Penerapan Metode Learning Vector Quantization Dan Directional Element Feature Untuk Pengenalan Tulisan Tangan

Suwandi, David (2018) Penerapan Metode Learning Vector Quantization Dan Directional Element Feature Untuk Pengenalan 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

Pengenalan tulisan tangan merupakan bagian Optical Character Recognition (OCR) yaitu sebuah proses untuk mengenali karakter dari suatu citra digital. Citra dari tulisan tangan akan diubah kedalam bentuk digital, yang nantinya akan mampu dikenali sistem. Metode klasifikasi digunakan untuk proses learning dalam pengenalan tulisan tangan. Berdasarkan penelitian sebelumnya Metode Learning Vector Quantization (LVQ) mampu mengenali citra dengan tingkat keakuratan 61,07% dan untuk data yang belum dilatih sebesar 48,17%. Proses pengenalan tulisan tangan melalui berbagai proses diantaranya proses grayscale, savuola threshold, segmentasi dan ekstraksi ciri yang kemudian hasil dari ekstraksi akan masuk pada metode LVQ untuk dilakukan pelatihan dan pengujian. Proses Metode LVQ digabungkan dengan metode ekstraksi ciri Directional Element Feature, metode DEF digunakan untuk mendapatkan ciri dari sebuah citra yaitu dengan melihat perbedaan kontur dan tanpa proses skeletonisasi. Setelah melakukan pengujian sistem dengan metode Black Box dan dihitung tingkat akurasi dapat ditarik kesimpulan bahwa program berfungsi dengan benar. Pada pengenalan tulisan tangan memiliki tingkat akurasi 73.80% dan untuk citra tulisan tangan yang belum dilakukan pembelajaran sebesar 36.99%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: ata kunci: Pengenalan Tulisan Tangan, Learning Vector Quantization, Directional Element Feature, Ekstraksi Ciri, Kecerdasan Buatan
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 10:25
Last Modified: 31 Jan 2019 10:25
URI: https://repository.unikom.ac.id/id/eprint/59540

Actions (login required)

View Item View Item