Retiana Krisna Wati
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengenalan Aksara Arab Menggunakan Metode JST Dengan Fitur HOG Dan LBP Retiana Krisna Wati; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (464.312 KB) | DOI: 10.35957/algoritme.v2i1.1453

Abstract

Aksara Arab merupakan aksara yang digunakan untuk menuliskan bahasa Arab yangdituliskan dari kanan ke kiri. Aksara Arab penting untuk dipelajari bagi umat muslim karenadigunakan dalam peribadahan agama Islam. Dalam mempelajari aksara Arab pemulamengalami kesulitan karena memiliki bentuk yang berbeda-beda. Penelitian ini bertujuan untukmengimplementasikan suatu sistem yang mampu mengenali pola dari aksara Arab, denganmenerapkan Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP) sebagaiekstraksi fitur untuk pengenalan aksara Arab serta menggunakan metode Jaringan SyarafTiruan (JST). Hasil ciri dari HOG dan LBP masing-masing akan dijadikan masukan padaproses pembelajaran pada JST dengan berbagai training function serta menggunakan 3 neuronyaitu 5, 10 dan 15. Berdasarkan hasil pengujian menggunakan ekstraksi fitur HOG maupunmenggunakan ekstraksi fitur LBP trainbr memiliki tingkat keberhasilan yang lebih tinggidibandingkan training function lainnya. Dengan menggunakan fitur HOG pada neuron 5dengan nilai accuracy sebesar 99,66%, precision sebesar 95,35%, recall sebesar 95,25% danf1-score sebesar 95,23%. Sedangkan dengan menggunakan fitur LBP pada neuron 5 dengannilai accuracy sebesar 99,75%, precision sebesar 96,95%, recall sebesar 96,53% dan f1-scoresebesar 96,54%. Kedua ekstraksi fitur tersebut, HOG maupun LBP dapat mengenali aksaraArab dengan baik