PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DAN SCALE INVARIANT FEATURE TRANSFORM UNTUK PENGENALAN TULISAN TANGAN PADA KARAKTER HANACARAKA AKSARA JAWA

AGUNG, RAMA TRI (2022) PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DAN SCALE INVARIANT FEATURE TRANSFORM UNTUK PENGENALAN TULISAN TANGAN PADA KARAKTER HANACARAKA AKSARA JAWA. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK_123180053_RAMA TRI AGUNG.pdf Download (10kB)
	Text COVER_123180053_RAMA TRI AGUNG.pdf Download (117kB)
	Text DAFTAR ISI_123180053_RAMA TRI AGUNG.pdf Download (25kB)
	Text DAFTAR PUSTAKA_123180053_RAMA TRI AGUNG.pdf Download (157kB)
	Text PENGESAHAN PEMBIMBING_123180053_RAMA TRI AGUNG.pdf Download (387kB)
	Text PENGESAHAN PENGUJI_123180053_RAMA TRI AGUNG.pdf Download (409kB)
	Text SKRIPSI FULL_123180053_RAMA TRI AGUNG.pdf Restricted to Repository staff only Download (6MB)

Abstract

Hanacaraka aksara jawa merupakan salah satu warisan leluhur bangsa Indonesia yang
melekat dalam budaya Jawa. Bahasa aksara jawa ini terancam punah karena semakin
berkurang jumlah penggunanya dan juga pada minat masyarakat. Sistem pengenalan
karakter tulisan tangan aksara jawa menjadi salah satu cara untuk menunjang kelestarian
budaya tersebut.
Penerapan sistem dapat dikembangkan dengan beberapa metode seperti yang telah
dilakukan pada penelitian sebelumnya yaitu CNN, KNN, dan SVM. Metode tersebut
memiliki kelemahannya masing-masing. Sehingga pada penelitian ini menggunakan metode
SVM dan SIFT sebagai ekstraksi fitur untuk meningkatkan performa klasifikasi. Penilitian
ini menggunakan 2940 data dengan 20 kelas yang telah dilakukan augmentasi tujuh variasi
dan beberapa preprocessing yaitu resize, grayscaling.
Optimasi parameter dilakukan dengan menguji pada 20 kombinasi terhadap beberapa
parameter yaitu size gambar, nilai K, nilai C, dan nilai Gamma. Pengujian tersebut
mendapatkan parameter terbaik yaitu size gambar 192x192 piksel, nilai K = 750, nilai C =
3, dan nilai Gamma = 0.10235. Hasil klasifikasi model SVM-SIFT menggunakan parameter
tersebut dapat menghasilkan nilai performa akurasi terbaik yaitu mencapai 92.11% pada data
latih dan 94.55% pada data uji. Performa model tersebut membuktikan bahwa ekstraksi fitur
SIFT dapat meningkatkan akurasi yang signifikan pada model SVM.
Kata Kunci: aksara jawa, SVM, SIFT

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Aksara jawa, SVM, SIFT
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	02 Feb 2023 08:06
Last Modified:	02 Feb 2023 08:06
URI:	http://eprints.upnyk.ac.id/id/eprint/32626

Actions (login required)

View Item