EKSTRAKSI FITUR PADA PENGENALAN KARAKTER AKSARA JAWA BERBASIS HISTOGRAM OF ORIENTED GRADIENT

Yuna Sugianela, Nanik Suciati

Abstract


Buku-buku kuno Bahasa Jawa memiliki konten kekayaan intelektual Indonesia seperti agama, linguistik, filosofi, mitos, pelajaran moral, hukum dan norma adat, kerajaan, cerita rakyat, sejarah, dan lain sebagainya. Tidak banyak yang mempelajari karya tersebut karena ditulis dengan Aksara Jawa dan tidak banyak yang memahami. Untuk membantu penerjemahan dokumen berbahasa Jawa dilakukan otomatisasi sistem penerjemahan. tahap penerjemahan terdiri dari segmentasi untuk mendapatkan karakter dari citra tulisan dalam naskah Aksara Jawa. Kemudian tiap karakater dikenali sebagai abjad. Dan yang terakhir adalah mengkombinasikan tulisan latin yang telah dikenali menjadi kata yang berarti. Penelitian yang membahas tentang pengenalan Aksara Jawa telah dilakukan, seperti fokus pada segmentasi karakter dan pengenalan Aksara Jawa. Pada penelitian sebelumnya dilakukan perbaikan pada metode segmentasi namun tetap mendapatkan hasil yang sama dalam hal akurasi kebenaran. Pada penelitian kali ini diusulkan metode baru pada tahap ekstraksi fitur, yaitu menggunakan metode Histogram of Oriented Gradient (HOG). Metode HOG banyak digunakan pada pengenalan wajah, hewan, dan deteksi citra kendaraan, dan lain-lain. Penelitian ini juga pernah diusulkan untuk mengenali tulisan tangan berbahasa Inggris dan Huruf Bengali dan mendapatkan hasil yang optimal. Pada penelitian ini didapatkan hasil akurasi pengenalan karakter Aksara Jawa sebesar 89,7%.Ekstraksi Fitur, Histogram of Oriented Gradient, Aksara Jawa

Full Text:

PDF

References


Breiman, L. E. O. (2001) ‘Random Forests’, pp. 5–32.

Dalal, N. and Triggs, B. (2005) ‘Histograms of Oriented Gradients for Human Detection’, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05). doi: 10.1109/CVPR.2005.177.

Hardjawijana, H. (2002) ‘Pedoman Penulisan Aksara Jawa’. Yogyakarta: Yayasan Pustaka Utama. Available at: https://darwoto.files.wordpress.com/2012/12/pedoman-penulisan-aksara-jawa.pdf.

He, L. et al. (2009) ‘Fast connected-component labeling’, Pattern Recognition, 42, pp. 1977–1987. doi: 10.1016/j.patcog.2008.10.013.

He, L. et al. (2017) ‘The connected-component labeling problem : A review of state-of-the-art algorithms’, Pattern Recognition. Elsevier Ltd, 70, pp. 25–43. doi: 10.1016/j.patcog.2017.04.018.

Kumar, M. A. and Gopal, M. (2011) Reduced one-against-all method for multiclass SVM classificatio, Expert Systems With Applications. Elsevier Ltd. doi: 10.1016/j.eswa.2011.04.237.

Randa, A. F., Suciati, N. and Navastara, D. A. (2016) ‘Implementasi Metode Kombinasi Histogram of Oriented Gradients dan Hierarchical Centroid untuk Sketch Based Image Retrieval’, Jurnal Teknik ITS, 5(2), pp. A311–A316.

Soleh, M. (2017) ‘Handwritten Javanese Character Recognition using Descriminative Deep Learning Technique’, International conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE), pp. 325–330.

Sugianela, Y., Sutino, Q. L. and Herumurti, D. (2018) ‘EEG CLASSIFICATION FOR EPILEPSY BASED ON WAVELET PACKET DECOMPOSITION’, 1, pp. 27–33.

Sulaiman, A. M. (2011) ‘HANACARAKA: Aksara Jawa yang Mulai Ditinggalkan’, (August).

Tikader, A. (2014) ‘Histogram of Oriented Gradients for English-Bengali Script Recognition’, International Conference for Convergence for Technology, pp. 1–5. doi: 10.1109/I2CT.2014.7092329.

Widiarti, A. R. (2017) ‘The Model and Implementation of Javanese Script Image Transliteration’, International Conference on Soft Computing, Intelligent System and Information Technology (ICSIIT). doi: 10.1109/ICSIIT.2017.17.

Widiarti, A. R. and Wastu, P. N. (2009) ‘Javanese Character Recognition Using Hidden Markov Model’, World Academy of Science, Engineering and Technology, 3(9), pp. 2201–2204.

Wu, K. et al. (2008) ‘Optimizing Connected Component Labeling Algorithms’, Pattern Analysis.




DOI: http://dx.doi.org/10.12962/j24068535.v17i1.a819

Refbacks

  • There are currently no refbacks.