ABSTRAKSI: Pengenalan pola (pattern recognition) merupakan suatu ilmu pengetahuan yang saat ini masih berkembang dan menjadi pusat studi dan penelitian, Salah satu dari pengenalan pola yang umum dikenal orang adalah pengenalan pola huruf. Huruf Jepang merupakan huruf yang dibentuk dengan guratan garis-garis berarah yang berurutan dengan keunikan tersendiri dari setiap huruf. Sebenarnya huruf Jepang terutama huruf Jepang Katakana banyak mempunyai kemiripan antara satu huruf dengan huruf yang lainnya. Hal inilah yang memberikan permasalahan tersendiri dalam mempelajari huruf Jepang Katakana.
Dengan permasalahan tersebut dibangun sistem pengenalan pola yang memiliki kemampuan untuk yang mengenali per karakter huruf Jepang Katakana yang diambil dari dokumen cetak dari berbagai sumber dengan output berupa pembacaan huruf yang benar dengan menggunakan kombinasi metode Holistic Feature Extraction (HFE) dan Learning Vector Quantization (LVQ). Sistem ini menganalisis tingkat akurasi dari pengenalan huruf Jepang Katakana dan menganalisis faktor-faktor yang berpengaruh terhadap tingkat akurasi dari pengenalan huruf Jepang Katakana menggunakan Holistic Feature Extraction (HFE) dan Learning Vector Quantization (LVQ). Teknik Holistic Feature Extraction (HFE) merupakan metode ekstraksi ciri yang dapat digunakan untuk mengenali suatu karakter huruf dengan melihat pada keseluruhan ciri yang terdapat dalam suatu karakter huruf tersebut. Teknik yang digunakan berdasarkan pada pengelompokan arah dengan langkah-langkah tertentu yang memang telah disesuaikan dengan kebutuhan untuk pengenalan huruf Jepang Katakana. Dalam pengklasifikasian setiap inputan vektor ciri digunakan metode Learning Vector Quantization(LVQ) yang bertujuan mencari nilai bobot yang sesuai untuk mengelompokkan vektor-vektor input kedalam kelas tujuan yang telah di inisialisasi pada saat pembentukkan jaringan LVQ.
Sistem pengenalan pola huruf Jepang Katakana dengan menggunakan Holistic Feature Extraction (HFE) dan Learning Vector Quantization(LVQ) menghasilkan kesimpulan bahwa kedua metode ini dapat digunakan dalam mengekstraksikan pola dan mengklasifikasikan huruf Jepang Katakana, dimana vektor ciri pola yang dihasilkan dari Holistic Feature Eztraction dapat memberikan keunikan pada pola, serta pengklasifikasian dari Learning Vector Quantization yang baik dan memiliki keakuratan yang cukup tinggi. Walaupun ada beberapa huruf Jepang Katakana yang mempunyai karakter hampir mirip namun tingkat akurasi pada sistem yang dipengaruhi oleh ukuran normalisasi, virtual area dan jumlah learning rate mencapai 93,2174 % untuk data training, 93.0435% untuk data validasi dan 92.1739 % untuk data uji.Kata Kunci : Huruf Jepang Katakana, Learning Vector Quantization (LVQ), Holistic Feature Extraction (HFE), Pengenalan PolaABSTRACT: Pattern recognition is a science that nowadays is still evolving and being a center for study and research. One kind of the pattern recognition that commonly known by people is the recognition of pattern letters. Japanese characters are letters that formed by the sketch lines that are sequentially directed with unique characteristics of each letter. Actually, Japanese characters, especially the Japanese Katakana characters had a lot of similarities between one letter with another letter. This gives its own problems in learning the Japanese Katakana characters.
With that problems, then the system of pattern recognition was built to recognize a Japanese Katakana characters which are taken from printed documents from various sources with the output of the correct reading of the letters by using a combination of Holistic Feature Extraction (HFE) and Learning Vector Quantization (LVQ). This system analyzes the value of recognition accuracy Japanese Katakana characters and analyze the factors that influence the accuracy of the recognition of Japanese Katakana characters using Holistic Feature Extraction (HFE) and Learning Vector Quantization (LVQ). Holistic Feature Extraction (HFE) method is a feature extraction method that can be used to recognize a different character by looking at the overall traits of a character contained in the letter. The technique used is based on grouping direction with certain steps that are already adapted to the need for the introduction of Japanese Katakana characters. In the classification of each input feature vector is used method of Learning Vector Quantization (LVQ) which aims to find the appropriate weights to classify input vectors into a class destination that has been initialized at the time of formation of LVQ network.
The pattern recognition system of Japanese Katakana letter that is using Holistic Feature Extraction (HFE) and Learning Vector Quantization(LVQ) lead to a conclusion that those methods can use in pattern ekstraction and in classify the Japanese Katakana letter because the feature vectors that is produced from Holistic Feature Extraction is unique for each character image and classification from Learning Vector Quantization that is good and has high accuration. Although there are some characters that almost have same form but the accuration level in this system that is influenced by image normalization size, virtual area and learning rate can reach 93.2174% for training data, 93.0435% for validation data and 92.1739% for testing data.Keyword: Japanese Katakana Characters, Learning Vector Quantization (LVQ), Holistic Feature Extraction (HFE), Pattern Recognition