Pengenalan Pola Aksara Batak Karo Menggunakan Metode Learning Vector Quantization Berbasis Pengolahan Citra

Tanjung, Ade Rahma Anggreiny (2019) Pengenalan Pola Aksara Batak Karo Menggunakan Metode Learning Vector Quantization Berbasis Pengolahan Citra. Skripsi thesis, Prodi Teknik Informatika.

[img] Text
cover s.d bab III.pdf - Submitted Version

Download (13MB)
[img] Text
bab IV s.d bab V.pdf - Submitted Version
Restricted to Registered users only

Download (2MB) | Request a copy

Abstract

Pada jaman modrenisasi saat ini banyak masyarakat yang tidak mengetahui aksara batak karo, dan tidak adanya wadah untuk menyampaikan informasi tentang aksara tersebut secara otomatis, maka dari itu dibutuhkan suatu sistem yang dapat mengenali aksara batak karo secara otomatis agar kelestarian aksara batak karo tetap terjaga. Sistem pengenalan pola aksara ini dibentuk dengan menggunakan jaringan saraf tiruan metode Learning Vector Quantization (LVQ). Implementasi pembuatan sistem pengenalan pola ini melalui beberapa proses, langkah awal yang dilakukan yaitu pengumpulan data aksara batak karo, data aksara yang diperoleh akan melalui proses akuisisi dengan keluaran citra berformat .png. Proses pembuatan sistem pengenalan menggunakan software Matlab, selanjutnya citra hasil akuisisi dibagi menjadi 2 bagian yaitu citra latih dan citra uji, citra latih akan diproses oleh pre-processing, proses tersebut terdiri dari konversi warna yaitu mengubah citra berwarna atau citra RBG menjadi citra greyscale lalu menjadi citra biner, selanjutnya dilakukan proses thresholding, deteksi tepi, dan resize citra. Pre�processing diterapkan untuk memudahkan proses identifikasi yang terdiri dari pelatihan dan pengujian, proses pelatihan menggunakan masukan data dari hasil pre-processing, sedangkan proses pengujian menggunakan data citra uji. Implementasi dari metode Learning Vector Quantization (LVQ) dalam mengenali pola aksara batak karo sangatlah baik sehingga sesuai dengan tujuan yang hendak dicapai. Hal tersebut didukung dengan tingkat akurasi pengenalan sebesar 100%. Berdasarkan hasil dari pengujian, faktor-faktor yang mempengaruhi tingkat pengenalan sistem yaitu kejelasan gambar aksara dari proses akuisisi, jumlah parameter hidden layer, jumlah parameter epoch, dan keberadaan citra latih.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Pengenalan Pola, Aksara Batak Karo, Jaringan Saraf Tiruan, Metode Learning Vector Quantization, Matlab: Pattern Recognition, Batak Karo Characters, Artificial Neural Networks, Learning Vector Quantization Methods, Matlab
Subjects: 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 005.43 Sistem Operasi
Divisions: Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User: Lia Priscilla
Date Deposited: 28 Oct 2023 04:13
Last Modified: 28 Oct 2023 04:13
URI: http://repository.upbatam.ac.id/id/eprint/5325

Actions (login required)

View Item View Item