PENGENALAN TULISAN TANGAN HURUF LATIN TEGAK BERSAMBUNG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RECURRENT NEURAL NETWORK (RNN)

Putri Juliana (2024), PENGENALAN TULISAN TANGAN HURUF LATIN TEGAK BERSAMBUNG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RECURRENT NEURAL NETWORK (RNN) . Skripsi, Universitas Samudra.

ABSTRAK

Deteksi tulisan tangan adalah teknik atau kemampuan komputer untuk menerima dan menginterprentasikan masukan tulisan tangan yang dapat dimengerti seperti dokumen kertas, layar, foto dan lain-lain. Pengenalan pola teks tulisan tangan adalah salah satu pengenalan pola area, pengenalan pola bertujuan untuk mengklasifikasi data objek dari suatu katagori. Sistem pengenalan tulisan tangan mengandalkan fitur tulisan tangan untuk pengetahuan sebelumnya. Melatih pengenalan tulisan tangan menggunkan teknik Optical Character Recognition (OCR). Penelitian ini dilakukan untuk menyelesaikan masalah yang bertujuan sistem dapat mengenali tulisan tangan tegak bersambung huruf latin dengan menuliskan sebuah kalimat tulisan tegak bersambung di atas kertas putih kemudian pengambilan gambar menggununakan kamera smartphone lalu discan, data yang diambil sebanyak 100 data gambar dari responden dan 9862 data training dari situs IAM. Data tersebut akan dilatih menggunakan metode CNN dengan ekstraksi fitur secara otomatis kemudian RNN akan menyebarkan informasi secara berurutan melakukan inisialisasi dan melakukan pengulangan agar data dikenali. Hasil penelitian pengenalan tulisan tangan huruf latin tegak bersambung menggunakan metode CNN-RNN ini  menunjukan tingkat akurasi sekitar 71% pada 35 data uji.

File ::(login required)