PENGENALAN EKSPRESI MATEMATIKA PADA APLIKASI SMART CALCULATOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Kotualubun, Joseph Carlo (2015) PENGENALAN EKSPRESI MATEMATIKA PADA APLIKASI SMART CALCULATOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. S2 thesis, UAJY.

	Text (Halaman Judul) 0MTF02057.pdf Download (777kB)
	Text (Bab I) 1MTF02057.pdf Download (454kB)
	Text (Bab II) 2MTF02057.pdf Download (369kB)
	Text (Bab III) 3MTF02057.pdf Download (1MB)
	Text (Bab IV ) 4MTF02057.pdf Restricted to Registered users only Download (856kB)
	Text (Bab V) 5MTF02057.pdf Restricted to Registered users only Download (2MB)
	Text (Bab VI) 6MTF02057.pdf Download (339kB)

Abstract

Pengenalan pola merupakan salah satu cabang ilmu yang masih berkembang dan menjadi pusat studi penelitian. Seiring dengan perkembangan teknologi, pengenalan pola dapat diterapkan dalam berbagai macam aplikasi, salah satunya adalah smart calculator. Pada kasus ini, pengenalan pola berfungsi untuk mengenali pola input berupa operan dan operator yang terdapat pada kalkulator. Salah satu metode yang dapat digunakan untuk melakukan proses pengenalan pola adalah Learning Vector Quantization (LVQ). Proses dari aplikasi smart calculator ini terdiri dari 3 tahapan, yaitu: tahap pendeteksian ekspresi matematika, tahap pengenalan pola, dan tahap kalkulasi. Metode yang digunakan pada ketiga tahapan ini adalah: text detection, thresholding, segementasi karakter, ekstraksi fitur serta Learning Vector Quantiazation yang digunakan pada proses pengenalan pola. Berdasarkan percobaan yang dilakukan, diperoleh hasil bahwa dengan menggunakan 21 data pelatihan, sistem dapat mengenali pola dengan presentase keberhasilan 82.35%. Kemudian untuk 31 data pelatihan, sistem mampu mengenali pola dengan presentase keberhasilan 85.59%. Sedangkan untuk 51 data pelatihan, sistem dapat mengenalai pola dengan presentase keberhasilan 87.94%. Dengan demikian dapat disimpulkan bahwa semakin banyak data pelatihan yang digunakan, maka tingkat keakuratan hasil pengenalan karakter akan semakin meningkat. Selain itu, pengujian juga dilakukan terhadap ekspresi matematika, dan hasil pengujian menunjukan bahwa dari 10 ekspresi matematika yang diuji, sistem mampu mengenali 7 ekspresi matematika dengan benar. Hasil pengenalan karakter dipengaruhi oleh beberapa faktor, diantaranya bentuk dari sample pola yang uji, ukuran pola baik dari sisi lebar maupun panjang pola, dan jarak antar pola

Actions (login required)

View Item