ABSTRAKSI: Saat ini, perkembangan teknologi telekomunikasi berkembang sangat pesat. Salah satunya adalah sistem pengenalan pola. Sistem pengenalan pola sudah banyak dimanfaatkan dan dikembangkan. Salah satu contoh dari sistem pengenalan pola yang banyak dimanfaatkan saat ini adalah pengenalan tulisan.
Tugas akhir ini dibuat dengan tujuan untuk mengimplementasikan suatu sistem yang mampu mengenali pola dari aksara lampung dimana aksara lampung yang digunakan adalah aksara lampung dasar. Agar tingkat akurasinya mencapai 90%, maka pada sistem ini akan menggunakan teknik Modified Direction Feature (MDF) untuk ekstraksi cirinya dimana MDF adalah teknik yang mengambil vektor ciri dari segala arah dan menggabungkannya menjadi vektor ciri yang spesifik agar dapat dibedakan antara aksara lampung yang satu dengan yang lainnya. Hasil ciri dari MDF ini akan dijadikan masukan pada proses pembelajaran pada Hidden Markov Model dimana Hidden Markov Model akan melihat urutan ciri dan akan menghasilkan nilai probabilitas A, B, dan Phi. Nilai A, B , dan Phi ini digunakan untuk klasifikasi.
Manfaat dari tugas akhir ini adalah dapat membantu mempermudah dan mempercepat proses pembelajaran dengan menggunakan aksara lampung dengan hasil yang diharapkan pada tugas akhir yang menggunakan Hidden Markov Model memiliki hasil tingkat akurasi yang lebih baik yaitu mencapai 93% untuk pengenalan 100 data uji yang terdiri dari 20 aksara dengan masing-masing aksara terdiri dari 5 citra uji.Kata Kunci : Aksara Lampung, Modified Directio Feature (MDF) , Hidden Markov Model, Pengenalan PolaABSTRACT: At present, the development of telecommunications technology is growing very rapidly. One of them is a pattern recognition system. Pattern recognition system has been used and developed. One example of a pattern recognition system is widely used today is the introduction of writing.
The final task was made with the purpose to implement a system that is able to recognize the pattern of Lampung script where script is the script used Lampung Lampung basis. Order accuracy rate reaches 90%, then the system will use a technique Modified Direction Feature (MDF) extraction characteristics for which the MDF is a technique that takes feature vector from all directions and combine them into a specific feature vector in order to distinguish between the one with the script lampung others. This characteristic results of the MDF will provide input on the learning process on Hidden Markov Models Hidden Markov Model which will see the sequence characteristics and will yield probability values A, B, and Phi. Grades A, B, and Phi is used for classification.
Benefits of this thesis is to help facilitate and accelerate the learning process by using a script lampung with results expected at the end of the task using Hidden Markov Models have results better accuracy rate, reaching 93% for the introduction of 100 test data consists of 20 characters with each script consists of 5 test images.Keyword: Literacy Lampung, Directio Modified Feature (MDF), Hidden Markov Model, Pattern Recognition