Pengenalan Pola Huruf Hijaiyah Berharakat Menggunakan
Modified-DFE dan HMM

Arie Aulia Nugraha

Informasi Umum

Kode

113090116

Klasifikasi

621.302 87 - Testing and Measurement

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Testing

Dilihat

388 kali

Informasi Lainnya

Abstraksi

Huruf Arab merupakan salah satu sistem penulisan yang banyak dipakai pada penulisan dokumen-dokumen rujukan utama di seluruh dunia selain Huruf Latin. Di bidang pengenalan pola, Huruf Arab sudah cukup banyak mendapatkan perhatian, namun pendekatan-pendekatan yang sudah pernah dilakukan hingga saat ini baru mencakup pengenalan pola Huruf Arab yang tidak berharakat. Harakat adalah diakritik atau tanda baca yang menunjukkan cara pengucapan Huruf Arab untuk meminimalisir kesalahan interpretasi. Contoh dokumen rujukan utama yang menggunakan Huruf Arab berharakat adalah kitab suci umat Islam, Al-Quran.<br>Pada Tugas Akhir ini, dilakukan pengenalan pola Huruf Hijaiyah (Huruf Arab yang tidak bersambung) berharakat dengan menggunakan metode ekstraksi ciri Modified Direction Feature Extraction (M-DFE) dan metode klasifikasi Hidden Markov Models (HMM). Secara morfologis, Huruf Hijaiyah memiliki goresan (stroke) dengan arah tetap. Karena M-DFE menyimpan ciri arah dan transisi dari struktur global suatu karakter, maka dengan memakai metode M-DFE untuk ekstraksi ciri akan dihasilkan vektor ciri yang bagus untuk setiap Huruf Hijaiyah. Sedangkan metode klasifikasi HMM sendiri sudah berhasil diimplementasikan pada beberapa kasus pengenalan Huruf Arab tidak berharakat, baik yang menggunakan akuisisi citra secara online, offline, maupun memakai multilevel classifier dalam proses klasifikasinya.<br>Menangani harakat pada Huruf Hijaiyah menjadi suatu tantangan tersendiri. Tambahan harakat pada Huruf Hijaiyah memperbesar jumlah kelas dan secara langsung mempengaruhi tingkat akurasi sistem serta waktu prosesnya. Untuk mengatasi hal ini, dilakukan segmentasi terhadap harakat dan huruf utama pada citra input yang kemudian diproses secara terpisah. Dengan dilakukan segmentasi dipadukan dengan rule-based clustering, jumlah kelas dapat diminimalisasi sehingga waktu pemrosesan dapat berlangsung jauh lebih cepat dengan akurasi yang juga cukup baik. Setelah dilakukan beberapa skenario pengujian, diperoleh tingkat akurasi terbaik 69,4% pada maximum transition berjumlah 4 dan state HMM berjumlah 70. Huruf Hijaiyah, Harakat, Pengenalan Pola, Modified Direction