Daftar Isi: Pengenalan Tulisan Tangan Dengan Smooth Support Vector Machine Dan Diagonal Based Feature Extraction

Main Author:	Fadli, Muhammad
Format:	Thesis NonPeerReviewed Book eArticle
Bahasa:	eng
Terbitan:	, 2019
Subjects:	004_Data Processing & Computer Science
Online Access:	http://elibrary.unikom.ac.id/1598/1/UNIKOM_MUHAMMAD%20FADLI_COVER.pdf http://elibrary.unikom.ac.id/1598/2/UNIKOM_MUHAMMAD%20FADLI_LEMBAR%20PENGESAHAN.pdf http://elibrary.unikom.ac.id/1598/3/UNIKOM_MUHAMMAD%20FADLI_SURAT%20KETERANGAN%20PUBLIKASI.pdf http://elibrary.unikom.ac.id/1598/4/UNIKOM_MUHAMMAD%20FADLI_SURAT%20KETERANGAN%20ORISINALITAS.pdf http://elibrary.unikom.ac.id/1598/5/UNIKOM_MUHAMMAD%20FADLI_KATA%20PENGANTAR.pdf http://elibrary.unikom.ac.id/1598/6/UNIKOM_MUHAMMAD%20FADLI_DAFTAR%20ISI.pdf http://elibrary.unikom.ac.id/1598/7/UNIKOM_MUHAMMAD%20FADLI_BAB%201.pdf http://elibrary.unikom.ac.id/1598/8/UNIKOM_MUHAMMAD%20FADLI_BAB%202.pdf http://elibrary.unikom.ac.id/1598/9/UNIKOM_MUHAMMAD%20FADLI_BAB%203.pdf http://elibrary.unikom.ac.id/1598/10/UNIKOM_MUHAMMAD%20FADLI_BAB%204.pdf http://elibrary.unikom.ac.id/1598/11/UNIKOM_MUHAMMAD%20FADLI_BAB%205.pdf http://elibrary.unikom.ac.id/1598/12/UNIKOM_MUHAMMAD%20FADLI_DAFTAR%20PUSTAKA.pdf http://elibrary.unikom.ac.id/1598/13/UNIKOM_MUHAMMAD%20FADLI_JURNAL%20DALAM%20BAHASA%20INDONESIA.pdf http://elibrary.unikom.ac.id/1598/14/UNIKOM_MUHAMMAD%20FADLI_JURNAL%20DALAM%20BAHASA%20INGGRIS.pdf http://elibrary.unikom.ac.id/1598/15/UNIKOM_MUHAMMAD%20FADLI_BIODATA.pdf http://elibrary.unikom.ac.id/1598/ http://elibrary.unikom.ac.id

Daftar Isi:

Penelitian ini bertujuan untuk mengetahui tingkat akurasi pengenalan tulisan tangan menggunakan metode klasifikasi Smooth Support Vector Machine (SSVM) dan metode ekstraksi ciri Diagonal Based Feature Extraction. Adapuun tahapan dalam penelitian ini yaitu tahap pengumpulan data karakter tulisan tangan teridiri dari karakter hurf A-Z, a-z dan angka 0-9. Dalam penelitian ini sebelum melakukan proses klasifikasi, citra tulisan tangan akan melalui tahap preprocessing yang teridiri dari Grayscale, Threshold, Segmentasi, Scalling dan ekstraksi fitur Diagonal Based Feature Extraction. Selanjutnya dilakukan proses pelatihan dan pengujian dengan metode Smooth Support Vector Machine. Sample citra karakter tulisan tangan di peroleh dari 30 orang koresponden dan akan digunakan sebagai data latih dan data uji. Berdasarkan hasil pengujian yang dilakukan terhadap data uji, maka didapatkan akurasi terbaik 72,6%.