Implementasi Metode Support Vector Machine (SVM) Dan Zoning Untuk Pengenalan Tulisan Tangan Pada Kasus Pengecekan Jawaban Ujian

Ferderico Soleh, Muhammad (2017) Implementasi Metode Support Vector Machine (SVM) Dan Zoning Untuk Pengenalan Tulisan Tangan Pada Kasus Pengecekan Jawaban Ujian.

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

Abstract

Tulisan tangan merupakan salah satu bagian bahasa dari bahasa secara umumnya. Tulisan tangan dapat dimiliki oleh semua orang dan tulisan setiap orang berbeda-beda, tergantung dengan tingkat keunikan dan karakteristik yang dimiliki. Telah banyak penelitian yang dikaji terkait pengenalan citra tulisan tangan. Hasil dari pengenalan citra tulisan tangan yang didapatkan bervariasi dan dipengaruhi oleh data latih dan metode ekstraksi fitur dan klasifikasi. Dalam penelitian ini, metode ekstraksi fitur yang digunakan adalah Zoning(Image Centroid Zone-Zone Centroid Zone), metode klasifikasi yang digunakan adalah Support Vector Machine untuk melakukan pengenalan citra tulisan tangan yang selanjutnya akan diimplementasikan pada kasu evaluasi jawaban ujian esai. Hasil evaluasi jawaban ujian pada penelitian ini dipengaruhi oleh akurasi pengenalan tulisan tangan yang didapatkan. Sebelum melakukan proses klasifikasi , citra tulisan tangan akan melalui tahap Grayscale, Threshold, Segmentasi, Resize dan ekstraksi fitur Zoning. Dan selanjutnya dilakukan proses pelatihan dan pengujian oleh metode Support Vector Machine. Setelah didapatkan hasil pengenalannya maka langkah terakhir yaitu evaluasi jawaban ujian dengan metode rabin-karp yang hanya bertugas untuk menentukan tingkat kesamaan antara hasil pengenalan dan jawaban ujian yang disediakan. Karakter tulisan tangan yang dapat dikenali ada 62 karakter terdiri dari A-Z, a-z dan 0-9. Data training yang digunakan pada penelitian ini menggunakan 1 sampel tulisan tangan untuk 62 data kelas yang ada, yang berarti (1 x 62 = 62) dan 100 sampel tulisan tangan untuk data latih yang artinya ada 6.200 karakter (100 x 62 = 6200). Kemudian data uji yang digunakan ada 1 data tulisan jawaban esai yang berbeda-beda. Berdasarkan hasil pengujian yang dilakukan terhadap data uji dengan menggunakan 10 kombinasi parameter pelatihan, maka didapatkan akurasi terbaik sebesar 77,6 % adapun kombinasi yang digunakan adalah gamma =0.5 , probability= 2, nu = 0.5 dan maksimum C = 1.

Item Type: Article
Uncontrolled Keywords: Kecerdasan Buatan, Support Vector Machine, Zoning, pengenalan citra tulisan tangan, pengolahan citra, SVM.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2017
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 10 Nov 2017 03:33
Last Modified: 10 Nov 2017 03:33
URI: https://repository.unikom.ac.id/id/eprint/53440

Actions (login required)

View Item View Item