Maya Sari, Azriel Christian Nurcahyo, Christian Cahyaningtyas, E. Salfarini
{"title":"使用学习矢量量化(Lvq)方法对西加里曼丹东干文字进行模式识别","authors":"Maya Sari, Azriel Christian Nurcahyo, Christian Cahyaningtyas, E. Salfarini","doi":"10.46229/jifotech.v4i1.874","DOIUrl":null,"url":null,"abstract":"Artikel ini mengimplementasikan metode Learning Vector Quantization (LVQ) dalam mengenali pola aksara Dunging. Dalam hal ini sebagai sistem yang melakukan pengelompokan aksara dunging sesuai kelasnya masing-masing. Dengan menerapkan kedua teori ini maka sistem akan melakukan pengidentifikasian tulisan tangan aksara dunging yang mempunyai karakteristik menyerupai jaringan syaraf manusia. Data yang digunakan berupa citra yang telah diambil menggunakan foto kamera digital dan smartphone.Citra diubah menjadi numerik dengan menggunakan image processing. Tahapan image processing antara lain proses crop citra RGB menjadi 50 x 50 pixel, dan binerisasi citra. Tahap pelatihan jaringan menggunakan data sebanyak 10 citra yang terdiri dari aksara dunging yang berjumlah 10 karakter. Hasil pengujian citra latih diperoleh persentase 88,66 %. Menggunakan diakritik anak huruf dunging, menggunakan atau menambahkan beberapa fungsi image processing, dan diimplementasikan. Dari hasil akurasi yang didapatkan maka dapat dikatakan metode LVQ belum optimal dalam memecahkan masalah pengenalan pola terutama aksara Dunging. Teknik optimalisasi kepada proses pembelajaran LVQ dengan algoritma-algoritma optimasi merupakan rencana penelitian selanjutnya.","PeriodicalId":5,"journal":{"name":"ACS Applied Materials & Interfaces","volume":"19 4","pages":""},"PeriodicalIF":8.3000,"publicationDate":"2024-03-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Pengenalan Pola Aksara Dunging Kalbar menggunakan Metode Learning Vector Quantization (Lvq)\",\"authors\":\"Maya Sari, Azriel Christian Nurcahyo, Christian Cahyaningtyas, E. Salfarini\",\"doi\":\"10.46229/jifotech.v4i1.874\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Artikel ini mengimplementasikan metode Learning Vector Quantization (LVQ) dalam mengenali pola aksara Dunging. Dalam hal ini sebagai sistem yang melakukan pengelompokan aksara dunging sesuai kelasnya masing-masing. Dengan menerapkan kedua teori ini maka sistem akan melakukan pengidentifikasian tulisan tangan aksara dunging yang mempunyai karakteristik menyerupai jaringan syaraf manusia. Data yang digunakan berupa citra yang telah diambil menggunakan foto kamera digital dan smartphone.Citra diubah menjadi numerik dengan menggunakan image processing. Tahapan image processing antara lain proses crop citra RGB menjadi 50 x 50 pixel, dan binerisasi citra. Tahap pelatihan jaringan menggunakan data sebanyak 10 citra yang terdiri dari aksara dunging yang berjumlah 10 karakter. Hasil pengujian citra latih diperoleh persentase 88,66 %. Menggunakan diakritik anak huruf dunging, menggunakan atau menambahkan beberapa fungsi image processing, dan diimplementasikan. Dari hasil akurasi yang didapatkan maka dapat dikatakan metode LVQ belum optimal dalam memecahkan masalah pengenalan pola terutama aksara Dunging. Teknik optimalisasi kepada proses pembelajaran LVQ dengan algoritma-algoritma optimasi merupakan rencana penelitian selanjutnya.\",\"PeriodicalId\":5,\"journal\":{\"name\":\"ACS Applied Materials & Interfaces\",\"volume\":\"19 4\",\"pages\":\"\"},\"PeriodicalIF\":8.3000,\"publicationDate\":\"2024-03-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"ACS Applied Materials & Interfaces\",\"FirstCategoryId\":\"91\",\"ListUrlMain\":\"https://doi.org/10.46229/jifotech.v4i1.874\",\"RegionNum\":2,\"RegionCategory\":\"材料科学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q1\",\"JCRName\":\"MATERIALS SCIENCE, MULTIDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"ACS Applied Materials & Interfaces","FirstCategoryId":"91","ListUrlMain":"https://doi.org/10.46229/jifotech.v4i1.874","RegionNum":2,"RegionCategory":"材料科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q1","JCRName":"MATERIALS SCIENCE, MULTIDISCIPLINARY","Score":null,"Total":0}
Pengenalan Pola Aksara Dunging Kalbar menggunakan Metode Learning Vector Quantization (Lvq)
Artikel ini mengimplementasikan metode Learning Vector Quantization (LVQ) dalam mengenali pola aksara Dunging. Dalam hal ini sebagai sistem yang melakukan pengelompokan aksara dunging sesuai kelasnya masing-masing. Dengan menerapkan kedua teori ini maka sistem akan melakukan pengidentifikasian tulisan tangan aksara dunging yang mempunyai karakteristik menyerupai jaringan syaraf manusia. Data yang digunakan berupa citra yang telah diambil menggunakan foto kamera digital dan smartphone.Citra diubah menjadi numerik dengan menggunakan image processing. Tahapan image processing antara lain proses crop citra RGB menjadi 50 x 50 pixel, dan binerisasi citra. Tahap pelatihan jaringan menggunakan data sebanyak 10 citra yang terdiri dari aksara dunging yang berjumlah 10 karakter. Hasil pengujian citra latih diperoleh persentase 88,66 %. Menggunakan diakritik anak huruf dunging, menggunakan atau menambahkan beberapa fungsi image processing, dan diimplementasikan. Dari hasil akurasi yang didapatkan maka dapat dikatakan metode LVQ belum optimal dalam memecahkan masalah pengenalan pola terutama aksara Dunging. Teknik optimalisasi kepada proses pembelajaran LVQ dengan algoritma-algoritma optimasi merupakan rencana penelitian selanjutnya.
期刊介绍:
ACS Applied Materials & Interfaces is a leading interdisciplinary journal that brings together chemists, engineers, physicists, and biologists to explore the development and utilization of newly-discovered materials and interfacial processes for specific applications. Our journal has experienced remarkable growth since its establishment in 2009, both in terms of the number of articles published and the impact of the research showcased. We are proud to foster a truly global community, with the majority of published articles originating from outside the United States, reflecting the rapid growth of applied research worldwide.