PENGENALAN AKSARA BALI DENGAN PENDEKATAN METODE DIRECTION FEATURE DAN AREA BINARY OBJECT FEATURE

22094785, Ni Made Ari Pratiwi (2013) PENGENALAN AKSARA BALI DENGAN PENDEKATAN METODE DIRECTION FEATURE DAN AREA BINARY OBJECT FEATURE. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22094785_bab1_bab5_daftarpustaka.pdf Download (426kB)
	Text (Skripsi Informatika) 22094785_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Perkembangan teknologi sangat banyak memberi pengaruh terhadap perkembangan ilmu pengetahuan. Dan kebutuhan manusia akan teknologi untuk mempermudah melakukan suatu pekerjaan begitu tinggi. Salah satunya adalah dalam hal pengenalan pola. Dikembangkanlah sistem yang mampu mengenali dan mengolah citra teks tercetak dengan Aksara Bali yang memiliki karakteristik menarik dimana beberapa karakter memiliki ciri yang hampir sama dan hanya dibedakan oleh beberapa gosetan atau lekukan garis. Analisis citra merupakan ilmu yang membahas tentang algoritma-algoritma dan teknik-teknik yang diterapkan pada citra untuk menghasilkan eskripsi yang dikenali komputer. Berdasarkan informasi tersebut, maka pada penelitian ini dikembangkanlah sistem yang mampu mengenali dan mengolah citra teks tercetak dengan Aksara Bali yang memiliki karakteristik menarik dimana beberapa karakter memiliki ciri yang hampir sama dan hanya dibedakan oleh gosetan atau lekukan garis. Proses pengenalan Aksara Bali ini dimulai dari melalukan preprocessing terhadap citra input, ekstraksi fitur dengan metode Direction Feature dan Area Binary Object Feature. Setelah itu dilakukan perbandingan jarak Euclidean Distance. Dalam penelitian ini, dari 573 karakter yang ada, sistem dapat mendeteksi 559 karakter dan dapat mengenali dengan benar 526 karakter. Proses pengenalan tersebut dipengaruhi oleh jarak antar karakter. Jadi, pendekatan Direction Feature dan Area Binary Object Feature untuk diterapkan ke dalam sistem sebagai metode ekstraksi memiliki persentase keakuratan 91,80%.

Actions (login required)

View Item