Electronic Theses and Dissertation
Universitas Syiah Kuala
NULL
PENGENALAN AKSARA JAWI TULISAN TANGAN MENGGUNAKAN FREEMAN CHAIN CODE (FCC) DAN SUPPORT VECTOR MACHINE (SVM)
Pengarang
Safrizal - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
1309200200037
Fakultas & Prodi
Fakultas / / PDDIKTI :
Subject
Kata Kunci
Penerbit
Banda Aceh : Universitas Syiah Kuala., 2016
Bahasa
Indonesia
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Banyak kitab dan dokumen dari sebelum pertengahan abad ke-19 yang tersebar di daerah Asia Tenggara yang didiami bangsa Melayu ditulis menggunakan aksara Jawi. Kitab-kitab dan dokumen-dokumen tersebut akan rusak akibat usia dan cara penyimpanan yang tidak baik. Untuk menjaga kelestariannya maka kitab-kitab dan dokumen-dokumen tersebut dapat disimpan dalam bentuk digital. Agar dokumen digital beraksara Jawi dapat diterjemahkan kedalam bentuk teks digital maka diperlukan Optical Character Recognition (OCR) khusus untuk mengenali aksara tersebut. Pada penelitian ini dilakukan pengenalan aksara Jawi tunggal. Aksara Jawi yang digunakan merupakan tulisan tangan dari 10 orang penulis dari berbagai latar belakang dan umur. Ekstraksi fitur menggunakan Freeman Chain Code (FCC) dan klasifikasi dengan Support Vector Machine (SVM). FCC digunakan untuk merepresentasikan garis batas (boundary) aksara Jawi kedalam bentuk kode rantai. Kode rantai tersebut kemudian diklasifikasi dengan menggunakan SVM kedalam 19 kelompok yang dibedakan berdasarkan bentuk bagian utama aksara tanpa dilakukan ekstraksi fitur letak titik, jumlah titik dan adanya lubang. Simulasi menunjukkan bahwa tingkat keberhasilan klasifikasi SVM kedalam 19 kelompok mencapai 81,58% sedangkan pada simulasi pengelompokan ulang menjadi 15 kelompok mampu menghasilkan tingkat pengenalan yang lebih baik yang mencapai 86,84%. Ekstraksi fitur letak titik, jumlah titik dan adanya lubang pada aksara testing digunakan sebagai aturan pengambilan keputusan terhadap kelompok hasil klasifikasi SVM. Hasil akhir tingkat keberhasilan klasifikasi kedalam aksara Jawi penelitian ini mencapai 92,86%.
Kata kunci: Aksara Jawi, tulisan tangan, FCC, SVM, aturan pengambilan keputusan
Tidak Tersedia Deskripsi
PENGENALAN KARAKTER TULISAN TANGAN JAWI MENGGUNAKAN METODE EKSTRAKSI FITUR ROTATION, SCALING AND SHIFTING INVARIANT-RELATIVE CONTEXT (RSSI-RC) DAN SUPPORT VECTOR MACHINE (SVM) (Rizal Fikri, 2016)
SISTEM PENGENALAN HURUF JAWI CETAK MENGGUNAKAN FITUR MOMENT INVARIANT (Iswandi, 2016)
PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK LENET-5 DAN ALEXNET DALAM PENGENALAN KARAKTER PLAT NOMOR KENDARAAN BERMOTOR (Firman Maulana Adhari, 2021)
PENERAPAN FITUR FREEMAN CHAIN CODE PADA ALGORITMA SUPPORT VECTOR MACHINE UNTUK PENGENALAN KARAKTER PLAT NOMOR KENDARAAN BERMOTOR (ABBAS ADAM AZ ZUHRI, 2017)
PENGGUNAAN FITUR MOMEN ZERNIKE UNTUK PENGENALAN KARAKTER JAWI CETAK (Hardian Saputra, 2017)