Pengenalan Penulisan Tangan Huruf Hijaiyah Menggunakan Fitur Freeman Chain Code Berdasarkan Urutan Goresan

Rani, Juwita Kartika (2024) Pengenalan Penulisan Tangan Huruf Hijaiyah Menggunakan Fitur Freeman Chain Code Berdasarkan Urutan Goresan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000051-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (3MB) | Request a copy

Abstract

Huruf Hijaiyah adalah huruf-huruf penyusun kata dalam Al Qur'an dan digunakan sebagai dasar dari pembentukan kata dan kalimat dalam bahasa Arab. Sebagai umat Islam penting untuk mempelajari huruf Hijaiyah, karena huruf ini dipergunakan dalam penulisan Al Qur'an. Di zaman modern ini penggunaan gawai (gadget) sangat penting untuk mempermudah seorang pendidik menyalurkan berbagai macam materi kepada peserta didiknya guna memperoleh sumber-sumber informasi maupun bentuk materi yang dibutuhkan. Pemanfaatan aplikasi interaktif sebagai media pembelajaran saat ini dinilai sangat tepat karena dapat membawa kesan menyenangkan. Saat ini sudah ada aplikasi pembelajaran huruf hijaiyah yang interaktif namun terdapat kekurangan pada aplikasi pembelajaran interaktif yaitu pada modul evaluasi mengalami kegagalan dalam pengenalan penulisan tangan tiga huruf hijaiyah yang disebabkan oleh tidak mempertimbangkan pengaruh urutan goresan. Tugas akhir ini bertujuan untuk membuat sebuah model pengenalan penulisan tangan huruf hijaiyah dengan mempertimbangkan urutan goresan menggunakan Freeman Chain Code (FCC) sebagai ekstraksi fitur dan Convolutional Neural Network (CNN) sebagai metode pengklasifikasiannya. FCC bekerja dengan cara menelusuri piksel-piksel objek yang terhubung menggunakan panduan delapan arah mata angin. Terdapat tiga model yang akan dibandingkan yaitu model Citra Hasil Kode Chain, model Vektor Kode Chain, model Gabungan Citra Hasil Kode Chain. Model Citra Hasil Kode Chain menggunakan dataset citra hasil dari ekstraksi fitur Freeman Chain Code. Model Vektor Kode Chain menggunakan dataset vektor rantai kode arah mata angin hasil proses citra kode chain. Model Gabungan Citra Hasil Kode Chain dan Vektor Kode Chain menggunakan dataset gabungan citra hasil kode chain dan vektor kode chain. Proses konvolusi yang digunakan pada model vektor kode chain adalah Conv1D dan proses konvolusi yang digunakan pada model citra hasil kode chain dan gabungan antara citra dan data vektor kode chain adalah Conv2D. Dataset citra hasil kode chain adalah citra asli yang melalui ekstraksi fitur FCC akan menyimpan koordinat piksel-piksel yang dilewati saat pergerakan kode chain dan koordinat tersebut dikonversikan ke sebuah gambar. Dataset vektor kode chain adalah vektor pergerakan kode chain yang dihasilkan dari citra asli melalui ekstraksi fitur FCC. Dataset gabungan citra hasil kode chain dan vektor kode chain adalah citra hasil kode chain yang telah dikonversikan ke array dan vektor kode chain akan digabungkan secara vertikal di sebelah kanan array citra hasil kode chain. Hasil eksperimen terbaik adalah model gabungan antara citra hasil kode chain dan data vektor kode chain dengan hasil akurasi sebesar 81,66% dan akurasi pengujian sebesar 88,33%.
=====================================================================================================================================
Hijaiyah letters are the letters that make up words in the Qur'an and are used as the basis for forming words and sentences in Arabic. As Muslims, it is important to learn the Hijaiyah letters, because these letters are used in writing the Qur'an. In this modern era, the use of gadgets is very important to make it easier for educators to distribute various kinds of material to their students in order to obtain the sources of information and forms of material needed. The use of interactive applications as a learning medium is currently considered very appropriate because it can bring a pleasant impression. Currently there is an interactive Hijaiyah letter learning application, but there are shortcomings in the interactive learning application, namely that the evaluation module failed in recognizing the handwriting of the three Hijaiyah letters which was caused by not considering the influence of the stroke order. This final project aims to create a model for handwriting recognition of hijaiyah letters by considering the sequence of strokes using Freeman Chain Code (FCC) as feature extraction and Convolutional Neural Network (CNN) as a classification method. FCC works by tracing the pixels of connected objects using eight cardinal directions. There are three models that will be compared, namely the Chain Code Image model, the Chain Code Vector model, and the Combined Chain Code Image model. The Chain Code Image Model uses an image dataset resulting from Freeman Chain Code feature extraction. The Chain Code Vector Model uses a dataset of chain code vectors in cardinal directions resulting from the chain code image process. The Combined Model of Chain Code Images and Chain Code Vectors uses a combined dataset of chain code images and chain code vectors. The convulsion process used in the chain code vector model is Conv1D and the convulsion process used in the chain code image model and the combination of image and chain code vector data is Conv2D. The image dataset resulting from the chain code is the original image which, through feature extraction, the FCC will store the coordinates of the pixels that are passed during the movement of the chain code and these coordinates are converted into an image. The chain code vector dataset is a chain code movement vector generated from the original image through FCC feature extraction. The combined dataset of chain code images and chain code vectors is the chain code image that has been converted to an array and the chain code vector will be combined vertically to the right of the chain code image array. The best experimental result is a combined model between chain code images and chain code vector data with accuracy results of 81.66% and test accuracy of 88.33%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pembelajaran Huruf Hijaiyah, Freeman Chain Code, Pengenalan Penulisan Tangan; Convolutional Neural Network, Arabic Letters Learning, Freeman Chain Code, Handwriting Recognition, Convolutional Neural Network
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Juwita Kartika Rani
Date Deposited:	12 Feb 2024 02:34
Last Modified:	12 Feb 2024 02:34
URI:	http://repository.its.ac.id/id/eprint/106850

Actions (login required)

View Item