Referensi Skripsi Terbaru | Download Skripsi Gratis

Mega Paket CD Interaktif

Jasa Pembuatan Skripsi

Jasa Pembuatan Skripsi
Jasa Pembuatan Skripsi

Friday, June 7, 2013

Download Skripsi Gratis Teknik Informatika : Pengenalan Tulisan Tangan Menggunakan Learning Vector Quantization.

Informasi merupakan kebutuhan manusia, bukan saja pada abad modern ini, tetapi sejak manusia tercipta. Hal ini disebabkan, antara lain oleh adanya naluri ingin tahu yang menghiasi makhluk bernama manusia. Pengenalan tulisan tangan merupakan salah satu implementasi pengenalan pola yang sangat berperan untuk mempermudah dan meningkatkan kinerja dalam pengolahan data menjadi suatu informasi. Dalam penelitian pengenalan tulisan tangan ini disajikan suatu metode untuk mengenali huruf cetak dengan menggunakan algoritma jaringan syaraf tiruan (JST) Learning Vektor Quantization (LVQ). Berdasarkan kemampuan yang dimiliki, jaringan syaraf tiruan dapat digunakan untuk belajar dan menghasilkan aturan atau operasi dari beberapa data latih untuk menghasilkan output yang baik dari input yang dimasukkan. Proses yang dilakukan untuk menghasilkan sebuah sistem pengenalan meliputi beberapa tahap, yaitu tahap pengolahan citra dan tahap pelatihan dan pengenalan. Tahap pengolahan citra dimulai dari Gray Scale, Thresholding, segmentasi, dan normalisasi. Pengolahan citra diperlukan untuk memudahkan pengolahan data gambar sebelum masuk dalam tahap pelatihan. Kemudian tahap kedua adalah pelatihan dan pengenalan. Pada tahap ini, metode LVQ mulai digunakan dan menentukan Bobot, Target Error, MaxEpoch, dan Laju Pelatihan (Learning rate). Data yang dijadikan sebagai input adalah citra huruf yang dinormalisasi sehingga berukuran 20x20 dan berekstensi Bitmap (.bmp). Tolak ukur keberhasilan sistem pengenalan tulisan tangan ini adalah dengan menghitung nilai Termination Error Rate dan tingkat keakuratan dalam pengenalan tanda tangan. Dari penelitian ini diperoleh struktur JST dengan jumlah nilai learning rate 0,003 nilai target error 0,00001 dan jumlah epoch sebesar 10.000 karena dalam rentang epoch 1000 sampai 10000 perubahan epoch tidak mempengaruhi kinerja sistem. Sistem yang terbentuk mampu mengenali citra yang berisi huruf yang digunakan sebagai bobot dengan nilai keakuratan rata – rata sebesar 61,07% dan rata – rata keakuratan hasil pengenalan terhadap citra yang belum dilakukan pembelajaran sebesar 48,17%.
File Download
Abstrak-Indonesia.pdf Abstrak-Indonesia.ps
Abstrak-Inggris.pdf Abstrak-Inggris.ps
Pendahuluan.pdf Pendahuluan.ps
BAB I.pdf BAB I.ps
BAB II.pdf BAB II.ps
BAB III.pdf BAB III.ps
BAB IV.pdf BAB IV.ps
BAB V.pdf BAB V.ps
Daftar Pustaka.pdf Daftar Pustaka.ps


Artikel Terkait:

No comments:

Post a Comment