IMPLEMENTASI HISTOGRAM OF ORIENTED GRADIENT DAN LOCAL BINARY PATTERN DALAM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Hutomo, Anggit Pambudi (2025) IMPLEMENTASI HISTOGRAM OF ORIENTED GRADIENT DAN LOCAL BINARY PATTERN DALAM PENGENALAN TULISAN TANGAN AKSARA LAMPUNG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_12319054_Anggit Pambudi Hutomo.pdf Download (246kB)
	Text 3_Abstrak_12319054_Anggit Pambudi Hutomo.pdf Download (236kB)
	Text 4_Halaman Pengesahan_12319054_Anggit Pambudi Hutomo.pdf Download (239kB)
	Text 5_Daftar Isi_12319054_Anggit Pambudi Hutomo.pdf Download (199kB)
	Text 6_Daftar Pustaka_12319054_Anggit Pambudi Hutomo.pdf Download (133kB)
	Text 1_SKRIPSI Full_123190054_Anggit Pambudi Hutomo.pdf Restricted to Repository staff only Download (2MB)

Abstract

Aksara Lampung merupakan sistem penulisan tradisional yang kini semakin jarang
digunakan. Pengenalan otomatis tulisan tangan aksara ini menjadi solusi potensial untuk
mendukung pelestarian budaya, meskipun masih menghadapi tantangan berupa variasi bentuk,
orientasi, dan ukuran tulisan. Oleh karena itu, dibutuhkan metode ekstraksi fitur yang mampu
merepresentasikan bentuk dan tekstur karakter secara optimal sebelum proses klasifikasi.
Penelitian ini bertujuan mengembangkan sistem pengenalan tulisan tangan aksara
Lampung dengan mengombinasikan metode Histogram of Oriented Gradient (HOG) untuk
fitur bentuk dan kontur, serta Local Binary Pattern (LBP) untuk fitur tekstur lokal. Hasil
ekstraksi kedua metode digabungkan dan diklasifikasikan menggunakan algoritma Support
Vector Machine (SVM) dengan kernel RBF.
Hasil pengujian menunjukkan kombinasi LBP (P=24,R=3P=24, R=3P=24,R=3,
uniform) dan HOG (orientations=9, pixels_per_cell=(8,8), cells_per_block=(2,2)) dengan
SVM (C=10,γ=0.1C=10, \gamma=0.1C=10,γ=0.1) menghasilkan akurasi 96%. Hal ini
membuktikan pemilihan parameter yang tepat pada tahap ekstraksi dan klasifikasi sangat
memengaruhi kinerja sistem.
Berdasarkan temuan tersebut, dapat disimpulkan bahwa kombinasi HOG dan LBP
efektif dalam merepresentasikan karakteristik tulisan tangan aksara Lampung, dan integrasinya
dengan SVM memberikan performa klasifikasi tinggi. Pendekatan ini berpotensi diterapkan
pada sistem pengenalan aksara daerah untuk mendukung pelestarian budaya melalui teknologi.
Kata Kunci : Aksara Lampung, Histogram of Oriented Gradient, Local Binary Pattern,
Support Vector Machine, Pengenalan Tulisan Tangan

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Anggit Pambudi Hutomo (Penulis-123190054) ; Awang Hendrianto Pratomo (Pembimbing)
Uncontrolled Keywords:	Aksara Lampung, Histogram of Oriented Gradient, Local Binary Pattern, Support Vector Machine, Pengenalan Tulisan Tangan
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	01 Dec 2025 03:28
Last Modified:	01 Dec 2025 03:28
URI:	http://eprints.upnyk.ac.id/id/eprint/45907

Actions (login required)

View Item