skip to main content

PENGENALAN HURUF ALFABET MENGGUNAKAN TUJUH INVARIAN MOMEN HU DAN JARINGAN SARAF TIRUAN LVQ ( LEARNING VECTOR QUANTIZATION )

1Jurusan Teknik Elektro, Universitas Diponegoro Semarang, Indonesia

2Jalan Prof. Sudharto, SH., Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia

Editor(s): Aris Triwiyatno

Citation Format:
Abstract

Abstrak

 

Pengenalan pola merupakan salah satu bidang dalam ilmu komputer yang dapat membantu proses pengolahan data. Salah satu teknik pengenalan pola adalah jaringan saraf tiruan, dimana metode ini menggunakan prinsip dari otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada.

Pada penelitian terdahulu telah dikembangkan pengenalan karakter alfabet, namun hanya karakter pada kondisi normal saja, sehingga mucul gagasan untuk pengembangan pada pengenalan karater alfabet terputar. Dalam tugas akhir ini akan dirancang suatu sistem untuk mengenali karakter alfabet terputar 90°, 180° dan 270°. Dan jenis huruf yang digunakan adalah Times New Roman dan Arial. Pada sistem ini proses identifikasi citra huruf diawali dengan pengolahan data citra menggunakan proses pengambangan (thresholding). Tahap selanjutnya adalah pengekstraksian ciri dari citra hasil keluaran tahap sebelumnya.Hasil keluaran berupa nilai tujuh invarian momen Hu (Hu’s Moment Invariants). Tahap terakhir adalah proses pengklasifikasian dengan menggunakan jaringan saraf tiruan LVQ (Learning Vector Quantization) Pada percobaan yang telah dilakukan, dihasilkan angka pengenalan sebesar 79,5% dengan jenis huruf Times New Roman memiliki angka pengenalan sebesar 74,4 % dan Arial sebesar 84,6 %

 

Kata kunci: Pengambangan, Tujuh invariant momen Hu, LVQ (Learning Vector Quantization)

 

 

Abstract

 

Pattern recognition is one of the fields in computer science that can help the data processing. One of the pattern recognition techniques are artificial neural network, this method which uses the principle of the human brain is composed of neurons as processing inputs to produce outputs based on the existing weights.
In a previous study has developed an alphabet character recognition, but only character in normal conditions, so there is an idea to developed the rotated alphabet character recognition. In this final project will be designed a system to recognize rotated alphabet characters 90 °, 180 ° and 270 °. And the font used is Times New Roman and Arial. In this system identification process begins with the letter image processing image data using a flotation process (thresholding). Next step is the extraction of image characteristic using the thresholding output. The value of seven invariant moments of Hu (Hu's Moment Invariants) was the output for this process. The last stage is the classification process by using artificial neural network LVQ (Learning Vector Quantization). From the research, it can be concluded that the average recognition is 79,5% with the Identification rate of Times New Roman font is 86% and Arial which is 84,6%.

 

Keyword:Thresholding, Hu’s seven moment invariants, LVQ (Learning Vector Quantization)
Fulltext View|Download

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.