Penerapan Metode Support Vector Machine Dan Zone Centroid Zone Pada Pengenalan Citra Katakana Dan Hiragana

Nur Adli, Luthfi (2018) Penerapan Metode Support Vector Machine Dan Zone Centroid Zone Pada Pengenalan Citra Katakana Dan Hiragana. 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

Optical Character Recognition (OCR) merupakan konversi dari tulisan tangan ke dalam bentuk file citra yang diubah, OCR dapat digunakan untuk pengenalan citra aksara Jepang, metode yang digunakan antara lain metode ArtificialNeuralNetwork [8], Backpropagation, HoughTransform[13], dan SupportVectorMachine [10]. Dari beberapa metode yang disebutkan metode SupportVectorMachine paling banyak digunakan karena memiliki kelebihan dalam akurasi yang baik yakni 90% [15]. Metode SupportVectorMachine dapat dikombinasikan dengan metode ekstraksi fitur Zoning-ZoneCentroidZone mampu menghasilkan hasil akan akurat dalam pengenalan tulisan, metode ini dipilih karena berdasarkan penelitian sebelumnya apabila metode klasifikasi SVM dan Zoning dikombinasikan akan lebih akurat. Oleh karena itu dalam penelitian ini bagaimana tingkat keakuratan pengenalan tulisan tangan menggunakan metode Zoning(ZoneCentroidZone) SupportVectorMachine (SVM) pada aksara katakana dan hiragana.Proses awal yang dilakukan yaitu memasukkan citra tulisan tangan kedalam aplikasi. Langkah selanjutnya melalui tahap pengolahan citra meliputi grayscale, thresholding, thining dan feature extraction. Dari tahap pengolahan citra akan didapatkan array nilai desimal dari setap ciri karakter, array desimal kemudian diolah kembali pada tahap klasifikasi dengan metode SVM baik pelatihan maupun pengujian. Hasil dari pengenalan tulisan tangan didapatkan teks digital.Berdasarkan hasil pengujian sistem pengenalan tulisan tangan pada kasus pengenalan citra Katakana dan Hiragana menggunakan metode Support Vector machine maka diperoleh akurasi terbaik sebesar 23,2%. Akurasi ini dipengaruhi oleh parameter pelatihan, data training dan data uji yang digunakan.

Item Type: Thesis (Diploma)
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 > 2018
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 31 Jan 2019 10:24
Last Modified: 31 Jan 2019 10:24
URI: https://repository.unikom.ac.id/id/eprint/59313

Actions (login required)

View Item View Item