<![CDATA[Pattern recognition merupakan salah satu teknologi yang hingga saat ini terus mengalami perkembangan. Manfaatnya yang sangat besar bagi kehidupan manusia mendorong peneliti terus mengembangkan kinerja dan akurasi sistem dengan mencoba dan mengimplementasikan banyak pilihan metode algoritma. Salah satu teknik pengenalan pola yang banyak dikenali orang adalah Optical Character Recognition (OCR).OCR merupakan sistem pengenalan pola karakter dengan input-an berupa citra baik secara off-line (hasil scan atau foto) maupun secara on-line (hasil guratan secara real-time). Pada dasarnya OCR terdiri dari tiga proses utama yaitu preproses, ekstraksi fitur/ciri, dan klasifikasi. Dalam penelitian ini, pada tahap preproses akan dilakukan pengolahan citra digital agar citra masukan lebih efisien untuk diolah pada tahap selanjutnya. Sedangkan untuk tahap ekstraksi ciri akan digunakan metode Modified Direction Feature (MDF) dan metode Least Squares Support Vector Machine (LS-SVM) sebagai pengklasifikasi. MDF merupakan kombinasi dari metode Direction Feature (DF) dan Transition Feature (TF) yaitu dengan mengambil dan menghitung nilai ciri berdasarkan stroke karakter dari berbagai arah sehingga ciri karakter bersifat unik dan menjadi salah satu metode yang memiliki kinerja baik dalam proses ekstraksi ciri. Setelah ciri karakter didapat, maka akan diklasifikasikan oleh metode LS-SVM yang merupakan variant dari SVM standar. Jika SVM dikarakteristik oleh permasalahan konveks quadratic programming dengan pembatas berupa pertidaksamaan, maka LS-SVM sebaliknya, dikarakteristik dengan menggunakan pembatas yang hanya berupa persamaan. Sehingga solusi dari LS-SVM ini dihasilkan dengan menyelesaikan persamaan tersebut. Penelititan ini menghasilkan akurasi 84,61% untuk data uppercase, 90,48% untuk data lowercase, 86,36% untuk data digit, dan 68,37% untuk data total (gabungan data uppercase, lowercase, dan digit).]]>
