Pengenalan Tulisan Tangan Menggunkan Metode Hidden Markov Model
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Daniel, Daniel
Subject
004_Data Processing & Computer Science
Datestamp
2019-09-30 07:12:11
Abstract :
Perkembangan teknologi saat ini memanfaatkan komputer yang tumbuh pesat pada hampir semua bidang. Manusia semakin tergantung pada kemampuan komputer untuk melakukan penyimpanan ataupun pengolahan informasi. pengolahan informasi yang saat ini berkembang adalah tentang pengenalan tulisan tangan, pengenalan tulisan saat ini sedang banyak digunakkan seperti identifikasi dokumen-dokumen penting dan lain-lain. Proses awal pada sistem adalah preprocessing data uji dan latih, kemudian dilakukan ekstrasi ciri dengan metode DEF (Directional Element Feature). DEF salah satu metode ekstrasi ciri yang terbukti memberikan hasil terbaik dalam pengenalan tulisan tangan, sebagai contohnya adalah pernah diterapkan pada huruf cina. DEF bekerja dengan cara mengambil ciri dari sebuah citra berdasarkan kontur. kemudian digabungkan dengan metode hidden markov model sebagai metode klasifikasinya. HMM (Hidden Markov Model) digunakan sebagai metode klasifikasi pada pengenalan tulisan tangan dengan menggunakan metode ekstrasinya adalah metode DEF (Directional Element Feature), dari hasil pengenalan tulisan tangan pada penelitian ini dengan data latih sebanyak 720 data, 720 terdiri dari huruf A-Z sebanyak 520 setiap masing-masing huruf memiliki 20 data sampel. angka 0-9 memiliki 200 data sampel dengan masing-masing angka terdiri dari 20 data sampel. Setelah itu dilakukan pengujian data dengan mengambil data sebesar 20% dari 100% data yang ada, setelah di uji dengan 20 % data dari keseluruhan data . metode hidden markov model memiliki akurasi sebesar 59,72%.
Perkembangan teknologi saat ini memanfaatkan komputer yang tumbuh pesat pada hampir semua bidang. Manusia semakin tergantung pada kemampuan komputer untuk melakukan penyimpanan ataupun pengolahan informasi. pengolahan informasi yang saat ini berkembang adalah tentang pengenalan tulisan tangan, pengenalan tulisan saat ini sedang banyak digunakkan seperti identifikasi dokumen-dokumen penting dan lain-lain. Proses awal pada sistem adalah preprocessing data uji dan latih, kemudian dilakukan ekstrasi ciri dengan metode DEF (Directional Element Feature). DEF salah satu metode ekstrasi ciri yang terbukti memberikan hasil terbaik dalam pengenalan tulisan tangan, sebagai contohnya adalah pernah diterapkan pada huruf cina. DEF bekerja dengan cara mengambil ciri dari sebuah citra berdasarkan kontur. kemudian digabungkan dengan metode hidden markov model sebagai metode klasifikasinya. HMM (Hidden Markov Model) digunakan sebagai metode klasifikasi pada pengenalan tulisan tangan dengan menggunakan metode ekstrasinya adalah metode DEF (Directional Element Feature), dari hasil pengenalan tulisan tangan pada penelitian ini dengan data latih sebanyak 720 data, 720 terdiri dari huruf A-Z sebanyak 520 setiap masing-masing huruf memiliki 20 data sampel. angka 0-9 memiliki 200 data sampel dengan masing-masing angka terdiri dari 20 data sampel. Setelah itu dilakukan pengujian data dengan mengambil data sebesar 20% dari 100% data yang ada, setelah di uji dengan 20 % data dari keseluruhan data . metode hidden markov model memiliki akurasi sebesar 59,72%.
File :
UNIKOM_DANIEL_COVER.pdf
UNIKOM_DANIEL_LEMBAR PENGESAHAN.pdf
UNIKOM_DANIEL_BAB 5.pdf
UNIKOM_DANIEL_DAFTAR PUSTAKA.pdf
UNIKOM_DANIEL_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_DANIEL_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_DANIEL_KATA PENGANTAR.pdf
UNIKOM_DANIEL_DAFTAR ISI.pdf
UNIKOM_DANIEL_BAB 1.pdf
UNIKOM_DANIEL_BAB 2.pdf
UNIKOM_DANIEL_BAB 3.pdf
UNIKOM_DANIEL_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
