Umam, Muhammad Misbahul (2015) TA : Ektraksi Fitur Angka Jawa Menggunakan Diagonal Distance Feature dan Longest Run Feature. Undergraduate thesis, Stikom Surabaya.

[img]
Preview
Text
COVER.pdf - Accepted Version

Download (207kB) | Preview
[img]
Preview
Text
DAFTAR_ISI.pdf - Accepted Version

Download (401kB) | Preview
[img]
Preview
Text
BAB_I.pdf - Accepted Version

Download (240kB) | Preview
[img]
Preview
Text
BAB_II.pdf - Accepted Version

Download (881kB) | Preview
[img]
Preview
Text
BAB_III.pdf - Accepted Version

Download (911kB) | Preview
[img]
Preview
Text
BAB_IV.pdf - Accepted Version

Download (925kB) | Preview
[img]
Preview
Text
BAB_V.pdf - Accepted Version

Download (202kB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf - Accepted Version

Download (388kB) | Preview

Abstract

Aksara Jawa harus selalu dilestarikan agar Indonesia tidak kehilangan nilai budayanya. Menulis Aksara Jawa di zaman modern dapat dilakukan dengan menggunakan berbagai macam media diantaranya komputer, tablet, hingga smartphone. Hasil tulisan Aksara Jawa menggunakan media tersebut berupa gambar. Akibatnya tulisan Aksara Jawa di dalam gambar tersebut tidak terbaca sebagai teks yang dapat dikenali komputer. Salah satu metode pengenalan pola yaitu multi layer perceptron (MLP). Pada penelitian ini, input MLP adalah 40 fitur yang di ektraksi menggunakan 2 metode yaitu diagonal distance feature dan longest run feature. Ektraksi Diagonal Distance feature adalah metode ektraksi yang menghitung jarak diagonal antara sudut siku citra hingga ditemukannya piksel hitam dari karakter dalam citra. Sedangkan ektraksi longest run feature adalah metode ektraksi yang menghitung jumlah piksel hitam terpanjang serta berturut-turut di sepanjang baris, kolom, dan dua diagonal dari sub area citra. Sampel training dan sampel testing masing-masing berjumlah 25 set. Setiap set berisi 10 buah sampel pola tulisan tangan angka jawa. Keberhasilan pengenalan MLP menggunakan bobot hasil learning MLP dengan input 40 fitur pada tiap sampel sebesar 66,8% pada sampel training dan 62,8% pada sampel testing. Keberhasilan pengenalan MLP menggunakan bobot hasil learning MLP dengan input 36 fitur pada tiap sampel dari ektraksi longest run mencapai 100% pada sampel training dan 94,4% pada sampel testing. Keberhasilan pengenalan MLP menggunakan bobot hasil learning MLP dengan input 4 fitur pada tiap sampel dari ektraksi diagonal distance sebesar 10% pada sampel training maupun sampel testing.


Export Record



Statistic

Downloads from Stikom Institutional Repository over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Social Share:
Item Type: Thesis (Undergraduate)
Additional Information: Muhammad Misbahul Umam (11410200063)
Contributors:
ContributionNameEmail
EditorRasmana, Susijanto Trisusyanto@stikom.edu
EditorWibowo, Madha ChristianUNSPECIFIED
Uncontrolled Keywords: Aksara Jawa, Diagonal Distance, Metode Ektraksi, Longest Run, MLP
Subjects: 400 – Language > 490 Other languages
Divisions: Fakultas Teknologi dan Informatika > S1 Sistem Komputer
Depositing User: Agung P. W.
Date Deposited: 11 Aug 2016 08:39
Last Modified: 11 Aug 2016 08:39
URI: http://sir.stikom.edu/id/eprint/1543

Actions (login required)

View Item View Item