Sundanese Aksara Recognition Using Histogram of Oriented Gradients

Salsabila, Haifa; Rachmawati, Ema; Sthevanie, Febryanti

doi:10.1109/isriti48646.2019.9034589

Cited by 2 publications

(3 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Salah satu cara untuk menghindari kepunahan bahasa daerah seperti aksara sunda adalah dengan membentuk sistem penerjemah audio aksara sunda dengan mengimplementasikan penggunaan deep learning yaitu image processing. Pola aksara Sunda dapat dikenali oleh sistem berbasis deep learning untuk proses klasifikasi, dalam bentuk tulisan tangan (Salsabila et al, 2019). Penelitian (Purnama et al, 2022) menggunakan convolutional neural network (CNN) dalam mengklasifikasi aksara Sunda dengan akurasi yang cukup baik, bahkan tergolong tinggi.…”

Section: Pendahuluanunclassified

“…Dibandingkan dengan penelitian lain, seperti penelitian (Setyansyah et al, 2019) yang menggunakan metode active contour, penelitian (Salsabila et al, 2019) yang menggunakan Histogram of Oriented Gradients (HOG) dan gabungannya dengan Support Vector Machine (SVM) seperti penelitian (Taufiqurahman, 2019), penelitian (Apriyanto, 2018) yang menggunakan Feature Extraction, atau penelitian (Riansyah et al, 2017) yang menggunakan metode Learning Vector Quantization, penelitian-penelitian terdahulu yang menggunakan CNN menunjukkan bahwa CNN lebih unggul dalam hal akurasi untuk melakukan klasifikasi citra atau gambar.…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Model Klasifikasi Convolutional Neural Network Pada Sistem Penerjemah Audio Aksara Sunda

Darryl Nathanael,

Ito Wasito

2023

Decode

View full text Add to dashboard Cite

Beberapa upaya telah dilakukan untuk melestarikan aksara Sunda dan salah satunya adalah pembuatan aplikasi pengenal aksara Sunda. Penelitian terdahulu menunjukkan bahwa teknologi pemrosesan gambar dapat digunakan untuk mengklasifikasi gambar berupa alfabet-alfabet aksara Sunda. Namun belum ada teknologi serupa yang mampu menghasilkan output berupa audio untuk memudahkan pengejaan dan pelafalan dalam pembelajaran. Tujuan penelitian ini adalah untuk mengusulkan penggunaan pemrosesan gambar untuk melakukan klasifikasi alfabet-alfabet aksara Sunda dalam bentuk tulisan tangan digital dengan output berupa teks dan audio menggunakan algoritma Convolutional Neural Network (CNN). Metode penelitian yang digunakan pada penelitian ini adalah kualitatif, karena menggunakan gambar sebagai data primer, kemudian dilanjut dengan pendekatan true experimental. Aksara dalam bentuk gambar tulisan tangan digital dimasukkan ke sistem untuk dilatih, kemudian sistem diberikan gambar di luar data pelatihan untuk diklasifikasi agar sistem dapat memprediksi label klasifikasi dari masing-masing alfabet. Sistem kemudian menerjemahkan masing-masing gambar yang dibaca ke dalam bentuk audio dan teks. Hasil berupa akurasi pengujian penelitian mencapai 96% dengan output berupa teks dan audio. Penelitian ini diharapkan dapat membantu memudahkan pengguna sistem dalam pelafalan kata yang terdapat dalam bahasa sunda, yang terkadang susah untuk diucapkan oleh orang di luar suku orang sunda serta ditampilkan terjemahan bahasa sunda dalam aksara sunda.

show abstract

Section: Pendahuluanunclassified

Model Klasifikasi Convolutional Neural Network Pada Sistem Penerjemah Audio Aksara Sunda

Darryl Nathanael,

Ito Wasito

2023

Decode

View full text Add to dashboard Cite

show abstract

“…Indonesia has many cultural heritage scripts so that can be the problems or objects of research. There are researches on the recognition of Lampung characters [2][3], Sundanese scripts [4] [5], Balinese scripts [6], and Lontara characters [7]. This paper discusses the Batak Toba script, that one of the classifications of the Batak script.…”

Section: Introductionmentioning

confidence: 99%

Diagonal Based Feature Extraction and Backpropagation Neural Network in Handwritten Batak Toba Characters Recognition

Zamzami

Hayanti

Nababan

2021

KINETIK

View full text Add to dashboard Cite

Handwritten character recognition is considered a complex problem since one’s handwritten character has its characteristics. Data used for this research was a photo of handwritten or scanned handwritten. In this research, Backpropagation Neural Network (BPNN) was used to recognize handwritten Batak Toba character, wherein preprocessing stage feature extraction was done using Diagonal Based Feature Extraction (DBFE) to obtain feature value. Furthermore, the feature value will be used as an input to BPNN. The total number of data used was190 data, where 114 data was used for the training process and another 76 data was used for testing. From the testing process carried out, the accuracy obtained was 87,19 %.

show abstract

Sundanese Aksara Recognition Using Histogram of Oriented Gradients

Cited by 2 publications

References 12 publications

Model Klasifikasi Convolutional Neural Network Pada Sistem Penerjemah Audio Aksara Sunda

Model Klasifikasi Convolutional Neural Network Pada Sistem Penerjemah Audio Aksara Sunda

Diagonal Based Feature Extraction and Backpropagation Neural Network in Handwritten Batak Toba Characters Recognition

Contact Info

Product

Resources

About