Text

Aplikasi Pengenalan Aksara Jepang Katakana Menggunakan Jaringan Syaraf TiruanLearning Vector Quantization (LVQ)

---

ABSTRAK

Aksara Jepang katakana digunakan pada saat menuliskan kata-kata selain bahasa Jepang,
misalnya nama orang asing dan kata-kata serapan dari bahasa asing. Bagi orang-orang yang
sedang belajar aksara Jepang katakana, terkadang mengalami kesulitan dalam
menghafalkannya, sehingga dibuat sebuah aplikasi pengenalan aksara Jepang katakana.
Aplikasi ini dikembangkan menggunakan jaringan syaraf tiruan learning vector
quantization. Tahapan yang dimiliki oleh aplikasi ini yaitu melakukan pre-processing pada
citra aksara, mengekstrak fitur citra menggunakan transformasi wavelet diskrit, menyimpan
data vektor citra, melakukan pelatihan data, dan melakukan pengenalan terhadap citra yang
dimasukkan. Data pelatihan yang digunakan dalam aplikasi ini sebanyak 360 data tulisan
tangan aksara katakana yang berasal dari 8 orang. Selanjutnya data-data ini akan terbagi
menjadi 8 subset pada pengujian validitas menggunakan k-fold cross validation untuk
mendapatkan nilai akurasi. Nilai akurasi pengenalan aksara terbaik hanya sebesar 47,50%
dengan parameter α = 0.08 dan 0.09 dan epoch = 10.
Kata kunci : Aksara Jepang Katakana, Jaringan Syaraf Tiruan, Learning Vector
Quantization, K-Fold Cross validation

ABSTRACT

Japanese katakana characters was used to wrote all non japanese words, like foreigner’s
name and uptake words from foreign language. For people who studying about japanese
katakana, sometimes got a problem to remember it, so a compter application for japanese
katakana’s recognition has been developed. This application was developed using artificial
neural network learning vector quantization. List of step of this application were preprocessing on characters image, extracting the feature of image using discrete wavelet
transform, storing image’s data vector, perform data training, and recognize an image. This
application had a total 360 data of handwriting katakana’s character which collected from 8
peoples. Then, all of these data will divided in to 8 subset on validity testing using k-fold
cross validation to get an accuration value. Best value of character’s recognition accuracy
only 47,50% from parameter α = 0.08 and 0.09 and epoch = 10 as the parameter.
Keywords : Japanese katakana characters, Artificial Neural Network, Learning Vector
Quantization, K-Fold Cross Validation

---

Ketersediaan

421F16IV

006.32 SAP a

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

006.32 SAP a

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1365

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Differential equations

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Angga Pradana Saputra JF

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar