Fourier Descriptor on Lontara Scripts Handwriting Recognition


Fitriyani Umar(1*); Herdianti Darwis(2); Purnawansyah Purnawansyah(3);

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

  

Abstract


Hal yang kritis dalam proses pengenalan pola adalah ekstraksi fitur. Merupakan suatu metode untuk mendapatkan ciri-ciri suatu citra (image) sehingga dapat dikenali satu sama lain. Pada penelitian ini, metode deskriptor Fourier digunakan untuk mengekstraksi pola aksara Lontara yang terdiri dari 23 huruf. Deskriptor Fourier adalah metode yang digunakan dalam pengenalan objek dan pemrosesan citra untuk merepresentasikan bentuk batas segmen citra. Pengenalan karakter dilakukan dengan menggunakan jarak Euclidean dan Manhattan. Hasil pengujian menunjukkan bahwa tingkat pengenalan tertinggi mencapai akurasi 91,30% dengan menggunakan koefisien Fourier sebesar 50. Pengenalan huruf menggunakan Manhattan dan Euclidean cenderung sama atau menghasilkan akurasi yang cenderung serupa. Akurasi tertinggi dicapai saat menggunakan Manhattan sebesar 91,30%.

Keywords


Fourier Descriptor; Lontara; Euclidean; Manhattan; Pattern Recognition.

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 151 times
PDF view: 85 times
     

Digital Object Identifier

doi  https://doi.org/10.33096/ilkom.v15i1.1040.193-200
  

Cite

References


J. A.- Ulum and B. Lokal, “Kata Kunci: Bahasa Bugis, Lontarak, Tafsir, Budaya Lokal, Islam. 77,” pp. 77–96, 2012.

“Melestarikan budaya tulis nusantara: Kajian tentang Aksara Lontara.”

S. Siur, P. Pembelajaran, M. L. Management, B. L. Language, and M. L. Language, “Syahruddin Syahruddin,” no. 1, pp. 1–13.

L. Syafie and D. Indra, “Jaringan Syaraf Tiruan,” vol. 10, pp. 201–206, 2018.

M. Chandrakala and P. D. Devi, “Materials Today : Proceedings Two-stage classifier for face recognition using HOG features,” Mater. Today Proc., no. xxxx, 2021.

A. Huq, S. Afroge, and M. T. Pervin, “Combined Zernike Moments , Binary Pixel and Histogram of Oriented Gradients Feature Extraction Technique for Recognizing Hand Written Bangla Characters,” no. December, pp. 7–9, 2017.

R. Sethi and I. Kaushik, “Hand Written Digit Recognition using Machine Learning,” 2020.

Y. Xu, G. Lu, Y. Lu, and D. Zhang, “High resolution fingerprint recognition using pore and edge descriptors,” vol. 125, pp. 773–779, 2019.

E. Kristensen, K. Sand-jensen, K. T. Martinsen, and M. Madsen-østerbye, “Fingerprinting pike : The use of image recognition to identify individual pikes,” Fish. Res., vol. 229, no. February, p. 105622, 2020.

A. Ghotkar and P. Vidap, “Vision Based Hand Gesture Recognition Using Fourier Descriptor for Indian Sign Language,” no. December, 2016.

D. Indra, U. M. Indonesia, H. Darwis, and U. M. Indonesia, “Recognition of Indonesian Sign Language Alphabets Using Fourier Descriptor Method,” no. June, pp. 10–15, 2021.

G. Raghavendra, M. Danish, and S. Khan, “ER ER,” vol. 2, no. 4, pp. 857–863, 2013.

P. Sharma, “Edge Detection using Moore Neighborhood Edge Detection using Moore Neighborhood,” no. January, 2013.

P. De and D. Ghoshal, “Recognition of Non Circular Iris Pattern of the Goat by Structural , Statistical and Fourier Descriptors,” Procedia - Procedia Comput. Sci., vol. 89, pp. 845–849, 2016.

G. Khosla, N. Rajpal, and J. Singh, “Evaluation of Euclidean and Manhanttan Metrics In Content Based Image Retrieval System,” pp. 43–49, 2014.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Fitriyani Umar, Herdianti Darwis, Purnawansyah

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