PENGENALAN CITRA AKSARA JAWA DENGAN EKTRAKSI FITUR PRINCIPAL COMPONENT ANALYSIS DAN PENGKLASIFIKASI SUPPORT VECTOR MACHINE

Abstract

Bahasa Jawa merupakan salah satu bahasa lokal di Indonesia. Penulisan tradisional dalam Bahasa Jawa disebut aksara jawa. Sebagai huruf non-latin, aksara jawa memiliki cara penulisan dan bentuk yang unik. Penelitian ini menggunakan metode principal component analysis (PCA) dan support vector machine (SVM) untuk pengenalan citra aksara jawa. Metode PCA bertindak sebagai metode ekstraksi fitur, sementara SVM sebagai pengklasifikasi. Metode SVM yang digunakan pada penelitian ini adalah kernel linier dan strategi one vs one. Data yang digunakan sebanyak 27 kelas dengan masing-masing kelas berisi 3 citra uji dan 27 citra latih. Data tersebut dibagi menggunakan k-fold cross validation kedalam 10 fold. Penelitian ini melibatkan tiga skenario, yaitu PCA-SVM, Thining-PCASVM, dan Zoning-PCA-SVM. Hasil penelitian menunjukkan bahwa proses pengenalan aksara jawa dari kombinasi metode PCA dan SVM menghasilkan nilai yang berbeda untuk setiap skenario. Nilai rata-rata akurasi tertinggi dari metode PCA dan SVM diperoleh pada skenario Zoning-PCA-SVM, yaitu sebesar 52,3457% dengan runtime sebesar 187,528 detik. Kata kunci: principal component analysis, support vector machine, aksara jawa, pengenalan citra