Identifikasi Tulisan Tangan Offline Menggunakan Algoritma Gray Level Co-occurrence Matrix dan Support Vector Machine

Tandi, Priskila (2020) Identifikasi Tulisan Tangan Offline Menggunakan Algoritma Gray Level Co-occurrence Matrix dan Support Vector Machine. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (523kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (210kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (149kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (373kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (238kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (632kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (141kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB)

Abstract

Tulisan tangan seseorang merupakan salah satu dari sekian banyaknya keunikan pada manusia, dikarenakan tulisan tangan setiap orang memiliki pola dan ciri tertentu. Tulisan tangan juga dapat digunakan untuk mengidentifikasi siapa penulisnya. Identifikasi tulisan tangan penting dan berguna untuk mengidentifikasi tulisan tangan seseorang, guna meminimalisir terjadinya hal-hal yang tidak diinginkan (contoh: meniru tulisan tangan dan membuat dokumen palsu). Untuk mencegah hal tersebut, sistem identifikasi tulisan tangan offline ini menggunakan algoritma Gray Level Co-occurrence Matrix (GLCM), Histogram of Oriented Gradients (HOG), dan Support Vector Machine (SVM). Algoritma GLCM digunakan sebagai teknik ekstraksi ciri pada data citra. Algoritma HOG adalah fitur deskriptor yang digunakan untuk mendeteksi suatu objek. Algoritma SVM dapat bekerja pada data non-linier dengan menggunakan pendekatan kernel pada fitur data awal himpunan data. Hasil yang didapatkan dalam proses identifikasi berupa nilai recall sebesar 90.8%, accuracy sebesar 84.4%, precision sebesar 91.6%, dan f1-score sebesar 87.6%. Untuk mempermudah dalam memahami proses identifikasi, maka dibutuhkan sebuah aplikasi berbasis web yang mengimplementasikan proses tersebut dengan menggunakan bahasa pemrograman Python dan web framework Flask.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Gray Level Co-occurrence Matrix, Histogram of Oriented Gradients, Identifikasi, Support Vector Machine, Tulisan Tangan
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Dec 2020 02:19
Last Modified:	08 Aug 2023 06:16
URI:	https://kc.umn.ac.id/id/eprint/13908

Actions (login required)

View Item