Identifikasi Huruf Kapital Tulisan Tangan Menggunakan Linear Discriminant Analysis dan Euclidean Distance

Abstract

The human ability to recognize a variety of objects, however complex the object, is the special ability that humans possess. Any normal human will have no difficulty in recognizing handwriting objects between an author and another author. With the rapid development of digital technology, the human ability to recognize handwriting objects has been applied in a program known as Computer Vision. This study aims to create identification system different types of handwriting capital letters that have different sizes, thickness, shape, and tilt (distinctive features in handwriting) using Linear Discriminant Analysis (LDA) and Euclidean Distance methods. LDA is used to obtain characteristic characteristics of the image and provide the distance between the classes becomes larger, while the distance between training data in one class becomes smaller, so that the introduction time of digital image of handwritten capital letter using Euclidean Distance becomes faster computation time (by searching closest distance between training data and data testing). The results of testing the sample data showed that the image resolution of 50x50 pixels is the exact image resolution used for data as much as 1560 handwritten capital letter data compared to image resolution 25x25 pixels and 40x40 pixels. While the test data and training data testing using the method of 10-fold cross validation where 1404 for training data and 156 for data testing showed identification of digital image handwriting capital letter has an average effectiveness of the accuracy rate of 75.39% with the average time computing of 0.4199 seconds.Keywords: Computer vision; Euclidean distance; Linear discriminant analysis; 10-Fold Cross Validation. AbstrakKemampuan manusia dalam mengenali berbagai macam objek, seberapa pun rumitnya objek tersebut, merupakan kemampuan istimewa yang dimiliki manusia. Manusia normal manapun tidak akan mengalami kesulitan dalam mengenali objek tulisan tangan antara seorang penulis dengan penulis lainnya. Permasalahannya apabila komputer melakukan pengenalan tulisan tangan yang memiliki ukuran, ketebalan, bentuk, dan kemiringan yang berbeda (ciri khas tersendiri dalam menulis dengan tulisan tangan). Dengan pesatnya perkembangan teknologi digital maka kemampuan manusia untuk mengenali objek tulisan tangan telah diterapkan dalam suatu program yang dikenal dengan nama Computer Vision. Penelitian ini bertujuan membuat sistem identifikasi berbagai jenis huruf kapital tulisan tangan menggunakan metode Linear Discriminant Analysis (LDA) dan Euclidean Distance. LDA digunakan untuk mendapatkan karakteristik ciri dari citra dan memberikan jarak antara kelas menjadi lebih besar, sedangkan jarak antara data training dalam satu kelas menjadi lebih kecil, sehingga waktu pengenalan citra digital huruf kapital tulisan tangan dengan menggunakan Euclidean Distance menjadi lebih cepat waktu komputasi (dengan mencari jarak terdekat antara data training dengan data testing). Hasil pengujian data sampel menunjukan bahwa resolusi citra sebesar 50x50 pi...

Machine Learning for Clustering Regencies-Cities Based on Inflation and Poverty Rates in Indonesia

“…Where: Ci = the cluster containing data i, nC = the cardinality of cluster C dist(i, j) = the distance between objects i and j (e.g. Euclidean [17]).…”

Analisis Pengenalan Pola Daun Menggunakan Metode Linear Discriminant Analysis (LDA) dan Jarak Minkowski

“…Metode Linear Discriminant Analysis (LDA) memiliki kemampuan untuk memisahkan data antar kelas menjadi lebih terpisah dengan cara memaksimalkan nilai betweenclass scatter dan meminimalkan within-class scatter. Metode Linear Discriminant Analysis (LDA) digunakan untuk mendapatkan karakteristik ciri dari citra dan memperbaiki jarak antar kelas [5]. Metode Linear Discriminant Analysis (LDA) digunakan sebagai ekstraksi ciri, dan Jarak Minkowski digunakan untuk mengenali pola dari daun.…”

“…Metode Linear Discriminant Analysis (LDA) mampu memisahkan antarkelas menjadi lebih terpisah dengan memaksimalkan nilai between-class scatter dan meminimalkan within-class scatter. Pada ekstraksi ciri menggunakan Linear Discriminant Analysis (LDA) dataset lokasinya tetap namun kelas yang dibentuk menjadi lebih terpisah sehingga dapat menyebabkan jarak antar kelas menjadi lebih besar, sedangkan jarak antar data pelatihan dalam satu kelas akan menjadi lebih kecil [5]. Berikut merupakan Langkah-langkah proses ekstraksi ciri menggunakan Linear Discriminant Analysis (LDA) [5].…”

Analisis Anatomi Huruf Mahasiswa PGSD UPI Kampus Tasikmalaya

“…Tulisan tangan satu orang berbeda dengan orang lainnya termasuk dalam hal ketebalan, ukuran, penataan, spasi, dan lain-lain (Cahyani, Wiryasaputra, & Gustriansyah, 2018;Kanta, 2013). Tulisan tidak hanya sekadar menulis, melainkan adanya aspek keterbacaan.…”