ABSTRAKSI: Untuk memudahkan pembacaan naskah berhuruf Braille oleh masyarakat awam yang tidak begitu memahami Braille, maka diterapkanlah suatu sistem otomatis yang dapat mengkonversikan karakter Braille menjadi tulisan latin. Jadi ketika terdapat naskah suatu karya sastra atau tulisan dalam karakter Braille, maka akan dikonversikan dari karakter Braille tersebut ke dalam bentuk teks secara otomatis sehingga masyarakat awam yang tidak memahami huruf Braille dapat dengan mudah menikmati karya-karya berkarakter Braille.
Dalam tugas akhir ini dirancang sebuah sistem converter otomatis berbasis image yang dapat mengenali dan mengkonversi karakter Latin dari citra suatu naskah menjadi karakter Braille dengan kondisi tertentu hasil akuisisi dari sebuah scanner, kemudian masuk dalam tahap preprocessing dan segmentasi. Citra keluaran dari tahap segmentasi akan diekstraksi menggunakan algoritma ekstraksi cirri Histogram Area. Setelah itu masuk ke tahap klasifikasi dengan metode KNN.
Pengujian dilakukan dengan citra jenis Arial dan besar font 24 dan 26. Tingkat akurasi yang didapatkan pada tugas akhir ini untuk nilai k=3 adalah 86,99 % dan untuk nilai k=5 adalah 87,39 %.Kata Kunci : Pengujian dilakukan dengan citra jenis Arial dan besar font 24 dan 26.ABSTRACT: To facilitate the reading of the manuscript lettered in Braille by ordinary people who do not really understand Braille, then an automated system that can convert Braille into writing Latin characters is applied. So when there is a literary work or a manuscript written in Braille characters, it will be converted from the Braille characters into text form automatically so that the ordinary people who do not understand Braille can easily enjoy the works of Braille character.
In this final project has designed a system based automated image converter that can recognize and convert Latin characters from the image of a manuscript into Braille characters with certain conditions taken from a digital camera with a feature extraction method is the Histogram Area. The system will recognize Latin characters and convert it into a vector for further input to the system K-Nearest Neighbor classification, where the system will classify the vectors of an image of Latin characters to form Braille characters.
In practice, the digital image capture using a scanner Latin script, then enter the preprocessing stage. Image out of the preprocessing stage will be extracted using Histogram algorithm Area to be stored in a database. The classification database will be carried out with K-NN method. Tests conducted with a large image and font type Arial 24 and 26. Results (outputs) of interest is how a system can identify and compare patterns of Latin image and can take appropriate decisions on any kind of pattern that became the image of certain Latin input. The accuracy obtained in this thesis to the value K = 3 is 86.99% and for the value of K = 5 is 87.39%Keyword: K-Nearest Neighbor, Histogram Area, Braille.