ABSTRAKSI: Tugas akhir ini mengangkat sebuah topik tentang pengenalan huruf tulisan tangan
yang menggunakan metode logika fuzzy dimana menganggap huruf tulisan tangan
sebagai sebuah graf berarah, yang node-nya terdiri atas titik ujung dan titik
cabang. Sementara edge-nya berupa garis lurus, kurva, dan loop sebagai langkah
dasar untuk melakukan sub-sistem ekstraksi ciri, dan jaringan syaraf tiruan
propagasi balik (backpropagation) sebagai sub-sistem klasifikasinya, serta
menggunakan beberapa algoritma klasik dalam sub-sistem pra-pengolahannya.
Sistem pengenalan huruf tulisan tangan ini akan menerima inputan berupa file
gambar berformat bitmap yang kemudian akan dilakukan tiga tahapan,yakni
preprocessing, fuzzy feature extraction, dan neural network backpropagation.
Pengujian bertujuan untuk mengetahui apakah sistem mampu mengenali huruf
yang terdapat pada image inputan serta menghitung waktu proses sistem.
Pengujian dilakukan terhadap 5 sample tulisan tangan (tiap sample terdiri dari 52
huruf yang merupakan huruf besar dan kecil) dari 5 sukarelawan. Image inputan
berformat *.bmp dengan dimensi 106 x 114. Hasil analisis menunjukkan bahwa
sistem memiliki recognition rate sebesar 74,6% , dengan rata-rata waktu proses
yang diperlukan pada setiap image input sebesar 1,97 detik.Kata Kunci : Logika fuzzy, Jaringan Syaraf Tiruan backpropagation , Citra Digital, Prepocessing, Fuzzy features extraction, Recognition rate.ABSTRACT: This Last Project appoint a topic about character handwriting recognition using
fuzzy logic that regard a character handwriting as a graph with direction, which
the node consist of end points and intersection points while the edge consist of
line, curve, and loop as basic step for features extraction sub-system, a neural
network backpropagation for classification sub-system, and classic algorithm for
perprocessing sub-system. This system accept *.bmp input image then the system
will execute with three stage that are preprocessing, fuzzy feature extraction, and
neural network backpropagation.
Testing purpose are to find out whether the system can recognize a character that
obtained in input image, and to count average time procces of the system. Testing
using 5 sample character handwriting(every sample include 52 kind of charecter)
from 5 volunteer. The dimension of input image is 106 x 114 with *.bmp format.
The result has recognition rate 74,6% with average time process is 1,97 second
for every character.Keyword: Logika fuzzy, Neural network backpropagation , Citra Digital, Prepocessing, Fuzzy features extraction, Recognition rate.