APLIKASI PENGENALAN POLA TULISAN TANGAN ANGKA ARABIC (INDIAN) MENGGUNAKAN METODE CONNECTED COMPONENT LABELING DAN TEMPLATE MATCHING

AKBAR, RONI and Sarwoko, Eko Adi (2016) APLIKASI PENGENALAN POLA TULISAN TANGAN ANGKA ARABIC (INDIAN) MENGGUNAKAN METODE CONNECTED COMPONENT LABELING DAN TEMPLATE MATCHING. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

508Kb

Abstract

Tulisan tangan merupakan hasil menulis, barang yang ditulis ataupun cara menulis dengan tangan (bukan ketikan). Tulisan tangan dapat dikenali karena hasil dari proses pembelajaran manusia. Gaya penulisan setiap orang tidak sama, hal ini menjadi kendala dalam mengenali hasil tulisan tangan. Pengenalan tulisan tangan menjadi lebih sulit apabila objek tulisan berbeda dari yang biasa digunakan, contohnya tulisan dalam bahasa lain. Salah satu bahasa resmi Perserikatan Bangsa-Bangsa (PBB), bahasa Arab, memiliki penulisan angka yang dikenal sebagai angka Arabic (Indian). Identifikasi ciri-ciri membantu manusia untuk membedakan suatu pola dengan pola lainnya. Pengelompokan pola ini dapat diterapkan kepada mesin untuk tujuan mengenali suatu objek tulisan pada citra. Penelitian ini merancang dan membangun aplikasi pengenalan pola tulisan tangan angka Arabic (Indian) menggunakan metode connected component labeling dan template matching. Connected component labeling digunakan untuk pemotongan karakter menjadi bagian yang tidak saling terhubung satu sama lain agar mudah dikenali. Template matching adalah metode yang digunakan untuk mencari seberapa besar kecocokan antara citra uji dengan citra latih menggunakan classifier k- Nearest Neighbors (KNN). Fitur yang dimiliki aplikasi ini di antaranya dapat menyimpan citra latih angka Arabic (Indian), melakukan klasifikasi angka Arabic (Indian), dan pemotongan karakter. Aplikasi ini memberikan hasil pengenalan berupa angka modern yang dipakai sehari-hari. Aplikasi ini dikembangkan dengan metode sequential linear yang diimplementasikan dengan menggunakan bahasa pemrograman MATLAB dan database Microsoft Access. Aplikasi ini diuji dengan menggunakan 100 citra uji. Tiga hasil klasifikasi terbaik dari pengenalan pola tulisan tangan angka Arabic (Indian) menggunakan metode k- Nearest Neighbors (KNN) adalah 86% saat nilai k= 1, 84% dengan nilai k= 3, dan 83% dengan k= 5.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:59206
Deposited By:INVALID USER
Deposited On:12 Jan 2018 14:06
Last Modified:12 Jan 2018 14:06

Repository Staff Only: item control page