PENGENALAN POLA HURUF HIJAIYAH KHAT KUFI DENGAN METODE DETEKSI TEPI SOBEL BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION
Abstract
ABSTRAK
Khat kufi memiliki bentuk huruf hijaiyah yang unik berbentuk kotak. Banyak penelitian yang membahas pengenalan huruf hijaiyah namun untuk spesifik khat belum ada. Pada penelitian ini penulis melakukan simulasi pengenalan pola huruf hijaiyah khat kufi menggunakan deteksi tepi sobel dan jaringan syaraf tiruan backpropagation dengan menggunakan parameter uji learning rate dan epoch. Simulasi dilakukan 28 target huruf hijaiyah dengan learning rate 0.01, 0.05, 0.1, 0.5, dan epoch 25, 1000, 3000, 5000, 10000. Akurasi terbaik didapatkan pada learning rate 0.01 dan epoch 10000 yaitu 100%. Penelitian ini dapat dikembangkan menggunakan deteksi tepi canny, prewitt, atau robert serta JST LVQ, ADALINE, atau RBF.
ABSTRACT
Khat kufi has a unique hijaiyah shape that is square in shape. Much of the research that discusses the introduction of the hijaiyah letters but for the specifics khat does not yet exist. In this study, the author performs a simulation of hijaiyah khat kufi pattern recognition using sobel edge detection and artificial neural network backpropagation using learning rate test and epoch parameters. The simulation has been done on 28 target letters hijaiyah with learning rate 0.01, 0.05, 0.1, 0.5, and epoch 25, 1000, 3000, 5000, 10000. The best accuracy obtained at learning rate 0.01 and epoch 10000 is 100%. This research can be developed using canny edge detection, prewitt, or robert and also JST LVQ, ADALINE, or RBF.
How To Cite : Faturrahman, I. Arini. Mintarsih, F. (2018). PENGENALAN POLA HURUF HIJAIYAH KHAT KUFI DENGAN METODE DETEKSI TEPI SOBEL BERBASIS JARINGAN SYARAF TIRUAN BACKPROPAGATION. Jurnal Teknik Informatika, 11(1), 37-46. doi 10.15408/jti.v11i1.6262
Permalink/DOI: http://dx.doi.org/10.15408/jti.v11i1.6262
Keywords
Full Text:
PDFReferences
Sirojuddin, D. 2007. Seni Kaligrafi Islam. Jakarta: Multi Kreasi Singgasana.
Siang, J.J. (2009). Jaringan Syaraf Tiruan dan Pemrograman Menggunakan Matlab. Yogyakarta: Andi.
Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta: Andi.
Abed, Majida Ali dan Hamid Ali Abed Alasad. 2015. High Accuracy Arabic Handwritten Characters Recognition Using Error Back Propagation Artificial Neural Networks. University of Tikrit. Tikrit Iraq.
Kanta, Imam Anggara. 2013. Pengenalan Pola Huruf Hijaiyah Tulisan Tangan Menggunakan Logika Fuzzy dengan Jaringan Syaraf Tiruan Backpropagation. Universitas Muhammadiyah Surakarta. Surakarta.
Jas, Nurul Ainis. 2016. Identifikasi Jenis-jenis Kaligrafi Islam dengan Menggunakan Teknik Pengolahan Citra dan Jaringan Syaraf Tiruan Algoritma Backpropagation. UIN syarif Hidayatullah. Jakarta.
Hara, Eliza. 2016. Pengenalan Tulisan Tangan Aksara Lampung dengan Metode Deteksi Tepi (Canny) Berbasis Jaringan Syaraf Tiruan Backpropagtion. Universitas Negeri Lampung. Lampung.
Sutoyo, T. 2009. Teori Pengolahan Citra Digital. Yogyakarta: Andi.
Widodo, P dkk. 2013. Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains.
Kakiay, T. 2004. Pengantar Sistem Simulasi. I. Yogyakarta: Andi.
DOI: https://doi.org/10.15408/jti.v11i1.6262 Abstract - 0 PDF - 0
Refbacks
- There are currently no refbacks.
Copyright (c) 2018 Irvan Faturrahman
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
3rd Floor, Dept. of Informatics, Faculty of Science and Technology, UIN Syarif Hidayatullah Jakarta
Jl. Ir. H. Juanda No.95, Cempaka Putih, Ciputat Timur.
Kota Tangerang Selatan, Banten 15412
Tlp/Fax: +62 21 74019 25/ +62 749 3315
Handphone: +62 8128947537
E-mail: jurnal-ti@apps.uinjkt.ac.id
Jurnal Teknik Informatika by Prodi Teknik Informatika Universitas Islam Negeri Syarif Hidayatullah Jakarta is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at http://journal.uinjkt.ac.id/index.php/ti.
JTI Visitor Counter: View JTI Stats