Identifikasi Tulisan Tangan Offline Menggunakan Algoritma Gray Level Co-occurrence Matrix dan Support Vector Machine
| Main Author: | Tandi, Priskila |
|---|---|
| Format: | Thesis NonPeerReviewed application/pdf |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/13908/1/HALAMAN_AWAL.pdf http://kc.umn.ac.id/13908/2/DAFTAR_PUSTAKA.pdf http://kc.umn.ac.id/13908/3/BAB_I.pdf http://kc.umn.ac.id/13908/4/BAB_II.pdf http://kc.umn.ac.id/13908/5/BAB_III.pdf http://kc.umn.ac.id/13908/6/BAB_IV.pdf http://kc.umn.ac.id/13908/7/BAB_V.pdf http://kc.umn.ac.id/13908/8/LAMPIRAN.pdf http://kc.umn.ac.id/13908/ |
Daftar Isi:
- Tulisan tangan seseorang merupakan salah satu dari sekian banyaknya keunikan pada manusia, dikarenakan tulisan tangan setiap orang memiliki pola dan ciri tertentu. Tulisan tangan juga dapat digunakan untuk mengidentifikasi siapa penulisnya. Identifikasi tulisan tangan penting dan berguna untuk mengidentifikasi tulisan tangan seseorang, guna meminimalisir terjadinya hal-hal yang tidak diinginkan (contoh: meniru tulisan tangan dan membuat dokumen palsu). Untuk mencegah hal tersebut, sistem identifikasi tulisan tangan offline ini menggunakan algoritma Gray Level Co-occurrence Matrix (GLCM), Histogram of Oriented Gradients (HOG), dan Support Vector Machine (SVM). Algoritma GLCM digunakan sebagai teknik ekstraksi ciri pada data citra. Algoritma HOG adalah fitur deskriptor yang digunakan untuk mendeteksi suatu objek. Algoritma SVM dapat bekerja pada data non-linier dengan menggunakan pendekatan kernel pada fitur data awal himpunan data. Hasil yang didapatkan dalam proses identifikasi berupa nilai recall sebesar 90.8%, accuracy sebesar 84.4%, precision sebesar 91.6%, dan f1-score sebesar 87.6%. Untuk mempermudah dalam memahami proses identifikasi, maka dibutuhkan sebuah aplikasi berbasis web yang mengimplementasikan proses tersebut dengan menggunakan bahasa pemrograman Python dan web framework Flask.