Author (Penulis)

Fuad Maftuhin
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

13.1.03.02.0111

Abstract

Abstrak Fuad Maftuhin: Pengenalan pola tulisan tangan huruf jawa dengan menggunakan metode K-Nearest Neighbor, Skripsi, TI, FT UN PGRI Kediri, 2017. Kata kunci: pengolahan citra, huruf jawa, deteksi tepi sobel, K-Nearest Neighbor. Penelitian ini dilatar belakangi oleh belum efektifnya metode-metode untuk mengenali tulisan tangan yang sangat kompleks terutama dari segi bentuk dan ukuran seperti huruf Jawa dan nilai akurasi dari metode sebelumnya yang kurang akurat. Dari permasalahan tersebut maka penulis akan mencoba metode lain yang bisa lebih efektif dalam pengenalan huruf jawa tulisan tangan, yaitu dengan menggunakan metode K-Nearest Neighbor dan deteksi tepi Sobel. Permasalahan penelitian ini adalah Bagaimana merancang sistem pengenalan pola tulisan tangan huruf jawa dengan deteksi tepi sobel dan metode K-Nearest Neighbor ?. Bagaimana performa sistem pengenalan pola tulisan tangan huruf jawa dengan deteksi tepi sobel dan metode K-Nearest Neighbor? Tujuan penelitian ini adalah Untuk mengetahui perancangan sistem pengenalan pola tulisan tangan huruf jawa dengan deteksi tepi sobel dan metode K-Nearest Neighbor. Untuk mengetahui performa sistem pengenalan pola tulisan tangan huruf jawa dengan deteksi tepi sobel dan metode K-Nearest Neighbor. Penelitian ini menggunakan metode deteksi tepi sobel untuk memperoleh bagian detail dari citra serta metode K-Nearest Neighbor untuk perhitungan jarak. Sebelum dilakukan pengenalan, file citra sebelumnya dilakukan proses preprocessing terlebih dahulu.proses tersebut meliputi proses grayscalling. Simpulan hasil penelitian ini adalah Telah dihasilkan rancangan sistem pengenalan pola tulisan tangan huruf jawa dengan menggunakan metode K-nearest neighbor untuk pengenalan huruf jawa. Sistem ini berfungsi untuk membantu dalam mengenali huruf jawa. Telah di ketahui performa sistem pengenalan tulisan tangan huruf jawa dengan menggunakan metode K-Nearest Neighbor. Dari hasil pengujian pada skenario pertama diperoleh akurasi sebesar 40%. Pada skenario kedua diperoleh akurasi sebesar 55%. Pada skenario ketiga diperoleh akurasi sebesar 85% dengan menggunakan 100 data training dan 20 data testing. Dari hasil pengujian yang dilakukan dapat di simpulkan bahwa metode K-Nearest Neighbor dapat digunakan untuk mengidentifikasi pengenalan huruf jawa dan nilai akurasi yang tinggi.

Keyword

a

Reference

PUBLISHED

2017-08-15

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 01 No. 09 Tahun 2017

Download PDF

Download PDF Kembali Home