Studi Kinerja Fitur Bentuk Berbasis Chain Code pada Pengenalan Karakter Tulisan Tangan

Mawaddah, Saniyatul (2019) Studi Kinerja Fitur Bentuk Berbasis Chain Code pada Pengenalan Karakter Tulisan Tangan. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05111750010033-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pengenalan karakter tulisan tangan pada citra merupakan suatu permasalahan yang sulit untuk dipecahkan, dikarenakan terdapat perbedaan gaya penulisan pada setiap orang. Tahapan proses dalam pengenalan tulisan tangan diantaranya adalah preprocessing, segmentasi, ekstraksi fitur, dan klasifikasi. Preprocessing dilakukan untuk merubah citra tulisan tangan menjadi citra biner yang hanya mempunyai ketebalan 1 pixel melalui proses binerisasi menggunakan metode otsu thresholding dan proses thinning. Pada tahap segmentasi karakter, digunakan algoritma Choudhary untuk memisahkan satu karakter dari citra tulisan tangan. Kemudian pada tahap ekstraksi fitur, dipilih fitur bentuk karena fitur bentuk memiliki peran yang lebih penting dibanding 2 fitur visual lainnya (warna dan tekstur) pada pengenalan karakter tulisan tangan. Salah satu metode yang sering digunakan dalam ekstraksi fitur bentuk adalah metode berbasis chain code. Sejak diperkenalkan oleh Freeman pada tahun 1961, yang dikenal sebagai Freeman Chain Code (FCC), evolusi dan peningkatan skema representasi chain code telah banyak digunakan sebagai topik penelitian terutama untuk pengenalan tulisan tangan. Pada penelitian ini, dilakukan studi kinerja dari ekstraksi fitur berbasis chain code dalam berbagai metode pada pengenalan karakter tulisan tangan. Berbagai metode ekstraksi fitur chain code yang digunakan dalam penelitian ini adalah freeman chain code, differential chain code dan vertex chain code. Setelah esktraksi fitur, dilakukan proses klasifikasi menggunakan support vector machine (SVM). Hasil eksperimen menunjukkan rata-rata akurasi terbaik pada freeman chain code sebesar 91.54%, differential chain code sebesar 91.43%, dan vertex chain code sebesar 89.62% untuk input citra karakter dengan segmentasi manual menggunakan skenario 10-fold cross validation. Sedangkan pada citra input karakter dengan segmentasi Choudary, akurasi terbaik freeman chain code sebesar 92.67%, differential chain code sebesar 92.67%, dan vertex chain code sebesar 78.40%

==============================================================================================================================

The recognition of handwriting characters images is a difficult problems to be solved, Because everyone has a different writing style. The step of handwriting recognition process are preprocessing, segmentation, feature extraction, and classification. Preprocessing is done to convert handwritten images into binary images that only have 1 pixel by binaryization and thinning. In the character segmentation step, Choudhary algorithm is used to separate one character from a handwritten image. Then, in the feature extraction, shape feature are selected because the shape feature is more important feature than two other visual features (color and texture) in handwriting character recognition. One method that is often used for shape feature extraction is chain code method. Since being introduced by Freeman in 1961, known as the Freeman Chain Code (FCC), the evolution and improvement of the scheme of chain code representation has been widely used as a research topic especially for handwriting recognition. In this study, a performance study of feature extraction based on chain codes was carried out on handwriting character recognition. Three shape feature extraction based on chain code in this study are freeman chain codes, differential chain codes and vertex chain codes. After the extraction feature, the classification process is carried out using the support vector machine (SVM). The experimental results show the best average accuracy in the freeman chain code is 91.54%, the differential chain code is 91.43%, and the vertex chain code is 89.62% for input of character images with manual segmentation using the 10-fold cross validation scenario. Whereas the character input image with Choudary segmentation, the best accuracy of the freeman chain code is 92.67%, the differential chain code is 92.67%, and the vertex chain code is 78.40%

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	binaryization, thining, freeman chain code, differential chain code, vertex chain code, SVM
Subjects:	T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Mawaddah Saniyatul
Date Deposited:	23 Jul 2026 08:37
Last Modified:	23 Jul 2026 08:37
URI:	http://repository.its.ac.id/id/eprint/66864

Actions (login required)

View Item