Pengenalan Tulisan Tangan Menggunakan Metode Curvelet Transform Dan Jaringan Saraf Tiruan Backprogation Untuk Kasus Penilaian Esai

Tiofan, Rudianto (2017) Pengenalan Tulisan Tangan Menggunakan Metode Curvelet Transform Dan Jaringan Saraf Tiruan Backprogation Untuk Kasus Penilaian Esai. 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

Penelitian dalam bidang pengenalan tulisan tangan telah berkembang dalam kurun waktu yang cukup lama. penelitian tersebut dilakukan karena semakin banyak dipergunakan model tulisan tangan dalam kehidupan sehari-hari. Berdasarkan penelitian mengenai tulisan tangan yang telah dilakukan sebelumnya ditemukan kendala pada proses pengenalannya, hal ini dikarenakan beberapa huruf alfabet memiliki kemiripan bentuk dengan huruf lainnya serta pada penerapannya pengenalan tulisan tangan baru diimplementasikan pada kasus yang secara umum. Pada penelitian ini citra tulisan tangan akan melalui tahap preprocessing yang meliputi proses grayscale, thresholding, dilasi, segementasi dan thinning yang selanjutnya akan lakukan proses ekstraksi ciri menggunakan metode Curvelet Transform. Curvelet Transform merupakan metode yang dapat mendefinisikan ciri citra, terutama pada citra dengan garis melengkung. Tahapan pengenalan dilakukan dengan cara mengklasifikasi hasil ciri yang didapat menggunakan metode JST Backpropagation yang merupakan salah satu metode klasifikasi terbaik untuk proses pengenalan tulisan tangan. Setelah didapatkan hasil pengenalan, selanjutnya akan di lakukan proses penilaian esai dengan mengukur tingkat kesamaan dari hasil pengenalan dengan kunci jawaban menggunakan metode Rabin Karp. Berdasarkan hasil pengujian yang dilakukan menggunakan 4 kombinasi parameter pelatihan terhadap 10 data tulisan jawaban esai didapatkan akurasi pengujian terbaik sebesar 76,3%. Parameter yang digunakan pada pelatihan backpropagation yaitu, learning rate sebesar 0.05, minimum error 0.001, dan maksimum eppoch sebesar 2000.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Pengenalan Tulisan Tangan, JST Backpropagation, Ekstraksi Ciri, Curvelet Transform, Kecerdasan buatan
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: http://repository.unikom.ac.id/id/eprint/53461

Actions (login required)

View Item View Item