Analisis Algoritma Learning Vector Quatization Untuk Mengenali Karakter Orang Berdasarkan Fitur Spasi Tulisan Tangan

Faris, Miftah (2016) Analisis Algoritma Learning Vector Quatization Untuk Mengenali Karakter Orang Berdasarkan Fitur Spasi Tulisan Tangan. Diploma thesis, Universitas Komputer Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi, mengevaluasi dan pemahaman karakter seseorang melalui pola tulisan tangan. Untuk mendapatkan informasi seseorang dapat dianalisis melalui unsur-unsur grafis struktural tulisan tangan. Dari tulisan tangan tersebut dapat diidentifikasi kualitas, sifat, sikap sentimen atau postur yang tampak ditunjukkan dari tulisan tangan. Penelitian ini akan berfokus pada spasi didalam tulisan tangan sebagai bahan analisisnya. Pengenalan tulisan tangan dapat menggunakan jaringan saraf tiruan dengan cara mengklasifikasikan vektor-vektor masukan ke dalam kelas-kelas yang sudah ditentukan, salah satu metode jaringan saraf tiruan adalah learning vector quantization. Learning vector quantization merupakan jaringan saraf tiruan bertipe arsitektur lapisan tunggal yang hanya terdiri dari unit masukan dan keluaran. Sebuah data masukan dan keluaran yang digunakan untuk melatih jaringan hingga diperoleh bobot yang diinginkan.Data citra yang digunakan untuk analisis melalui tahapan proses image processing terlebih dulu seperti proses cropping, grayscale, edge detection, thresholding, normalisasi dan segmentasi citra. Fitur spasi yang digunakan pada penelitian ini adalah tiga fitur spasi yaitu, fitur spasi antar baris, fitur spasi antar kata dan fitur spasi antar huruf dengan menggunakan segmentasi citra untuk mendapatkan jarak pada setiap fiturnya. Setelah melakukan proses pembelajaran dan pengenalan yang telah dilakukan dengan menggunakan algoritma learning vector quantization tidak dapat digunakan dalam mengenali tulisan tangan seseorang, karena menghasilkan akurasi hanya sebesar 30% dari 20 data yang diuji dalam pengenalan.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Grafologi, Jaringan Saraf Tiruan, Learning Vector Quantization, Image Processing, Fitur Spasi Tulisan Tangan
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: Admin Repository
Date Deposited: 16 Nov 2016 07:59
Last Modified: 16 Nov 2016 07:59
URI: http://repository.unikom.ac.id/id/eprint/20237

Actions (login required)

View Item View Item