Penelitian ini mencoba memberikan alternatif untuk identifikasi huruf hijaiyah menggunakan partisi citra. Citra biner huruf hijaiyah di crop dengan batasan terluar berupa tepi huruf dan kemudian dilakukan partisi. Pada masing-masing bagian atau partisi, diambil nilai berupa prosentase jumlah piksel. Nilai prosentase jumlah piksel tiap partisi menjadi ciri dari citra tersebut. Selanjutnya nilai prosentase masing-masing partisi disimpan sebagi data training. Untuk proses pengenalan, citra uji juga dipartisi dan dihitung nilai prosentase piksel tiap partisi kemudian dicari selisih jarak terpendek terhadap data training menggunakan jarak Euclidean. Data training yang digunakan berupa tulisan tangan 28 huruf hijaiyah dengan partisi 3x3, 4x4, 5x5 dan 6x6. Data testing untuk pengujian pertama menggunakan data training itu sendiri. Rata-rata akurasi pengujian 100%. Pengujian kedua dan ketiga menggunakan data baru tulisan tangan 28 huruf hijaiyah dari sumber yang sama. Berdasarkan rata-rata hasil pengujian per partisi, semakin tinggi nilai pembagian partisi, maka akan menurunkan akurasi. Rata-rata pengujian pada partisi 3x3 sebesar 84.52%, pada partisi sebesar 77.38%, pada partisi 5x5 sebesar 72.62% dan pada partisi 6x6 sebesar 67.86%. Hal tersebut dikarenakan semakin tinggi nilai pembagian partisi, berdampak pada semakin banyak/detailnya ciri suatu huruf. Pada citra dengan partisi 3x3 dapat diartikan memiliki 9 ciri, partisi 4x4 memiliki 16 ciri, partisi 5x5 memiliki 25 ciri dan partisi 6x6 memiliki 36 ciri. Sehingga semakin banyak ciri menyebabkan toleransi kemiripan yang rendah.
Pada penelitian ini dibuat suatu sistem informasi berupa pendukung keputusan untuk menentukan calon penerima beasiswa menggunakan metode fuzzy database model Tahani. Penelitian ini dilakukan pada Sekolah Menengah Kejuruan (SMK) PGRI 4 Kota Kediri. Tujuan dari penelitian ini adalah untuk publikasi ilmiah dan untuk pembuatan sistem guna memberikan suatu pendukung keputusan berupa pengurutan data siswa berdasar kriteria tertentu sebagai prioritas untuk menerima beasiswa. Dengan memanfaatkan database siswa yang ada seperti data penghasilan orang tua, data prestasi, data jarak rumah kesekolah, dan sejenisnya, maka pihak sekolah akan lebih mudah untuk mengolah data siswa dalam memilih calon-calon penerima beasiswa dengan menggunakan sistem pendukung keputusan ini. Jika hanya menggunakan database standar akan kesulitan untuk menentukan calon-calon penerima beasiswa sebab pada database standar bersifat pasti, deterministik dan presisi. Namun pada kenyataannya pengolahan data yang ada lebih bersifat samar (fuzzy). Misalnya kriteria jarak rumah yang dikategorikan dekat, sedang dan jauh. Sedangkan pada database data jarak rumah berisi nilai pasti. Hasil dari penelitian ini adalah telah berhasil dibuat suatu sistem informasi pengolahan data siswa sebagai pendukung keputusan penentuan calon penerima beasiswa. Informasi yang dihasilkan salah satunya adalah urutan prioritas calon penerima beasiswa sehingga proses penentuan calon penerima beasiswa diharapkan dapat dikerjakan lebih efektif dan efisien. Kata kunci: sistem pendukung keputusan, fuzzy database model tahani.
<span lang="EN-US">This research makes the classification system of category selection title undergraduate thesis title</span><span lang="EN-US">use k-nearest neighbor method</span>. <span lang="EN-US">This research will be conducted on the students of Informatics Engineering Department Faculty of Engineering, Universitas Nusantara PGRI Kediri. The purpose of making this system is to employee department and students to more easily make a classification of category selection undergraduate thesis title based on the field of interest and field of expertise of each student. The method used to classify the selection of undergaduate thesis title categories is k-nearest neighbor</span><span lang="EN-US">method using several criteria based on students' interests and expertise in a particular field or course. The result of this sitem is an information category of undergraduate thesis title of students who have been processed based on the field of interest and field of expertise of each student.</span>
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.