ABSTRAKSI: Pengenalan tulisan tangan merupakan permasalahan yang sangat pelik dalam dunia teknologi informasi. Salah satunya adalah pengenalan tulisan tangan pada formulir dengan karakter yang telah tersegmentasi dalam kotak-kotak atau lebih dikenal dengan istilah Boxed Discreete Character. Dengan adanya Handwriting Character Recognition, manusia tidak lagi perlu bersusah payah untuk memasukkan data pada formulir yang jumlahnya sangat banyak dan dapat membuat jenuh serta tidak jarang terjadi kesalahan dalam memasukkan data ke dalam komputer sebagai dampak kejenuhan tersebut. Akan tetapi dengan adanya komputer, permasalahan tersebut dapat terpecahkan dimana formulir tinggal discan untuk selanjutnya diolah secara otomatis oleh komputer.
Untuk melakukan pengenalan karakter tulisan tangan, feature atau ciri karakter tulisan tangan yang terdapat pada formulir harus diekstrak untuk kemudian dianalisis sehingga dapat diputuskan karakter apa yang sesuai. Metode Ekstraksi Ciri Titik dan Normalized Contour Analysis merupakan dua metode ekstraksi ciri yang dapat mengambil ciri unik dari karakter.
Feature yang didapat dari kedua metode tersebut selanjutnya digunakan sebagai data masukan pada Backpropagation dimana dengan melakukan proses FeedForward, karakter akan dapat dikenali dengan berdasar pada karakter-karakter yang telah dilatih sebelumnya.
Dari hasil pengujian, menunjukkan bahwa sistem tingkat akurasi pengenalannya mencapai 99,03 % untuk data training dan 62,96 % untuk data validasi. Sementara untuk karakter yang belum dilatih, tingkat akurasi pengenalannya mencapai 90,27 % dengan rata-rata tingkat akurasi 63,41 %.
Kata Kunci : Boxed Discreete Character, Handwriting Character Recognition, Ekstraksi Ciri Titik, Normalized Contour Analysis, BackpropagationABSTRACT: Handwriting Character Recognition is a complicated problem in Information Technology. One of them is Handwriting Character Recognition from the form with characters segmented with boxed or known with Boxed Discreete Character. With Handwriting Character Recognition, human is no necessarily need to input data of the form which is so many characters and can make human to be tired and sometimes they make mistake in inputing data because of that problem. But now, with computer, that problem can be solved by scanning the form and then will be automatically processed.
To recognize handwriting character, feature of character on the form has to be extracted first, and then will be analyzed, so that computer can decide the character. Point Feature Extraction and Normalized Contour Analysis are two feature extraction methods which can extract unique feature of character.
Feature from that two methods will be used as input in Backpropagation which is by using FeedForward process, the character can be recognized based on the character that has been trained before.
From the evaluation, the characters can be recognized with accuracy 99,03 % for data training and 62,96 % for data validation. And the characters which has not been trained can be recognized to 90,27 % in accuracy, with average accuracy 63,41 %.
Keyword: Boxed Discreete Character, Handwriting Character Recognition, Point Feature Extraction, Normalized Contour Analysis, Backpropagation