IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DAN FREEMAN CHAIN CODE UNTUK PENGENALAN TULISAN TANGAN AKSARA JAWA BERUPA AKSARA DASAR DAN AKSARA ANGKA

Bahruddin Farid Dhiyaurrahman, . (2025) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DAN FREEMAN CHAIN CODE UNTUK PENGENALAN TULISAN TANGAN AKSARA JAWA BERUPA AKSARA DASAR DAN AKSARA ANGKA. Skripsi thesis, UNIVERSITAS PEMBANGUNAN VETERAN YOGYAKARTA.

	Text 1_Cover_123210045.pdf Download (159kB)
	Text 2_Abstrak_123210045.pdf Download (231kB)
	Text 3_Halaman Pengesahan_123210045.pdf Download (486kB)
	Text 4_Daftar Isi_123210045.pdf Download (331kB)
	Text 5_Daftar Pustaka_123210045.pdf Download (191kB)
	Text 6_Fulltext_123210045.pdf Restricted to Repository staff only Download (2MB)

Abstract

Aksara Jawa merupakan bagian penting dari warisan budaya Indonesia, namun minat dan kemampuan masyarakat dalam membaca aksara tersebut terus menurun akibat perkembangan teknologi yang semakin pesat. Kondisi ini menimbulkan tantangan dalam memahami tulisan tangan aksara Jawa, baik aksara dasar maupun aksara angka. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pengembangan sistem pengenalan tulisan tangan yang mengintegrasikan metode Freeman Chain Code (FCC) sebagai ekstraksi fitur dan Support Vector Machine (SVM) sebagai metode klasifikasi. Dataset yang digunakan terdiri dari 20 kelas aksara dasar yang diambil dari Kaggle serta 11 kelas aksara angka yang dikumpulkan secara langsung, sehingga diperoleh 1.590 gambar awal. Proses augmentasi menggunakan teknik rotasi dan scaling meningkatkan jumlah dataset menjadi 14.880 gambar, yang kemudian dibagi menjadi 13.020 data training dan 1.860 data testing. Tahapan preprocessing meliputi pengubahan ukuran menjadi 64×64 piksel, konversi grayscale, thresholding Otsu, operasi morfologi, dan thinning. Ekstraksi fitur FCC dilakukan pada blok 7×7 piksel sehingga menghasilkan 392 fitur numerik untuk setiap gambar. Optimasi parameter SVM menggunakan Grid Search CV menghasilkan konfigurasi terbaik pada C = 50 dan γ = 0,001 dengan pendekatan One-vs-One untuk klasifikasi multikelas. Model yang dihasilkan memperoleh akurasi rata-rata sebesar 82,96% pada data training. Pengujian tambahan menggunakan variasi tulisan tangan dari lima individu menunjukkan bahwa sistem mampu mengenali karakter aksara Jawa dan membentuk kata dengan cukup baik, meskipun masih ditemukan beberapa kesalahan minor. Temuan ini menunjukkan bahwa kombinasi metode FCC dalam ekstraksi fitur dan SVM dalam klasifikasi merupakan pendekatan yang efektif untuk meningkatkan performa pengenalan tulisan tangan aksara Jawa.
Kata kunci: aksara jawa, FCC, SVM

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	BAHRUDDIN FARID DHIYAURRAHMAN (Penulis - 123210045) WILIS KASWIDJANTI (Pembimbing)
Uncontrolled Keywords:	aksara jawa, FCC, SVM
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	30 Apr 2026 02:33
Last Modified:	30 Apr 2026 02:33
URI:	http://eprints.upnyk.ac.id/id/eprint/48049

Actions (login required)

View Item