ABSTRAKSI: Pattern recognition merupakan salah satu teknologi yang hingga saat ini terus mengalami perkembangan. Manfaatnya yang sangat besa r bagi kehidupan manusia mendorong peneliti terus mengembangkan performansi dan akurasi sistem dengan mencoba dan mengimplementasikan banyak pilihan metode algor itma. Salah satu teknik pengenalan pola yang banyak dikenali orang adalah Optical Character Recognition (OCR).
OCR merupakan sistem pengenalan pola karakter denga n input -an berupa citra baik secara off-line (hasil scan atau foto) maupun secara on-line (hasil guratan secara real-time ) . Pada dasarnya OCR terdiri dari tiga proses utama ya itu praproses, ekstraksi fitur/ciri, dan klasifikasi. Dalam Tugas Akhir ini, pada tahap pra proses akan dilakukan pengolahan citra digital agar citra masukan lebih efisien untuk diol ah pada tahap selanjutnya. Sedangkan untuk tahap ekstraksi ciri akan digunakan metode Modified Direction Feature (MDF) dan metode Least Squares Support Vector Machine (LSSVM) sebagai pengklasifikasi.
MDF merupakan kombinasi dari metode Direction Feature (DF) dan Transition Feature (TF) yaitu dengan mengambil dan menghitung nilai ci ri berdasarkan stroke karakter dari berbagai arah sehingga ciri karakter bersifat unik dan menjadi salah satu metode yang memiliki performansi baik dalam proses ekstraksi ci ri. Setelah ciri karakter didapat, maka akan diklasifikasikan oleh metode LSSVM yang merupa kan variant dari SVM standar. Jika SVM dikarakteristik oleh permasalahan konveks quadratic programming dengan pembatas berupa pertidaksamaan, maka LSSVM sebaliknya, dikar akteristik dengan menggunakan pembatas yang hanya berupa persamaan. Sehingga solu si dari LSSVM ini dihasilkan dengan menyelesaikan persamaan tersebut.
Penelititan Tugas Akhir ini menghasilkan akurasi 84 ,61% untuk data uppercase , 90,48% untuk data lowercase , 86,36% untuk data numeric , dan 68,37% untuk data total (gabungan data uppercase , lowercase , dan numeric ).Kata Kunci : Pattern recognition , Optical Character Recognition (OCR), Ekstraksi ciri, Modified Direction Feature (MDF), Least Squares Support Vector Machine (LSSVM).ABSTRACT: Pattern recognition is one of technology that cont inues to evolve. Enormous benefits for human life makes researchers continue to develo p the performance and accuracy of the system by trying to implement a lot of methods and algorithms. One of the many pattern recognition technique known is Optical Character Re cognition (OCR).
OCR is a pattern recognition system to input a cha racter off-line image (scan or photo) or on-line (stroke results in real-time). OC R basically consists of three main processes namely preprocessing, feature extraction, and class ification. In this thesis, the preprocessing phase digital image processing will be done so that more efficient input image to be processed in the next step. As for the feature extr action phase will use the method Modified Direction Feature (MDF) and the Least Squares Suppo rt Vector Machine (LSSVM) as classifiers.
MDF is a combination of methods Direction Feature (DF) and Transition Feature (TF) is to calculate the value based on stroke character traits from different directions so that the unique nature and character traits to be one method which has good performance in the process of feature extraction. Once the character t raits acquired, it will be classified by the LSSVM method which is a variant of the standard SVM . If SVM is characterized by a convex quadratic programming problem with a barrier of inequality, the LSSVM contrary, characterized by the use of just limiting equation. So the solution of LSSVM is generated by solving these equations.
Combination of methods MDF and LSSVM in this thes is achieved an accuracy of 84,61% for uppercase, 90,48% for lowercase, 86,36% for numeric , and 68,37% for total data (all case-sensitive).Keyword: Pattern recognition, Optical Character Recognition (OCR), Feature Extraction, Modified Direction Feature (MDF), Least Squares Sup port Vector Machine (LSSVM).