Implementasi Algoritma Freeman Chain Code dan Algoritma K-Nearest Neighbor Dalam Pengenalan Huruf Mandarin

Ericson, Ericson; Mulyana, Teady Matius Surya

doi:10.30865/jurikom.v9i4.4532

Cited by 2 publications

(2 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Untuk dapat membuat sistem computer yang mampu membedakan object satu dan lainnya, sehingga object yang akan diamati dapat tersegmentasi. Terdapat beberapa teknik pengenalan object dengan menggunakan image processing seperti penggunaan Algoritma Freeman Chain [11] dalam mendeteksi tulisan mandarin. Identifikasi object juga merupakan salah satu cara untuk dapat memisahkan object yang akan diamati terhadap background gambar yang sering dianggap sebagai noise (derau) [12,13], apabila terlalu banyak noise yang tersegmentasi, maka akan sangat berpengaruh pada tahapan pembuatan model prediksi sehingga pemilihan metode yang tepat dierlukan.…”

Section: Pendahuluanunclassified

Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn)

Tampinongkol,

Herdian,

Basri

et al. 2023

View full text Add to dashboard Cite

Penyakit yang disebabkan oleh pathogen dapat menyebabkan terjadinya kematian pada suatu tanaman tertentu yang terjangkit oleh penyakit tersebut. Pathogen memerlukan inang untuk dapat berkembang biak agar dapat menginfeksi bagian tumbuhan yang masih sehat. Bagian daun pada tumbuhan yang menjadi tempat untuk pathogen berkembang biak, sehingga dapat mengakibatkan kematian jaringan pada daun dan membuat tumbuhan tidak dapat berkembang atau mati. Leaf spot dan leaf blight merupakan penyakit yang disebabkan oleh pathogen dan sering ditemukan pada tumbuhan seperti yang ditemukan pada tomat (Solanum lycopersicum syn). Identifikasi penyakit pada tanaman tomat dapat dilakukan dengan pendekatan image processing menggunakan gambar (image) dari daun tomat yang terkena penyakit berak (spot) dan hawar (blight). Gambar yang digunakan dilakukan proses segmentasi terlebih dahulu untuk memisahkan object penyakit dari background yang bukan area penyakit, area penyakit daun tomat berhasil tersegmentasi pada proses pengurangan antar channel warna Green–Red (GR). Sebaliknya invers channel warna tersebut mengsegmentasi area daun berwarna hijau atau area sehat. Setelah berhasil tersegmentasi selanjutnya image GR dilakukan pengenalan ciri menggunakan dua metode yang berbeda Gray Level Co-occurrence Matrix (GLCM) dan Discrete Wavelet Transform (DWT). Kedua metode dapat mengenali ciri penyakit daun dengan baik berdasarkan pada nilai Energy dan Entropy yang diperoleh. Tahapan selanjutnya dapat menambahkan teknik Machine Learning (ML) agar hasil pengenalan ciri penyakit daun dapat diklasifikasikan dan dijadikan model untuk melatih atau mengenali penyakit daun pada varietas tumbuhan yang lain.

show abstract

Section: Pendahuluanunclassified

Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn)

Tampinongkol,

Herdian,

Basri

et al. 2023

View full text Add to dashboard Cite

show abstract

“…Convolutional neural network (CNN) merupakan salah satu model yang banyak digunakan dan dikenal sebagai salah satu model yang akurat dalam melakukan klasifikasi citra [5]. Hal ini dapat ditemukan dalam penelitian sebelumnya tentang pembuatan sistem pengenalan tulisan tangan yang memberikan bukti yang mendukung, seperti; penggunaan algoritma convolutional neural network (CNN) mendapatkan akurasi sebesar 92,91% [6], Gray Level Co-occurrence Matrix (GLCM) dengan pengklasifikasian Euclidean Distance 78% [7], Serta Freeman Chain Code dan K-Nearest Neighbor 72% [8].…”

Section: Pendahuluanunclassified

Recognition of Real-Time Handwritten Characters Using Convolutional Neural Network Architecture

Gumilang,

Avianto

2023

J. Tek. Inform. (JUTIF)

View full text Add to dashboard Cite

Pattern recognition, including handwriting recognition, has become increasingly common in everyday life, as is recognizing important files, agreements or contracts that use handwriting. In handwriting recognition, there are two types of methods commonly used, namely online and offline recognition. In online recognition, handwriting patterns are associated with pattern recognition to generate and select distinctive patterns. In handwritten letter patterns, machine learning (deep learning) is used to classify patterns in a data set. One of the popular and accurate deep learning models in image classification is the convolutional neural network (CNN). In this study, CNN will be implemented together with the OpenCV library to detect and recognize handwritten letters in real-time. Data on handwritten alphabet letters were obtained from the handwriting of 20 students with a total of 1,040 images, consisting of 520 uppercase (A-Z) images and 520 lowercase (a-z) images. The data is divided into 90% for training and 10% for testing. Through experimentation, it was found that the best CNN architecture has 5 layers with features (32, 32, 64, 64, 128), uses the Adam optimizer, and conducts training with a batch size of 20 and 100 epochs. The evaluation results show that the training accuracy is between 85, 90% to 89.83% and testing accuracy between 84.00% to 87.00%, with training and testing losses ranging from 0.322 to 0.499. This research produces the best CNN architecture with training and testing accuracy obtained from testing. The developed CNN model can be used as a reference or basis for the development of more complex handwriting pattern recognition models or for pattern recognition in other domains, such as object recognition in computer vision, facial recognition, and other object detection.

show abstract

Implementasi Algoritma Freeman Chain Code dan Algoritma K-Nearest Neighbor Dalam Pengenalan Huruf Mandarin

Cited by 2 publications

References 17 publications

Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn)

Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn)

Recognition of Real-Time Handwritten Characters Using Convolutional Neural Network Architecture

Contact Info

Product

Resources

About