri dengan metode MDF (Modified Direction Feature). MDF adalah kombinasi dari metode Direction Feature(DF) dan Transition Feature (TF), yaitu mengambil dan menghitung nilai ciri berdasarkan goresan (stroke) karakter dari berbagai arah sehingga ciri karakter bersifat unik. Setelah ciri karakter didapat, maka diklasifikasi denganHidden Markov Model (HMM), yang merupakanperluasan dari rantai Markov di mana state-nya tidak dapat diamati secara langsung (tersembunyi), tetapi hanya dapat mengamati variabel-variabel yang terpengaruh oleh state. Hasil rata-rata akurasi terbaik pengenalan karakter dari tugas akhir ini adalah tingkat akurasi sekitar 74,72% dengan rata-rata waktu komputasi pengujian sistem adalah 2,23 detik.

Kata Kunci: HMM, deteksi, state, OCR dan MDF