Pada tugas akhir sebelumnya telah dilakukan deteksi tulisan tangan dengan akurasi
mencapai 74,72% [9] . Hidden Markov Model (HMM) digunakan sebagai metode klasifikasi,
sedangkan untuk metode ekstraksi cirinya digunakan Modified Direction Feature (MDF). Sistem
terbatas pada tulisan tangan yang antarkarakter saling terpisah.
Pada tugas akhir ini, dirancang suatu sistem yang dapat mengenali karakter huruf dan
angka pada tulisan tangan dengan atau tanpa overlapping tetapi tidak bersentuhan antarkarakter.
Pada sistem ini, masukan merupakan hasil scan dari data latih dan data uji yang berisi karakter
huruf ataupun angka pada tulisan tangan. Tahap awal pada sistem ini adalah pre-processing data
latih dan data uji, kemudian data tersebut diekstraksi cirinya dengan Modified Direction Feature
(MDF) sehingga didapat ciri-ciri dari citra. Setelah ciri didapat, selanjutnya diklasifikasi dengan
Hidden Markov Model (HMM). Output sistem berupa teks dengan format (.txt).
Dari pengujian yang dilakukan, sistem yang dirancang menghasilkan akurasi rata-rata
70.44% dengan waktu komputasi rata-rata sebesar 2.07 detik. Sistem masih belum dikatakan
sempurna karena masih terdapat akurasi 20% untuk karakter 0 dan 0% untuk kata E22.
Kata Kunci : tulisan tangan, overlap, Modified Direction Feature, Hidden Markov Model,
segmentasi adaptif