Pengenalan Tulisan Tangan Hangul Menggunakan Convolutional Neural Network

Oktavianus, Oktavianus (2021) Pengenalan Tulisan Tangan Hangul Menggunakan Convolutional Neural Network. Skripsi thesis, Universitas Tarumanagara.

	Text 535170035_Okatvianus_01 Cover.pdf Download (202kB)
	Text 535170035_Okatvianus_02 Lembar Pengesahan.pdf Download (147kB)
	Text 535170035_Okatvianus_03 Lembar Pernyataan.pdf Download (140kB)
	Text 535170035_Okatvianus_04 Abstrak.pdf Download (194kB)
	Text 535170035_Okatvianus_05 Kata Pengantar.pdf Download (138kB)
	Text 535170035_Okatvianus_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (213kB)
	Text 535170035_Oktavianus_07 Bab 1.pdf Restricted to Registered users only Download (212kB)
	Text 535170035_Oktavianus_08 Bab 2.pdf Restricted to Registered users only Download (741kB)
	Text 535170035_Oktavianus_09 Bab 3.pdf Restricted to Registered users only Download (517kB)
	Text 535170035_Oktavianus_10 Bab 4.pdf Restricted to Registered users only Download (323kB)
	Text 535170035_Oktavianus_11 Bab 5.pdf Restricted to Registered users only Download (194kB)
	Text 535170035_Oktavianus_12 Daftar Pustaka.pdf Download (151kB)
	Text 535170035_Oktavianus_13 Lampiran.pdf Restricted to Registered users only Download (1MB)
	Text 535170035_Oktavianus_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (137kB)

Abstract

Pengaruh budaya Korea di Indonesia beberapa tahun ke belakang ini meningkat dengan pesat dimana budaya ini telah membius kehidupan masyarakat terutama di kalangan Remaja. Tak seperti huruf latin, huruf Hangul ini memiliki ciri-ciri berupa goresan yang ditulis pada blok-blok yang kemudian membentuk sebuah silabel/suku kata. Maka dari itu, pada kesempatan ini akan dibuat sebuah sistem untuk mengenali kata-kata Hangul sebagai alternatif dalam mempelajari huruf Hangul ini. Perancangan aplikasi ini menggunakan pre-processing dengan tahap grayscaling, thresholding, dilation, contouring. Data yang digunakan dalam perancangan ini berjumlah sebanyak 3960 buah huruf Hangul. Setelah menggunakan citra hasil GAN serta data augmentasi, data latih menjadi berjumlah 5303 total data latih. Pengujian dilakukan sebanyak 2 kali dimana pengujian pertama merupakan data uji huruf tunggal yang meraih tingkat akurasi sebesar 77,58%, untuk pengujian kedua yang dilakukan dengan data uji yang berhasil disegmentasi dari data berupa 1-4 suku kata Hangul oleh aplikasi dengan tingkat akurasi sebesar 55,7-60%.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Contouring, Convolutional Neural Network, Generative Adversarial Networks, Pengenalan tulisan tangan Hangul, Range of Interest
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	05 May 2021 14:27
Last Modified:	11 Aug 2021 06:52
URI:	http://repository.untar.ac.id/id/eprint/27934

Actions (login required)

View Item