Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Kubik PSYMPATHIC Jurnal Studi Komunikasi Voice Of Informatics KUBIK: Jurnal Publikasi Ilmiah Matematika
Awit Marwati Sakinah
STMIK Tasikmalaya
Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Voice Of Informatics

 1 
Implementasi Modified Direction Feature (MDF) dan K-Nearest Neighbor (K-NN) dalam Pengenalan Pola Aksara Sunda Ade Taopik Hidayatuloh; Teuku Mufizar; Muhammad Rizki Nugraha; Yuda Purnama Putra; Egi Badar Sambani; Awit Marwati Sakinah
Jurnal VOI (Voice Of Informatics) Vol 12, No 1 (2023)
Publisher : STMIK Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aksara sunda sebagai aksara nusantara diperkirakan sudah ada sejak abad ke 5, dalam bidang komputer aksara sunda sudah resmi menjadi bagian standar unicode pada tahun 2008 sehingga karakter dari aksara sunda dapat digunakan sebagai font, ataupun pada proses komputerasasi lainya. Bahasa sunda sendiri merupakan bahasa yang sehari-hari digunakan khusunya oleh masyarakat jawa barat, serta merupakan aset penting bagian dari kebudayaan sunda. Namun seiring berjalanya zaman, budaya sunda perlahan terkikis. Dari itu diperlukan tindakan guna melestarikan budaya sunda salah satunya dengan mempelajari aksara sunda. Aksara sunda mempunya pola tulisan yang rumit, dengan itu pola aksara sunda dapat dipelajari oleh komputer untuk membantu masyarakat belajar bahasa sunda. Tahap pengenalan aksara sunda terdiri dari dua proses yaitu tahap ekstraksi ciri dan klasifikasi. Metode modified direction feature (MDF) adalah salah satu metode ekstraksi ciri, dimana metode ini akan mengekstraksi ciri citra aksara sunda menjadi sebuah vektor berdasarkan arah transisi dari piksel aksara sunda tersebut. Selanjutnya metode paling mudah di implementasikan untuk klasifikasi adalah K-Nearest Neighbor (K-NN). K-NN bekerja dengan cara membandingkan jarak/kemiripan antara data yang di uji dengan data latih. Hasil dari penelitian ini menjelaskan bahwa MDF dan K-NN mampu dengan baik mengenali aksara sunda, dimana akurasi tertinggi yang berhasil didapatka sebesar 87.5% dengan nilai K=5
Co-Authors Egi Badar Sambani, Egi Badar Hidayatuloh, Ade Taopik Muhammad Rizki Nugraha Teuku Mufizar Vience Mutiara Rumata, Vience Mutiara Yuda Purnama Putra Zellatifanny, Cut Medika