HERU SIANDRA (2018) IMPLEMENTASI METODE CANNY DAN CHAIN CODE PADA PENGENALAN HURUF ALFABET TULISAN TANGAN MENGGUNAKAN BACKPROPAGATION. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018109TIF.pdf Download (149kB) | Preview
Preview	Text 2. PENGESAHAN_2018109TIF.pdf Download (537kB) | Preview
Preview	Text 3. ABSTRAK_2018109TIF.pdf Download (104kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018109TIF.pdf Download (192kB) | Preview
Preview	Text 5. DAFTAR ISI_2018109TIF.pdf Download (198kB) | Preview
Preview	Text 6. BAB I_2018109TIF.pdf Download (119kB) | Preview
Preview	Text 7. BAB II_2018109TIF.pdf Download (369kB) | Preview
Preview	Text 8. BAB III_2018109TIF.pdf Download (184kB) | Preview
Preview	Text 9. BAB IV_2018109TIF.pdf Download (899kB) | Preview
	Text 10. BAB V_2018109TIF.pdf Restricted to Repository staff only Download (685kB)
Preview	Text 11. BAB VI_2018109TIF.pdf Download (97kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018109TIF.pdf Download (122kB) | Preview

Abstract

Pengenalan huruf alfabet tulisan tangan oleh komputer memiliki sebuah masalah kompleks yaitu berhubungan dengan dinamika dan keberagaman bentuk tulisan. Untuk mengatasi masalah tersebut diterapkan metode pengolahan citrapada tahap pre-processing,tahap ekstraksi ciri dan tahap klasifikasi pada pengenalan alfabet tulisan tangan. Tahap Pre-processing terdiri dari(cropping, resizing, konversi RGB kegreyscale, deteksi tepicanny, dandilasi), Tahap selanjutnya melakukan ekstraksi fitur menggunakan metodechain code, kemudian tahap klasifikasi menggunakan backpropagation. Percobaan dilakukan dengan menggunakan matriks 60 x 60 hasil resizing kemudian di ekstrak menjadi vektor dengan ukuran 1 x 150 dengan chain code yang akan menjadi vektor input pada jaringan backpropagation pada pelatihan dan pengujian. Akurasi pengenalan terbaik terhadap huruf kapital didapat dengan menggunakan persentase data latih90% dan data uji 10%,nilaialfa 0.01 dengan duahidden layer dengan neuron pada masing-masing hidden[100 50]yaitu88,46%. Akurasi pengenalan terbaik terhadap huruf kecil di dapat dengan menggunakan persentase datalatih 90% dan data uji 10%, nilai alfa 0,01, dengan dua hidden layer dengan neuron pada masing-masing hidden[100 50]yaitu 90,38%. Dengan demikian, dapat disimpulkan bahwa penerapan metode canny dan chain code menggunakan backpropagation dengan baik pada pengenalan alfabet tulisan tangan.Kata kunci:Huruf Alfabet Tulisan Tangan, Pengenalan Pola,Canny,Chain Code, Backpropagation.

Actions (login required)

View Item