Analisis Algoritma Learning Vector Quatization Untuk Mengenali Karakter Orang Berdasarkan Fitur Spasi Tulisan Tangan

Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi, mengevaluasi dan pemahaman karakter seseorang melalui pola tulisan tangan. Untuk mendapatkan informasi seseorang dapat dianalisis melalui unsur-unsur grafis struktural tulisan tangan. Dari tulisan tangan tersebut dapat diidentifikasi kualitas, sifat, sikap sentimen atau postur yang tampak ditunjukkan dari tulisan tangan. Penelitian ini akan berfokus pada spasi didalam tulisan tangan sebagai bahan analisisnya. Pengenalan tulisan tangan dapat menggunakan jaringan saraf tiruan dengan cara mengklasifikasikan vektor-vektor masukan ke dalam kelas-kelas yang sudah ditentukan, salah satu metode jaringan saraf tiruan adalah learning vector quantization. Learning vector quantization merupakan jaringan saraf tiruan bertipe arsitektur lapisan tunggal yang hanya terdiri dari unit masukan dan keluaran. Sebuah data masukan dan keluaran yang digunakan untuk melatih jaringan hingga diperoleh bobot yang diinginkan.Data citra yang digunakan untuk analisis melalui tahapan proses image processing terlebih dulu seperti proses cropping, grayscale, edge detection, thresholding, normalisasi dan segmentasi citra. Fitur spasi yang digunakan pada penelitian ini adalah tiga fitur spasi yaitu, fitur spasi antar baris, fitur spasi antar kata dan fitur spasi antar huruf dengan menggunakan segmentasi citra untuk mendapatkan jarak pada setiap fiturnya. Setelah melakukan proses pembelajaran dan pengenalan yang telah dilakukan dengan menggunakan algoritma learning vector quantization tidak dapat digunakan dalam mengenali tulisan tangan seseorang, karena menghasilkan akurasi hanya sebesar 30% dari 20 data yang diuji dalam pengenalan.

Graphology or handwriting analysis is a scientific method for identifying, evaluating and understanding of a person's character using handwriting pattern. To obtain information about a person can be analyzed with structural graphic handwriting. From handwriting can be identified qualities, nature, attitudes or postures that shown from the handwriting. This research will focus on space feature. Handwriting recognition can use artificial neural network with classification vector input into a spesific class, one method of artificial neural networks is learning vector quantization. Type of architecture learning vector quantization is single layer which only consist of input and output unit. Input and output data will use for training networks until networks obtained a weight desired. Image data used for analysis through step of image processing process like cropping, grayscale, edge detection, thresholding, normalization and image segmentation. Feature space that used in this research is three feature space that is line spacing feature, word spacing feature and letter spacing feature with using image segmentation do obtain distance for each feature.After learning and test which has been done using learning vector quantization algorithm is can�t use for handwriting identification with accuracy only 30% from 20 data in test.