No abstract

Bahasa Jawa merupakan salah satu bahasa daerah yang digunakan di Indonesia. Masyarakat Indonesia suku Jawa yang tinggal di luar provinsi Jawa Tengah, provinsi DI Yogyakarta dan provinsi Jawa Timur jarang atau bahkan tidak menggunakan bahasa Jawa. Penutur bahasa Jawa saat ini juga sedang menurun seiring dengan perkembangan teknologi. Jika kejadian ini terus terjadi ada kemungkinan suatu saat nanti bahasa Jawa dilupakan karena pelestarian bahasa Jawa sudah berkurang. Oleh karena itu, penulis ingin membuat media pembelajaran yang dapat membantu melestarikan bahasa Jawa dengan memanfaatkan perkembangan teknologi. Sistem yang dibuat merupakan sebuah chatbot yang menggunakan metode Artificial Intelligence Markup Language. Sistem tersebut akan memberikan materi mengenai tiga tingkatan yang ada dalam bahasa Jawa dan memberikan pertanyaan mengenai tiga tingkatan yang ada dalam bahasa Jawa kepada pengguna. Hasil yang diharapkan adalah sistem dapat membantu dalam pelestarian bahasa Jawa.

AbstrakKarakter pada tulisan tangan cukup sulit untuk dikenali dengan mesin karena setiap orang memiliki gaya penulisan yang berbeda-beda. Penelitian ini mengenali pola karakter angka dan huruf pada tulisan tangan dengan memanfaatkan algoritma klasifikasi K-Nearest Neighbor (KNN). Proses pengenalan tulisan tangan dilakukan dengan mempraproses citra tulisan tangan, melakukan segmentasi untuk mendapatkan karakter tunggal dari sekumpulan karakter pada citra, ekstraksi ciri untuk mendapatkan fitur, dan klasifikasi yang terdiri dari proses pelatihan dan pengujian. Ekstraksi ciri dilakukan dengan metode Zona yang akan dimanfaatkan untuk klasifikasi dengan membagi data kedalam data latih dan data uji. Data latih dari hasil ekstraksi ciri direduksi menggunakan metode K-Support Vector Nearest Neighbor (K-SVNN) dengan hanya mengambil support vector sebagai data latih. Proses terakhir, untuk mengenali pola tulisan tangan dari data uji digunakan K-Nearest Neighbor (KNN). Hasil pengujian menunjukkan bahwa proses reduksi data latih K-SVNN berhasil meningkatkan akurasi pengenalan karakter tulisan tangan. AbstractHandwritten characters are difficult to be recognized by machine because people had various own writing styles. This research recognizes handwritten character pattern of numbers and alphabet using K-Nearest Neighbour (KNN) algorithm. Handwritten recognition process is done by preprocessing handwritten image, segmentation to obtain separate single characters from a set of character in an image, feature extraction to get feature vector, and classification consisting of training and testing process . Features extraction is done by utilizing Zone method that will be used for classification by splitting features data into training data and testing data.