Damayanti, Desi (2008) Pengenalan Tulisan Tangan dengan Menggunakan Jaringan Saraf Tiruan Learning Vector Quantization (LVQ). Sarjana thesis, Universitas Brawijaya.
Abstract
Pengenalan tulisan tangan merupakan salah satu bidang dalam kecerdasan buatan yang dapat membantu proses pengolahan data. Aplikasi pengenalan tulisan tangan sering digunakan dalam PDA ( Personal Digital Assistant ), pemilahan surat otomatis maupun pengelolaan cek di bank. Hasil pengenalan dipengaruhi oleh hasil akhir pemrosesan citra dan metode pengenalan yang digunakan. Salah satu metode yang sering digunakan dalam pengenalan tulisan tangan adalah penerapan dari jaringan syaraf tiruan. Metode ini menggunakan prinsip kerja otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada. Arsitektur jaringan saraf tiruan yang digunakan dalam skripsi ini adalah learning vector quantization (LVQ). Sebagai basis masukan dalam LVQ, digunakan citra huruf sampel yang diekstraksi ke dalam vektor berukuran 25x25. Segmentasi tiap huruf dalam tulisan tangan yaitu dengan menerapkan metode deteksi tepi. Hasil pengujian menunjukkan bahwa tulisan tangan dari orang yang tulisannya menjadi data latih, pengenalannya adalah sebesar 65.44%. Sedangkan hasil pengenalan untuk tulisan tangan dari orang yang tulisannya tidak menjadi data latih memberikan nilai keakuratan sebesar 51.53%.
English Abstract
Handwriting recognition is one field in artificial intelligence which can help in data processing. The application of handwriting recognition often to be used in PDA (Personal Digital Assistant), automatic distribution mail and check’s maintenance in bank. The result of recognition depend on the last result of image processing and recognition method which is being used. One of method which often to be used in handwriting recognition is applying of neural network. This method used human’s brain work principle which is consist of neuron as input processes to produce output based on valuable weights. Architect of neural network which used in this paper is learning vector quantization (LVQ). As the base input in LVQ, being used of sample image of character which being extract into 25x25 length of vector. Segmentation of each character in handwriting with applied edge detection method. Testing result shows if handwriting from peoples whose their handwriting being trained data, have recognition rate about 65.44%. In other hand, the result of recognition for handwriting from peoples whose their handwriting not became as trained data gives accuracy value as high as 51.53%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2008/239/050802448 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 04 Sep 2008 13:14 |
| Last Modified: | 11 Mar 2022 07:11 |
| URI: | http://repository.ub.ac.id/id/eprint/151899 |
Preview |
Text
050802448.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |