Penghitungan Ekspresi Matematika Tulisan Tangan pada Perangkat Mobile Menggunakan EfficientDet-Lite0 dan Reverse Polish Notation

Kamal, Muhammad Ulil Ahmadi (2021) Penghitungan Ekspresi Matematika Tulisan Tangan pada Perangkat Mobile Menggunakan EfficientDet-Lite0 dan Reverse Polish Notation. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05111740007001-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Pengenalan ekspresi matematika tulisan tangan merupakan salah satu permasalahan pada bidang pattern recognition dengan tingkat kesuilatan yang lebih tinggi dibandingkan dengan pengenalan tulisan tangan biasa. Pada perkembangannya telah terdapat berbagai metode yang ada untuk menangani pengenalan ekspresi matematika tulisan tangan, baik dengan segmentasi-klasifikasi maupun dengan deteksi objek, seperti dengan menggunakan SVM, Faster-RCNN dan YOLOv3. Pengenalan ekspresi matematika tulisan tangan yang sudah memiliki hasil yang bagus dapat dikembangkan lagi supaya bisa dilakukan penghitungan dari ekspresi matematika pada tulisan tangan tersebut seperti yang dilakukan oleh aplikasi pada perangkat mobile Microsoft Math Solver dan Photomath. Dalam tugas akhir ini dilakukan pengenalan dan penghitungan tulisan tangan yang berua angka dan simbol matematika pada perangkat mobile. Model yang digunakan untuk deteksi objek pada tugas akhir ini adalah model EfficientDet-Lite0 yang dilatih pada Jupyter Notebook dengan dataset ekspresi matematka tulisan tangan. Implementasi pengenalan angka dan simbol matematika menggunakan Library Tensorflow Lite Object Detection pada taha deteksi dan klasifikasi yang dibuat dengan bahasa pemrograman Kotlin. Proses penghitungan ekspresi matematika dilakukan menggunakan algoritma Revrese Polish Notation yang dibuat dengan bahasa Kotlin. Dataset yang digunakan dalam sistem ini merupakan citra tulisan tangan berupa operasi matematika yang diambil dari perangkat mobile. Jumlah total citra yang digunakan adalah 200 untuk pembuatan model deteksi objek dan 20 untuk pengujian pengenalan ekspresi matematika tulisan tangan. CItra yang digunakan berupa citra jpg berukuran 4160x3120 piksel. Setiap citra yang ada terdiri dari angka 0-9, operator tambah, kurang, kali, dan bagi serta buka kurung dan tutup kurung dengan maksimal 3 buah operator. Dari percobban yang dilakukan, penggunaan parameter batch size 8 dan penggunaan praproses pada gambar menghasilkan evaluasi mAP yang cukup baik sebesar 63.17% pada data uji coba.
====================================================================================================
Handwritten mathematical expresiion recognition is one of the problems in the pattern recognition field with a higher level of difficulty compared to ordinary handwritting recognition. In its development, there have been various methods available to handle the recognition, either by segmentation classification or by object detection, such as by using SVM, Faster-RCNN and YOLOv3. Recognition of handwritten mathematial expressions that already have good results can be further developed so that calculations can be made from mathematical expressions in handwriting as is done by mobile devices applications Microsoft Math Solver and Photomath. In this final project, handwritten mathematical expressions recognition and calculcation is carried out on mobile devces, The model used for object detection in this final project is the EfficientDet-Lite0 model which is trained on Jupyter Notebook with a handwritten mathematical expression dataset. The implementation of the recognition of mathematical numbers and symbols uses the Tensorflow Lite Object Detection Library at the detectio and classification stage which is made using the Kotilin programming language. The process of calculating mathematical expressions is carried out using the Reversse Polish Notation Algorithm created in the Kotlin Language. The daatset used in this system is a handwritten image in the form of mathematical operations taken from a mobile device. The total number of images used is 200 for making object detection models, and 20 for testing handwritten mathematical expression recognition. The image used is a jpg image measuring 4160x3120 pixels. Each existing image consists of numbers 0-9, plus, minus, multiply and divide operators and open brackets ad close brackets wit a maximum of 3 operators. From the experiments carried out, the use of batch size 8 parameters and the use of preprocessed images resulted in a fairly good mAP evaluation of 63.17% of the test data.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Pengolahan Citra Digital, Deteksi Objek, Ekspresi Matematika Tulisan Tangan, EfficientDet-Lite0, Reverse Polish Notation Digital Image Processing, Object Detection, Handwritten Mathematical Expression, EfficientDet-Lite0, Reverse Polish Notation
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:	Muhammad Ulil Ahmadi Kamal
Date Deposited:	23 Aug 2021 02:46
Last Modified:	23 Aug 2021 02:46
URI:	http://repository.its.ac.id/id/eprint/88798

Actions (login required)

View Item