ABSTRAKSI: Penerapan teknologi pengenalan karakter tulisan tangan sangat bermanfaat misalnya untuk keperluan analisis forensik atau untuk pembuktian keaslian tulisan tangan seseorang. Dewasa ini, dokumen-dokumen penting banyak melibatkan tulisan tangan dari orang-orang yang bersangkutan. Hal ini dikarenakan oleh banyak tindak kejahatan yang dilakukan terhadap tanda tangan seseorang, seperti pemalsuan tanda tangan.
Dengan melibatkan tulisan tangan yang ditulis langsung oleh seseorang, maka akan sangat sulit untuk memalsukan tulisan tangan tersebut karena tulisan tangan setiap orang pasti memiliki ciri khas masing-masing, baik dari jenis tulisannya maupun lekukan-lekukan yang dibentuk oleh tangan untuk mengukir tulisan tersebut sesuai suasana hati penulisnya. Secara umum sistem pengenalan karakter tulisan tangan tidak menggunakan bitmap pixel secara langsung melainkan ia bekerja pada domain fitur. Karakter direpresentasikan kedalam bentuk fitur yang lebih kompak yang kemudian digunakan untuk pengenalan, dengan demikian dapat menghemat komputasi.
Dalam tugas akhir ini dilaksanakan penelitian proses pengenalan tulisan tangan (handwriting recognition) menggunakan metode 2D Gabor Wavelet dan proses pengenalan karakter menggunakan Jaringan Saraf Tiruan (JST) metode Backpropagation sehingga dapat dibedakan tulisan seseorang dengan tulisan orang lain. Citra masukan yang akan menjadi input berupa citra dalam format .jpg. Citra tulisan tangan ini kemudian dihilangkan noise-nya menggunakan 2D Gabor Wavelet dan dijumlahkan nilai pixel-nya secara vertikal untuk memperoleh vektor cirinya. Vektor ciri yang dihasilkan menjadi input untuk JST.
Dari penelitian ini sistem dapat mengenali pemilik tulisan tangan tersebut dengan tingkat akurasi sebesar 77,72% yang telah dibuat dengan menggabungkan metode 2D Gabor Wavelet dan JST Backpropagation.Kata Kunci : tulisan tangan, Gabor Wavelet, BackpropagationABSTRACT: Implementation of handwritten character recognition technology is very useful for example for forensic analysis purposes or proving the authenticity of someone's handwriting. Today, many documents involve the handwriting of people concerned. This is due to many crimes committed against a person's signature, such as falsification of signatures.
By involving handwriting, written directly by a person, it will be very difficult to forge the handwriting is because each person's handwriting must have the characteristics of each, either the types of writings or indentations formed by hand to carve up the post according atmosphere author's heart. In general, handwriting character recognition system using a bitmap pixel is not directly but it worked on the domain features. Characters represented into more compact shape features are then used for recognition, thereby saving computation.
In this research carried letters of introduction processes that make handwriting (handwriting recognition) using 2D Gabor Wavelet and the process of character recognition using artificial neural networks (ANN) Backpropagation method that can distinguish one's writing with the writing of others. Input image which will be input in the form of images must be in .jpg. Handwriting images are filtered with 2D Gabor Wavelet then it sums by vertically getting feature vectors. Feature vectors generated become input for the ANN.
The result by the system is ability to recognize handwriting with a level of accuracy of 77.72%, which was created by combining the method of 2D Gabor Wavelet and ANN Backpropagation.Keyword: handwriting, feature extraction, Gabor Wavelet, Backpropagation