Pengenalan Pola Tulisan Tangan Suku Kata Aksara Sasak Menggunakan Metode Moment Invariant dan Support Vector Machine

Abstract

The research of Javanese and Balinese ancient script have been done by some researches. However, the researches still have problems, such as image scaling, noise reduction and image transformation. This research implemented moment invariant and support vector machine to solve these problems especially on Sasak ancient script. The input data used in this research was 2700 handwritten Sasak ancient script. The testing was done to know the effect of thinning and the number of feature by using zoning on the classification performance. Accuracy is used as performance indicator. The highest average accuracy is 89.76%, on the second scenario, the average accuracy obtained is 92.52%.

Klasifikasi Kain Songket Lombok Berdasarkan Fitur GLCM dan Moment Invariant Dengan Teknik Pengklasifikasian Linear Discriminant Analysis (LDA)

“…Citra uji yang digunakan sebanyak 40 citra dari motif batik yang digunakan dengan ukuran citra 256x256 piksel yang dikenai preprocessing biner, opening dan closing terlebih dahulu [3]. Penelitian selanjutnya tentang penggunaan Moment Invariant dalam pengenalan pola tulisan tangan suku kata aksara sasak yang menggunakan data input sejumlah 2700 data telah berhasil dilakukan dengan akurasi 89,76% pada pengujian pertama dan 92,52% pada pengujian kedua [8].…”

“…Jika ada sebuah citra dengan nilai intensitas adalah f(x,y) nilai x sebagai baris dan y sebagai kolom maka Moment Invariant yang mentransformasikan fungsi citra f(x,y) pada sistem diskrit. Mekanismenya dilakukan dengan menghitung moment citra dan moment pusat citra menggunakan Persamaan (8) [8].…”

Pengenalan Pola Tulisan Tangan Aksara Sasak Menggunakan Metode Linear Discriminant Analysis dan Jaringan Syaraf Tiruan Jenis Backpropagation

“…Penelitian sebelumnya mengenai pengenalan pola aksara Sasak yaitu menggunakan metode support vector machine (SVM) dengan akurasi 92.52% [2] dan penelitian lainnya menggunakan ekstraksi fitur integral projection dan klasifikasi NN dengan akurasi 41.38% [3]. Kedua penelitian menggunakan dataset sejumlah 2700 data.…”

“…Penelitian sebelumnya mengenai aksara Sasak menggunakan metode moment invariant dan SVM memiliki tingkat akurasi 89.76% untuk 63 fitur dan 92.52% untuk 112 fitur [2]. Penelitian lainnya menggunakan metode integral projection untuk ekstraksi fitur dan metode PCA untuk reduksi dimensi dan neural network sebagai metode klasifikasi aksara dengan tingkat akurasi sistem sebesar 41,38% [3].…”

Profil Pengetahuan Siswa Sekolah Dasar Terhadap Aksara Lokal Satera Jontal (Studi Deskriptif Di SDN Lampok Sumbawa Barat)

“…Aksara merupakan simbol dari bahasa tulis (Aranta, Gunadi, & Indrawan, 2018). Aksara sebagai bentuk viualisasi bahasa (Yulianti, Wijaya, & Bimantoro, 2019). Aksara lokal pada umumnya ditulis pada daun lontar (Austin, 2014).…”