Weisling, Daphne Eka Jayanti (2011) PEMBANGUNAN APLIKASI PENGENALAN CITRA AKSARA JAWA MENGGUNAKAN METODE BACKPROPAGATION DENGANWAVELET SEBAGAI PEMROSESAN AWAL CITRA. S1 thesis, UAJY.
|
Text (Halaman Judul)
0TF04968.pdf Download (1MB) | Preview |
|
|
Text (Bab I)
1TF04968.pdf Download (125kB) | Preview |
|
|
Text (Bab II)
2TF04968.pdf Download (115kB) | Preview |
|
![[img]](http://e-journal.uajy.ac.id/style/images/fileicons/text.png) |
Text (Bab III)
3TF04968.pdf Restricted to Registered users only Download (457kB) |
|
|
Text (Bab IV)
4TF04968.pdf Restricted to Registered users only Download (419kB) |
|
|
Text (Bab V)
5TF04968.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (Bab VI)
6TF04968.pdf Download (2MB) | Preview |
Abstract
Di balik kelebihannya, komputer memiliki kelemahan dibandingkan dengan kemampuan manusia memroses informasi. Salah satu contoh kelemahan komputer dibandingkan dengan manusia adalah kemampuan mengenali karakter. Pengenalan karakter merupakan hal yang dianggap sederhana dan umum dilakukan oleh manusia, namun merupakan tugas yang sulit jika dilakukan oleh komputer. Untuk mengatasi kekurangan tersebut, dikembangkanlah sistem Jaringan Saraf Tiruan (JST) yang mengambil konsep sistem saraf manusia. Salah satu metodenya yaitu backpropagation yang mempelajari pola dari suatu karakter, menyimpan bobotnya untuk kemudian mengenali karakter serupa. Pembuatan Tugas Akhir ini bertujuan agar sistem yang dibangun dapat mengenali citra aksara Jawa setelah dilakukan pelatihan pada JST. Metode yang digunakan yaitu backpropagation dengan 1 lapisan tersembunyi. Sebelum citra diproses dalam JST, dilakukan dekomposisi citra dengan menggunakan transformasi wavelet Haar 2 level untuk mengurangi beban komputasi. Tugas Akhir ini dibangun dengan menggunakan bahasa pemrograman C# dan database menggunakan SQL Server. Hasil penelitian berupa sebuah perangkat lunak yang dapat melakukan pelatihan dan pengenalan terhadap citra aksara Jawa. Perangkat lunak dengan model arsitektur JST yang optimal dapat mengenali citra aksara Jawa dengan tingkat akurasi 97,857% untuk citra uji yang termasuk dalam data pelatihan, 45% untuk citra uji yang tidak termasuk dalam data pelatihan, dan 70,625% untuk citra uji yang mengandung noise.
| Item Type: | Thesis (S1) |
|---|---|
| Uncontrolled Keywords: | Aksara Jawa, Wavelet Haar, Jaringan Saraf Tiruan, Backpropagation, Pengenalan Karakter |
| Subjects: | Teknik Informatika > Soft Computing |
| Divisions: | Fakultas Teknologi Industri > Teknik Informatika |
| Depositing User: | Editor UAJY |
| Date Deposited: | 14 May 2013 09:57 |
| Last Modified: | 14 May 2013 09:57 |
| URI: | http://e-journal.uajy.ac.id/id/eprint/1386 |
Actions (login required)
 |
View Item |
