UMN Knowledge Center

Implementasi metode feature extraction pada aplikasi writer-dependent online character recognition

Pusaka, Archie (2014) Implementasi metode feature extraction pada aplikasi writer-dependent online character recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (766kB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (729kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (670kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (769kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (416kB) | Preview

Abstract

Penelitian ini membahas tentang fitur-fitur yang digunakan dalam pengenalan karakter yang ditulis tangan dengan metode feature extraction secara writerdependent. Terdapat 18 fitur yang diteliti. Tujuan penelitian ini ialah untuk mengetahui karakteristik setiap fitur dalam hal waktu yang diperlukan untuk pemrosesan dan seberapa baik fitur tersebut dapat membedakan dan mengenali karakter yang satu dengan yang lainnya. Penelitian melibatkan 38 responden untuk menulis huruf Latin, Mandarin, maupun Korea, pada aplikasi berbasis Android. Hasil penelitian menunjukkan bahwa fitur kelurusan merupakan fitur yang paling cepat diproses, yakni masing-masing 1.182 ms untuk sistem dengan 100 karakter, dan 10.482 ms untuk sistem dengan 1000 karakter. Di lain sisi, fitur rasio sisi dan alas merupakan fitur dengan nilai tertinggi untuk mengenali karakter (1.307, bandingkan dengan fitur wilayah ternormalisasi yang mendapat nilai terendah yaitu 0.987). Didapatkan bahwa dengan pembobotan terhadap nilai pengenalan setiap fitur, akurasi dapat ditingkatkan sekitar 3.788%. Selain itu, didapatkan pula bahwa kecepatan proses dan akurasi pengenalan memiliki hubungan yang berbanding terbalik.

Item Type: Thesis (Bachelor Thesis)
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
Depositing User: mr admin umn
Date Deposited: 02 Aug 2017 04:01
Last Modified: 05 Oct 2017 02:00
URI: http://kc.umn.ac.id/id/eprint/1580

Actions (login required)

View Item View Item