PENGENALAN AKSARA JAWA MENGGUNAKAN GEOMETRIC MOMENT INVARIANT DAN KLASIFIKASI K-NEAREST NEIGHBOR

71120071, SETYO ADINUGROHO (2018) PENGENALAN AKSARA JAWA MENGGUNAKAN GEOMETRIC MOMENT INVARIANT DAN KLASIFIKASI K-NEAREST NEIGHBOR. Bachelor thesis, Univeristas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71120071_bab1_bab5_daftarpustaka.pdf Download (1MB)
	Text (Skripsi Informatika) 71120071_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Bahasa Jawa telah menjadi kurikulum dasar di sekolah-sekolah di Yogyakarta. Namun sangat disayangkan budaya Jawa yang kaya di Yogyakarta ini justru mulai ditinggalkan oleh generasi muda. Budaya yang sudah jarang digunakan dan mulai terlupakan salah satunya adalah penulisan aksara Jawa. Penelitian ini bertujuan untuk membantu pengenalan aksara Jawa untuk menumbuhkan kembali budaya-budaya yang telah dilupakan. Penelitian ini menggunakan metode Geometric Moment Invariant untuk ekstraksi fitur dan K-Nearest Neighbour untuk klasifikasi aksara Jawa. Dalam penelitian ini menggunakan metode pengenalan dengan pencocokan citra dengan citra dari aksara Jawa yang ditulis dengan tangan. Citra tulisan tangan relawan akan dicocokan dengan citra tulisan tangan database. Dalam ekstraksi fitur menggunakan Geometric Moment Invariant diambil nilai ketujuh momen untuk menjadi tolak ukur dalam pengenalan menggunakan K-Nearest Neighbour menggunakan nilai k berupa 1, 3, 5, 7, dan 9 yang perhitungan jaraknya menggunakan Manhattan Distance. Dari hasil penelitian ini didapatkan hasil penggunaan nilai K=1 menghasilkan akurasi sebesar 95.60%, penggunaan nilai K=3 menghasilkan akurasi sebesar 88.05%, penggunaan nilai K=5 menghasilkan akurasi sebesar 70.44%, penggunaan nilai K=7 menghasilkan akurasi sebesar 64.78%, penggunaan nilai K=9 menghasilkan akurasi sebesar 55.35%.

Actions (login required)

View Item