RUNIA RACHMANIAR (2018) PENGENALAN KARAKTER HURUF HIJAIYAH MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN METODE LEARNING VECTOR QUANTIZATION 3 (LVQ 3). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018376TIF.pdf Download (136kB) | Preview |
|
|
Text
2. PENGESAHAN_2018376TIF.pdf Download (300kB) | Preview |
|
|
Text
3. ABSTRAK_2018376TIF.pdf Download (117kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018376TIF.pdf Download (231kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018376TIF.pdf Download (145kB) | Preview |
|
|
Text
6. BAB I_2018376TIF.pdf Download (181kB) | Preview |
|
|
Text
7. BAB II_2018376TIF.pdf Download (651kB) | Preview |
|
|
Text
8. BAB III_2018376TIF.pdf Download (245kB) | Preview |
|
|
Text
9. BAB IV_2018376TIF.pdf Download (738kB) | Preview |
|
Text
10. BAB V_2018376TIF.pdf Restricted to Repository staff only Download (1MB) |
||
|
Text
11. BAB VI_2018376TIF.pdf Download (128kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018376TIF.pdf Download (129kB) | Preview |
Abstract
Salah satu huruf yang memiliki karakteristik unik adalah huruf Hijaiyah. Karakteristik dari huruf Hijaiyah dapat berubah berdasarkan peletakkan huruf tunggal di awal, tengah dan akhir kata. Cara lain untuk mengenali karakter huruf Hijaiyah selain dengan memperhatikan karakteristik masing-masing huruf adalah dengan memanfaatkan pengenalan pola dan jaringan syaraf tiruan. Dalam penelitian ini, proses ektraksi ciri yang digunakan adalah metode Modified Direction Feature (MDF) dan proses klasifikasi yang digunakan metode Learning Vector Quantization 3 (LVQ 3). Pengujian yang dilakukan yaitu: pengujian ukuran matriks citra yang terdiri dari 80x80 piksel, 100x100 piksel, dan 120x120 piksel; dan pegujian nilailearning rate 0.01, 0.03,0.05, dan 0.07. Dari hasil pengujian yang dilakukan adalah sistem mampu mengenali pola karakter Huruf Hijaiyah dengan akurasi terbaik adalah 82.44% pada matriks citra berukuran 120x120 piksel dengan learning rate 0.03. Kata Kunci: Huruf Hijaiyah, Pengenalan Pola, Modofied Direction Feature, Learning Vector Quantization
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | 300 Ilmu Sosial |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | Ms. Nilam Badriyah |
Date Deposited: | 25 Jul 2019 07:57 |
Last Modified: | 25 Jul 2019 07:57 |
URI: | http://repository.uin-suska.ac.id/id/eprint/16796 |
Actions (login required)
View Item |