Pengenalan Tulisan Tangan Bahasa Arab Menggunakan Metode Probabilistic Neural Network

Vidia Vidia

Abstract


Perkembangan teknologi yang sangat pesat saat ini tidak membuat pendokumentasian data atau informasi dengan tulisan tangan dihilangkan. Bahkan dalam berbagai penelitian, menulis dengan tangan terbukti memiliki efek yang sangat baik untuk kecerdasan otak. Dalam penelitian ini akan dibangun aplikasi pengenalan tulisan tangan menggunakan metode Probabilistic Neural Network dengan data training. Data dengan masing-masing huruf terdiri dari 10 sampel yang digunakan untuk pelatihan sistem. Dalam pengenalan pola, data training memiliki peran yang sangat penting dalam menentukan akurasi sistem, selain itu ukuran dimensi pixel baris dan kolom citra juga sangat berpengaruh. Proses pengenalan citra tulisan tangan ini melalui beberapa tahapan yaitu data training dan data testing. Pada tahap data training ada beberapa data yang harus di training sebelum data tersebut di testing. Setelah di training data akan di testing kemudian diubah menjadi RGB dalam arah keabuan. Data yang ditesting awalnya tersambung agar bisa terpisah, maka data tersebut dilakukan cropping (pemotongan). Kemudian data akan di atur bagian ekstraksi fiturnya untuk menghasilkan data training dan data testing. Dalam penelitian ini, matriks pixel citra akan diubah dalam bentuk vektor.

Kata kunci: Pengenalan Tulisan Tangan, Ekstraksi Fitur, Probabilistic Neural Network (PNN)


Technological developments are very rapid at this time does not make documentation of data or information with handwriting removed. Even in various studies, writing by hand has proven to have a very good effect on brain intelligence. In this research, handwriting recognition applications will be built using the Probabilistic Neural Network method with training data. Data with each letter consists of 10 samples used for system training. In pattern recognition, training data has a very important role in determining the accuracy of the system, besides the size of the pixel dimensions of rows and columns of image is also very influential. This handwriting image recognition process goes through several stages, namely training data and testing data. In the training data phase there are some data that must be trained before the data is tested. After training the data will be tested and then converted to RGB in the gray direction. The data tested is initially connected so that it can be separated, then the data is cropped. Then the data extraction feature will be set to produce training data and testing data. In this study, the image pixel matrix will be changed in vector form.

Keywords: Handwriting Recognition, Feature Extraction, Probabilistic Neural Network (PNN).


Full Text:

28 - 35

References


Morwati, M. (2014). Pengenalan Citra Huruf Alphabet Tulisan Tangan Menggunakan Metode Naïve Bayes Classifier (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).

Kanta, I. A. (2013). Pengenalan Pola Huruf Hijaiyah Tulisan Tangan Menggunakan Logika Fuzzy dengan Jaringan Syaraf Tiruan Backpropagation (Doctoral dissertation, Universitas

Muhammadiyah Surakarta).

Hara, E. (2016). Sistem Pengenalan Tulisan Tangan Aksara Lampung dengan Metode Deteksi Tepi (Canny) Berbasis Jaringan Syaraf Tiruan Backpropagation (Doctoral dissertation, Fakultas Teknik).

Carol seefelt, 2015. Definisi Huruf Hijaiyah.

Ardianto Elvinaro, 2007. Definisi Citra Digital Dengan Menggunakan Aplikasi Matlab.

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

M. C, Wijaya dan A. Prijono, 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung : Informatika.

Gilewski, J., Phil Philips, S. Yanushkevich, D. Popel. 1997. “Education Aspects: Handwriting Recognition – Neural Networks – Fuzzy Logic”. Proceedings of the IAPR International Conference on Pattern Recognition and Information Processing.


Refbacks

  • There are currently no refbacks.