TA : Pengambilan Fitur Angka Jawa Menggunakan Shadow Feature Extraction
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika
Author
Anam, Angsorul
Susijanto Tri Rasmana (LECTURER ID : .)
Susijanto Tri Rasmana (LECTURER ID : .)
Subject
620 Engineering & Applied operations
Datestamp
2016-08-11 07:39:29
Abstract :
Banyak aplikasi-aplikasi yang dikembangkan untuk mengenali penulisan tangan dikenal sebagai Optical Character Recognition (OCR), Pada umumnya pengenalan dilakukan pada huruf alphabet saja. Angka Jawa (aksara wilangan) atau aksara Jawa adalah salah satu kebudayaan Indonesia dari nenek moyang yang harus dikenalkan pada generasi penerus. Karakter angka Jawa terdiri dari beberapa angka dasar dari angka 0-9. Dalam pengerjaan Tugas Akhir ini dilakukan pengambilan fitur karakter tulisan tangan angka Jawa dengan menggunakan Metode Shadow Feature Extraction dan Multi Layer Perceptron (MLP). Metode shadow feature extraction digunakan untuk mengenali ciri dari citra tulisan tangan sebelum nantinya diklasifikasikan jenis karakternya oleh MLP. Pengujian aplikasi terdiri dari 2 tahap yaitu pengujian sampel training sebanyak 100 set data dan pengujian sampel testing sebanyak 50 set data, yang masing-masing data didapatkan dari 150 patisipan. Persentase keberhasilan pengenalan pola terhadap sampel training sebesar 99, 90% dan error pengenalan 0,10% , sedangkan sampel testing sebesar 90,8% dan error pengenalannya 9,2 %.
Banyak aplikasi-aplikasi yang dikembangkan untuk mengenali penulisan tangan dikenal sebagai Optical Character Recognition (OCR), Pada umumnya pengenalan dilakukan pada huruf alphabet saja. Angka Jawa (aksara wilangan) atau aksara Jawa adalah salah satu kebudayaan Indonesia dari nenek moyang yang harus dikenalkan pada generasi penerus. Karakter angka Jawa terdiri dari beberapa angka dasar dari angka 0-9. Dalam pengerjaan Tugas Akhir ini dilakukan pengambilan fitur karakter tulisan tangan angka Jawa dengan menggunakan Metode Shadow Feature Extraction dan Multi Layer Perceptron (MLP). Metode shadow feature extraction digunakan untuk mengenali ciri dari citra tulisan tangan sebelum nantinya diklasifikasikan jenis karakternya oleh MLP. Pengujian aplikasi terdiri dari 2 tahap yaitu pengujian sampel training sebanyak 100 set data dan pengujian sampel testing sebanyak 50 set data, yang masing-masing data didapatkan dari 150 patisipan. Persentase keberhasilan pengenalan pola terhadap sampel training sebesar 99, 90% dan error pengenalan 0,10% , sedangkan sampel testing sebesar 90,8% dan error pengenalannya 9,2 %.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
