ABSTRAKSI: Untuk memudahkan pembacaan naskah berhuruf Braille oleh masyarakat awam yang tidak begitu memahami Braille, maka diterapkanlah suatu sistem otomatis yang dapat mengkonversikan karakter Braille menjadi tulisan latin dan suara. Jadi ketika terdapat naskah suatu karya sastra atau tulisan dalam karakter Braille, maka akan dikonversikan dari karakter Braille tersebut ke dalam bentuk teks dan suara secara otomatis sehingga masyarakat awam dapat dengan mudah menikmati karya-karya berkarakter Braille.
Dalam tugas akhir ini dirancang sebuah sistem converter otomatis berbasis image yang dapat mengenali dan mengkonversi karakter Braille dari citra suatu naskah berkarakter Braille dengan kondisi tertentu yang diambil dari sebuah scanner dengan metode Ekstraksi Ciri adalah Histogram Area. Sistem akan mengenali karakter Braille tersebut dan mengklasifikasikan karakter Braille menjadi karakter latin menggunakan K-Nearest Neighbor. Kemudian sistem akan mengubah karakter latin menjadi suara menggunakan sistem diphone yang akan memenggal kata menjadi sukukata suara.
Pengujian dilakukan menggunakan 22 citra uji dengan total 688 karakter. Hasil yang diperoleh dari pengujian pada Tugas Akhir ini adalah suatu konverter Braille yang memiliki hasil akurasi terbaik 100% pada k=5 dan nilai MOS terbaik pada overlap= 0.8Kata Kunci : Converter, Braille, Histogram Area, K-Nearest Neighbor, DiphoneABSTRACT: To make people who don‟t understand Braille can read it easier, an automatic system which can convert Braille characters to latin lettering and voice is made. When there is a literature or an article in Braille characters, then it will be converted from that Braille characters into text and voice automatically so people can understand it easily.
In this final task, an automatic converter system based on image which is can identify and convert Braille characters from a Braille article image with certain condition taken from scanner, with feature extraction, histogram area is designed. The system will identify Braille characters and classify it into latin characters using K-Nearest Neighbor. Then the system will convert the latin characters into voice using diphone system which will cut latin letterring into syllable sound.
The system was tested with 22 images consist of 688 characters. The resault of this final task , the Braille converter has 100% accuracy on k=1, k=3 and k=5 and the best of MOS on overlap value = 0.8.Keyword: Converter, Braille, Histogram Area, K-Nearest Neighbor, Diphone