HERU LATE NUGRAHA (2018) PENGENALAN KARAKTER HURUF HIJAIYAH MENGGUNAKAN ALGORITMA CHAIN CODE DAN LEARNING VECTOR QUANTIZATION 2.1 (LVQ2). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_201883TIF.pdf Download (292kB) | Preview
Preview	Text 2. PENGESAHAN_201883TIF.pdf Download (949kB) | Preview
Preview	Text 3. ABSTRAK_201883TIF.pdf Download (378kB) | Preview
Preview	Text 4. KATA PENGANTAR_201883TIF.pdf Download (290kB) | Preview
Preview	Text 5. DAFTAR ISI_201883TIF.pdf Download (247kB) | Preview
Preview	Text 6. BAB I_201883TIF.pdf Download (306kB) | Preview
Preview	Text 7. BAB II_201883TIF.pdf Download (827kB) | Preview
Preview	Text 8. BAB III_201883TIF.pdf Download (383kB) | Preview
Preview	Text 9. BAB IV_201883TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_201883TIF.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI_201883TIF.pdf Download (96kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_201883TIF.pdf Download (212kB) | Preview

Abstract

Pengenalan karakter huruf hijaiyah merupakan penelitian untuk mengenali karakter huruf hijaiyah yang inputnya merupakan gambar yang digambar melalui kanvas pada aplikasi. Karakter huruh hijaiyah ini mempunyai 28 pola huruf tunggal dan 22 pola huruf awal. Huruf yang sama memiliki perbedaan pola ketika letak hurufnya berbeda. Penelitian ini menggunakan ekstraksi ciri algoritma chain code, dimana chain code ini bekerja dengan mengubah segala piksel tepi pada citra dari nilai piksel menjadi nilai arah. Untuk klasifikasi data yang telah diekstraksi menggunakan jaringan syaraf tiruan dengan metode learning vector quantization2.1 (LVQ 2.1). Penelitian ini menggunakan 2 jenis huruf yaitu huruf tunggal dan huruf awal. Karakter huruf hijaiyah yang diuji akan melakukan tahap-tahap pre-processing citra dan ekstraksi citra menggunakan chain code.Ekstraksi citra akan menghasilkan nilai-nilai vektor berukuran 1x150 yang berguna untuk proses klasifikasi dengan LVQ 2.1.Hasil akurasi terbaik pada data huruf tunggal didapatkan menggunakan data perbandingan 90:10 dengan nilai alfa 0.1 dengan menggunakan nilai window 0.1, 0.2, dan 0.5dengan tingkat akurasi sebesar 94.54%. Hasil akurasi terbaik pada data huruf awal didapatkan menggunakan data perbandingan 90:10 dengan nilai alfa 0.1 dengan menggunakan nilai window 0, 0.1, 0.2, 0.3, dan 0.4 dengan tingkat akurasi sebesar 86.36%dari 144 pengujian setiap jenis huruf.Kata kunci: Huruf hijaiyah,Learning Vector Quantization, Pengenalan Pola Karakter, Tingkat Akurasi, chain code.

Actions (login required)

View Item