Analisis dan Implementasi Pengenalan Citra Tulisan Tangan Alfabet Menggunakan Metode MODIFIED DIRECTION FEATURE dan Klasifikasi JARINGAN SYARAF TIRUAN-LEARNING VECTOR QUANTIZATION

Insan Akbar Ersyaputra

Informasi Dasar

118090058
004
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Alfabet adalah sebuah sistem tulisan yang berdasarkan lambang fonem vokal dan konsonan. Alfabet berasal dari bahasa Yunani yaitu, alfa dan beta. Huruf alfabet terdiri dari huruf A hingga Z. Alfabet digunakan hampir di seluruh negara sebagai sistem penulisan. Tulisan tangan alfabet seseorang dapat berbeda dengan orang lainnya. Oleh karena itu, akan terdapat banyak pola yang berbeda untuk menentukan suatu huruf alfabet. MDF adalah salah satu metode ekstrasi ciri yang dapat mengenali ciri berdasarkan bentuk pola yang terdapat dalam gambar. LVQ merupakan salah satu jenis pembelajaran pada JST yang melakukan pembelajaran pada lapisan kompetitif yang terawasi. Dalam tugas akhir ini, pola tulisan tangan manusia akan di ambil ciri nya menggunakan MDF kemudian hasil dari ektraksi ciri dikelompokan menggunakan LVQ. Parameter-parameter yang diuji untuk mendapatkan hasil terbaik dalam tugas akhir ini yaitu ukuran normalisasi, jumlah transisi, dan jumlah hidden neoron. Proses pencarian parameter terbaik dengan cara mencari masing-masing nilai yang terbaik kemudian digabungkan untuk mendapat akurasi yang terbaik. Dalam uji coba menggunakan gabungan huruf besar dan huruf kecil, hasil yang didapat kurang baik hanya sebesar 68,27 %. Dari hasil yang didapat, hasil tidak begitu baik dikarenakan beberapa huruf alfabet memiliki kemiripan bentuk dengan huruf lainnya seperti contoh huruf “U” dengan “u”. Oleh karena itu, data dibagi menjadi dua bagian, yaitu huruf kapital dan huruf kecil. Hasil akurasi terbaik untuk pembagian huruf kapital sebesar 74,04 % dan untuk huruf kecil sebesar 75 %. Dengan proses pembagian huruf kapital dan huruf kecil menghasilkan akurasi yang lebih baik daripada penggabungan huruf kapital dan huruf kecil meskipun masih terdapat beberapa huruf yang tidak dapat terbaca dengan baik.Kata Kunci : Modified Direction Feature, Learning Vector Quantization, Citra Digital, Pengenalan Pola, Tulisan TanganABSTRACT: Alphabet is the written system based on vocal and consonant phonem. Alphabet came from Yunani, that are alfa and beta. Alphabet consist from the letter A until Z. Almost every country around the world use alphabet for their written system. The written alphabet can be difference between one and another people. So, there will be so many ways in considering the alphabet itself. MDF is on of the extraction method to know the character based on the pattern of picture. LVQ is one of the learning type in JST in the supervised competitive learning. In this research, the written alphabet will be categorize using MDF then devided into groups using LVQ. Normalization, number of transition, and number of hidden neuron are parameters that are used in this research. Best parameter can be got through getting the best number and combine it to get the best number of accuration. The number of accuration in this research is 68.27%. That result did not give the best accuration because there are similarity between some letters, such as “U” and “u”. In that case, letters divided between capital and non capital leters. The number of accuration for the capital letter is 74.04% and non-capital letter is 75%. Dividing between capital and non-capital letter is a good way in getting better result though there were some letters that can not be read.Keyword: Modified Direction Feature, Learning Vector Quantization, Digital Image, Pattern Recognation, Written Alphabet

Subjek

Teknik Komputer
 

Katalog

Analisis dan Implementasi Pengenalan Citra Tulisan Tangan Alfabet Menggunakan Metode MODIFIED DIRECTION FEATURE dan Klasifikasi JARINGAN SYARAF TIRUAN-LEARNING VECTOR QUANTIZATION
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Insan Akbar Ersyaputra
Perorangan
Yuliant Sibaroni, Fhira Nhita
 

Penerbit

Universitas Telkom
Bandung
2013

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini