Pengenalan Tulisan Tangan Menggunakan Metode Learning Vector Quantization Dan Euclidean Distanc
PDF

Keywords

Euclidean distance
LVQ
Tulisan Tangan

How to Cite

Adawiyah, R. ., & Pamungkas, D. P. . (2020). Pengenalan Tulisan Tangan Menggunakan Metode Learning Vector Quantization Dan Euclidean Distanc. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(2), 103–108. https://doi.org/10.29407/inotek.v4i2.128

Abstract

pengenalan tulisan tangan pada umunya dilakukan secara manual oleh seseorang dengan mencocokkan tulisan tangan yang sah dengan tulisan tangan yang dilakukan pada saat itu. Tulisan tangan juga dapat mengungkapkan berbagai emosi dan perasaan. Tulisan tangan adalah kemapuan computer untuk menerima dan menafsirkan input tulisan tangan yang dapat di mengerti dari sumber kertas, foto, layar sentuh dan perangkat lainnya.. Metode yang digunakan dalam pembuatan sistem ini adalah Learning Vector Quantization dan Euclidean distance. Yang mana metode tersebut untuk mengekstraksi ciri dan mencari jarak kedekatan tulisan tangan dengan mengubah citra RGB ke greysacale untuk mengetahui bobot tulisan perkata. Kesimpulan dari penelitian yang telah disusun ini adalah metode yang digunakan mampu mengenali tulisan tangan. Semakin kecil nilai bobot yang hasilkan maka semakin dekat pula kemiripan dari tulisan tersebut diperoleh hasil tertinggi pada skenario uji coba 5 dengan akurasi 75% .

https://doi.org/10.29407/inotek.v4i2.128
PDF

References

Achsinfina. 2008. Menguak Rahasia Tulisan Tangan. Jakarta : Puspa Populer.

Kurniawan, Fachrul. dan Nurhayati, Hani. 2016. Simulasi Pengenalan Tulisan Tangan Menggunakan Learning Vector Quantization. Jurnal Ilmu Komputer dan Teknologi Informasi. Vol 4, No 4 : 184-190.

Agustina, Alfa Ceria. Suwarno, Sri. dan Proboyekti, Umi. 2011. Pengenalan Aksara Jawa Menggunakan Learning Vector Quantization. Jurnal Informatika. Vol 7, No 1 : 1-10.

Pamungkas, Danar Putra. Hariri, Fajar Rohman. 2016. Pengenalan Citra Tulisan Tanda Tangan Menggunakan Metode 2D-LDA dan Euclidean Distance. Creative Information Technology Jurnal. Vol 3, No 4 : 269:279. [5]

Riansyah, Riski Rahmat. Nurhasanah, Youllia Indrawaty. dan Dewi, Irma Amelia. 2017. Sistem Pengenalan Aksara Sunda menggunakan Metode Modified Direction Feature san Learning Vector Quantization. Jurnal Teknik Informatoka dan Teknologi Informasi. Vol 3, No 1 : 17-30

Kusumadewi, Sri. 2016. Membangun Jaringan Syaraf Tiruan Menggunakan Matlab & excel Link. Yogyakarta : Graha Ilmu.

Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi

Andono, Pulung Nurtantio. Sutojo, T. dan Muljono. 2017. Pengolahan Citra Digital.Yogyakarta : Andi.

Siang, Jong Jek. 2009. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta : Andi.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2020 PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI

Downloads

Download data is not yet available.