Pengenalan Tulisan Tangan Aksara Batak Toba Menggunakan Jaringan Saraf Tiruan Berbasis Multilayer Perceptron - Handwritten Batak Toba Alphabet Recognition Using Multilayer Perceptron Algorithm Neural Network
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Maranatha
Author
Sihombing, J. Rio ( 0322129 )
Subject
TK Electrical engineering. Electronics Nuclear engineering
Datestamp
2015-01-28 07:13:34
Abstract :
Aksara Batak Toba merupakan salah satu budaya Indonesia yang layak dilestarikan. Salah satu upaya untuk melestarikannya maka pada Tugas Akhir ini dirancang sebuah sistem pengenalan tulisan tangan aksara Batak Toba menggunakan jaringan saraf tiruan berbasis algoritma multilayer perceptron. Jaringan saraf tiruan merupakan salah satu metode yang sering digunakan dalam pengenalan pola. Dalam Tugas Akhir ini proses perancangan jaringan saraf tiruan melalui beberapa tahap yaitu tahap pra proses meliputi binerisasi, inversi, segmentasi, dan normalisasi, tahap selanjutnya adalah ekstraksi ciri menggunakan metoda fourier descriptor, dan langkah terakhir adalah learning algoritma menggunakan multilayer perceptron. Jaringan saraf tiruan yang digunakan memiliki arsitektur backpropagation neural network. Data tulisan tangan berasal dari 15 naracoba dengan 2 kali penulisan sehingga diperoleh sebanyak 30 set data. Dari percobaan diperoleh hasil 96.02% berhasil dikenali jika data uji sama dengan data latih dan rata-rata 78.12% berhasil dikenali jika data uji berbeda dengan data latih.
Aksara Batak Toba merupakan salah satu budaya Indonesia yang layak dilestarikan. Salah satu upaya untuk melestarikannya maka pada Tugas Akhir ini dirancang sebuah sistem pengenalan tulisan tangan aksara Batak Toba menggunakan jaringan saraf tiruan berbasis algoritma multilayer perceptron. Jaringan saraf tiruan merupakan salah satu metode yang sering digunakan dalam pengenalan pola. Dalam Tugas Akhir ini proses perancangan jaringan saraf tiruan melalui beberapa tahap yaitu tahap pra proses meliputi binerisasi, inversi, segmentasi, dan normalisasi, tahap selanjutnya adalah ekstraksi ciri menggunakan metoda fourier descriptor, dan langkah terakhir adalah learning algoritma menggunakan multilayer perceptron. Jaringan saraf tiruan yang digunakan memiliki arsitektur backpropagation neural network. Data tulisan tangan berasal dari 15 naracoba dengan 2 kali penulisan sehingga diperoleh sebanyak 30 set data. Dari percobaan diperoleh hasil 96.02% berhasil dikenali jika data uji sama dengan data latih dan rata-rata 78.12% berhasil dikenali jika data uji berbeda dengan data latih.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
