Implementasi Metode Nae Bayes Pada Pengenalan Tulisan Tangan Lontara


Iriani Indah Saputri(1*); Purnawansyah Purnawansyah(2); Herman Herman(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Istilah lontara terdapat dua pengertian yaitu sebagai suatu sejarah dan ilmu pengetahuan dan pengertian yang kedua adalah menjelaskan bahwa Lontara sebagai tulisan (aksara). Aksara lontara memiliki karakter tersendiri yang membedakan dengan karakter huruf latin ataupun karakter huruf lainnya sehingga membuat aksara lontara tidak mudah untuk dikenali, dengan melakukan pengenalan terhadap aksara lontara dapat dengan mudah dikenali. Untuk itu pada penelitian ini dilakukan pengenalan citra lontara dengan menggunakan metode nae bayes dengan menggunakan metode geometric moment invariant sebagai ekstraksi fitur. Tahapan pada penelitian ini dimulai dengan menyediakan data latih dan data uji, data tersebut dalam bentuk citra tulis tangan yang diperoleh dari beberapa responden, tahap selanjutnya yaitu pre-processing pada tahap ono mengubah citra RGB menjadi citra grayscale, mengubah citra grayscale menjadi citra biner dan melakukan thresholding serta melakukan ekstraksi fitur dengan menggunakan Geometric Moment Invariant. Tahap terakhir yaitu melakukan pengenalan menggunakan nae bayes dengan menggunakan 4 kernel yaitu Box (Uniform), Epanechnikov, dan Normal (Gaussian), Triangle (Triangular). Hasil dari penelitian ini yaitu menganalisis akurasi dari metode Naive Bayes dalam pengenalan citra aksara lontara dan menghasilkan akurasi terbaik sebesar 13.0435%.

Keywords



  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 347 times
PDF view: 286 times
     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v2i3.845
  

Cite

References


N. Moham, F. A. Dwiyanto, H. S. Pakpahan, I. Islamiyah, and H. J. Setyadi, Pengenalan Karakter Tulisan Menggunakan Metode Backpropagation Neural Network, Sains, Apl. Komputasi dan Teknol. Inf., vol. 1, no. 2, p. 14, 2019.

E. Alfian, Penggunaan Unsur Aksara Nusantara Pada Huruf Modern, Ultim. J. Komun. Vis., vol. 7, no. 1, pp. 4248, 2016.

A. A. Ahmad, H. A. A. Muhdy, and I. Wijaya, Perancangan Simbol Angka Numerik Aksara Lontara Abd., Pros. Semin. Nas. Lp2M Unm - 2019, pp. 219225, 2019.

L. B. I. Herman, Lukman Syafie, Dolly Indra, Asad Djamalilleil, Nirsal, Heliawaty Hamrul, Siska Anraeni, Comparison of Artificial Neural Network and Gaussian Nave Bayes in Recognition of Hand-Writing Number, 2018 2nd East Indones. Conf. Comput. Inf. Technol., pp. 276279, 2018.

R. J. Sany, A. W. Widodo, and C. Dewi, Penggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda Tangan, J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 859867, 2017.

R. Akbar and E. A. Sarwoko, Studi Analisis Pengenalan Pola Tulisan Tangan Angka Arabic (Indian) menggunakan Metode K- Nearest Neighbors dan Connected Component Labeling, Din. Rekayasa, vol. 12, no. 2, p. 45, 2016.

H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, Optimasi Nave Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris, J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 180, 2017.

Zaenal, Y. Salim, L. B. Ilmawan, Analisis Sentimen terhadap Komentar Negatif di Media Sosial Facebook dengan Metode Klasifikasi Nave Bayes, Bul. Sist. Inf. dan Teknol. Islam, vol. 1, no. 4, 2020.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.