PENGENALAN POLA HURUF UNTUK MENGETAHUI JENIS FONT MENGGUNAKAN METODE BACKPROPAGATION

22084543, ARIANTO PANJI SASMITO (2016) PENGENALAN POLA HURUF UNTUK MENGETAHUI JENIS FONT MENGGUNAKAN METODE BACKPROPAGATION. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22084543_bab1_bab5_daftarpustaka.pdf Download (3MB)
	Text (Skripsi Informatika) 22084543_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Font merupakan salah satu unsur penting yang umum digunakan para digital publishing designer untuk membuat sebuah karya seni bersifat komersial. Akan tetapi, yang terjadi adalah para desainer sering kesulitan ketika ingin mengetahui nama suatu font yang akan digunakan pada suatu proyek yang akan dikerjakan. Hal tersebut sering menyebabkan suatu pengerjaan proyek tertunda. Seperti yang telah disebutkan di atas, font adalah hal krusial dalam pengerjaan sebuah desain, khususnya pada typography dan infographic. Penggunaan font yang tepat memiliki peranan yang penting untuk memperindah suatu desain serta untuk mempermudah penyampaian suatu pesan Layaknya pada manusia, sistem pengenalan pola merupakan percobaan untuk meniru kemampuan pancaindera yang dimiliki oleh manusia. Penerapan Jaringan Syaraf Tiruan (JST) Backpropagation adalah salah satu metode yang tepat digunakan sebagai solusi untuk mereplikasi fungsi-fungsi indera yang dimiliki oleh manusia, khususnya penglihatan. Proses pengenalan font dimulai dengan proses preprocessing untuk mengubah citra latih menjadi citra biner, kemudian sistem akan melatih data dengan jaringan syaraf tiruan backpropagation dengan parameter-parameter yang sudah ditentukan sebelumnya, setelah tahap pelatihan selesai maka sistem bisa mengimplementasikan data yang sudah dilatih dan membandingkannya pada datadata uji. Implementasi sistem sendiri mengubah citra latih dengan resolusi 100x100 pixel menjadi matrix dengan ordo 25x25 secara default dengan bantuan grayscaling dan thresholding pada fase preprocessing. Dengan penggunaan parameter-parameter seperti 625 hidden layer secara default, error minimal sebesar 0.001, dan jumlah epoch hingga 10000, sistem bisa mengenali data uji dengan persentase keberhasilan hingga 86%, bahkan ketika ada noise pada citra uji.

Actions (login required)

View Item