Pengenalan Tulisan Tangan Menggunkan Metode Hidden Markov Model

Daniel, Daniel (2019) Pengenalan Tulisan Tangan Menggunkan Metode Hidden Markov Model. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_DANIEL_COVER.pdf - Published Version Download (34kB) | Preview
Preview	Text UNIKOM_DANIEL_LEMBAR PENGESAHAN.pdf - Published Version Download (70kB) | Preview
Preview	Image UNIKOM_DANIEL_SURAT KETERANGAN PUBLIKASI.jpeg - Published Version Download (155kB) | Preview
Preview	Image UNIKOM_DANIEL_SURAT KETERANGAN ORISINALITAS.jpeg - Published Version Download (153kB) | Preview
Preview	Text UNIKOM_DANIEL_KATA PENGANTAR.pdf - Published Version Download (69kB) | Preview
Preview	Text UNIKOM_DANIEL_DAFTAR ISI.pdf - Published Version Download (80kB) | Preview
Preview	Text UNIKOM_DANIEL_BAB 1.pdf - Published Version Download (109kB) | Preview
Preview	Text UNIKOM_DANIEL_BAB 2.pdf - Published Version Download (353kB) | Preview
	Text UNIKOM_DANIEL_BAB 3.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text UNIKOM_DANIEL_BAB 4.pdf - Published Version Restricted to Repository staff only Download (722kB) | Request a copy
Preview	Text UNIKOM_DANIEL_BAB 5.pdf - Published Version Download (11kB) | Preview
Preview	Text UNIKOM_DANIEL_DAFTAR PUSTAKA.pdf - Published Version Download (38kB) | Preview
Preview	Text UNIKOM_DANIEL_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Download (501kB) | Preview
Preview	Text UNIKOM_DANIEL_JURNAL DALAM BAHASA INGGRIS.pdf - Published Version Download (498kB) | Preview

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%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tulisan tangan, Hidden Markov Model, Directional Elemet Feature
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	30 Sep 2019 07:12
Last Modified:	30 Sep 2019 07:12
URI:	http://elibrary.unikom.ac.id/id/eprint/932

Actions (login required)

View Item