PENGENALAN KARAKTER SANDI RUMPUT PRAMUKA MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION

Syamsudin Zubair, Achmad Solichin

Abstract


Teknologi pengenalan karakter atau OCR (Optical Character Recognition) telah memiliki perkembangan yang cukup pesat dan sudah banyak dimanfaatkan. Saat ini program pengenalan karakter atau teks sudah banyak tersedia, namun sebagian besar program-program tersebut hanya bisa mengenali karakter huruf latin. Tetapi masih belum ada pengenalan karakter sandi rumput pramuka yang dikonversi ke dalam bentuk teks latin.  Sandi rumput pramuka merupakan salah satu materi atau bahan ajar di bidang kepramukaan yang cukup sulit untuk dipelajari. Pada penelitian ini dibuat sebuah prototipe aplikasi pengenalan karakter yang mampu mengenal sandi rumput pramuka yang pada pengoperasiannya bisa mendapatkan hasil (output) karakter yang tepat sesuai learning class yang dibentuk. Algoritma yang dipresentasikan dalam program OCR (Optical Character Recognition) adalah algoritma Backpropagation yang mana diimplementasikan dalam bahasa pemograman Java. Tujuan dari penelitian ini adalah membuat suatu model pengolahan citra menjadi teks agar masyarakat khususnya penggiat pramuka dapat belajar dan mengenali karakter sandi rumput pramuka secara mudah. Dengan tingkat keberhasilan 76.28% untuk pengujian setiap karakter tunggal dan 78.37% untuk pengujian terhadap kata yang di sambung, penelitian ini dianggap sudah berhasil meskipun masih harus dilakukan penyempurnaan kembali.

Full Text:

PDF

References


R. Kurnia, Memahami Tanda Dan Sandi. Pandu Pustaka, 2016.

M. Anif, S. Juanita, dan I. D. Afriyani, “Pengembangan Aplikasi Text Recognition Dengan Klasifikasi Neural Network,” Budi Luhur Inf. Technol., vol. 10, no. 1, hal. 59–67, 2013.

N. Nurmila, A. Sugiharto, dan E. A. Sarwoko, “Algoritma back propagation neural network untuk pengenalan pola karakter huruf jawa,” J. Masy. Inform., vol. 1, no. 1, hal. 1–10, 2010.

I. Prihandi dan S. Zubair, “Prototipe Text Recognation dengan Kalsifikasi Neural Network dan Text-to-Speech pada Huruf Aksara Jawa,” in 1st Informatics Conference 2015 (ICF-2015), 2015, hal. 14–17.

A. M. Sugiantoro, “Pengembangan Prototipe Character Recognition Dengan Klasifikasi Neural Network dan Text-to-Speech pada Huruf Vokal Korea,” Universitas Budi Luhur, 2016.

Teguh Prakoso, Achmad Hidayatno, dan R.Rizal Isnanto, “Pengenalan Pola Huruf Arab Tulis Tangan Menggunakan Jaringan Saraf Tiruan dengan Metode Perambatan Balik,” Universitas Diponegoro, 2012.

S. Singh, “Optical Character Recognition Techniques : A Survey,” J. Emerg. Trends Comput. Inf. Sci., vol. 4, no. 6, hal. 545–550, 2013.

S. Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu, 2003.

S. Haykin, Neural Networks: A Comprehensive Foundation. Prentice-Hall, 1999.


Refbacks

  • There are currently no refbacks.