ABSTRAKSI: Pengenalan huruf pada form menggunakan sistem sangat diperlukan didalam dunia nyata seperti form pada bank. Tentunya dengan adanya sistem dapat mempermudah aktifitas manusia agar lebih efektif dan efisien dalam pengolahan data atau informasi pada form.
Dalam membuat sistem pengenalan huruf memiliki beberapa tahapan yaitu prepocessing, segmentasi, ekstraksi ciri, dan algoritma pembelajaran. Metode ekstraksi ciri yang digunakan pada tugas akhir ini yaitu metode ekstraksi ciri diagonal. Dengan menggunakan metode ekstraksi ciri diagonal didapatkan informasi data yang lebih jelas dan akurat dalam membedakan ciri antara objek huruf yang satu dengan yang lain.
Salah satu algoritma pembelajaran yaitu probabilistic neural network dimana algoritma tersebut yaitu suatu model yang dibentuk pada pendekatan model bayes. Waktu eksekusi algoritma tersebut sangatlah cepat.
Ditunjukkan pada tugas akhir ini bahwa akurasi tertinggi terdapat pada proses training yaitu 99,68% sedangkan akurasi tertingi proses testing yaitu 96,15%. Dari segi rata-rata akurasi maka ekstraksi ciri diagonal kiri jauh lebih baik daripada ekstraksi ciri diaogonal kanan.Kata Kunci : Form, Ekstraksi ciri diagonal, Algoritma probabilistic neural network.ABSTRACT: Charater Recognition from the form using the system is needed in the real world such as the form on the bank. Certainly with the system can easier human activities to do work more effectively and efficiently for form .
In making the character recognition system have several steps that prepocessing, segmentation, feature extraction, and the learning algorithm. Feature extraction methods used in this final project is diagonal feature extraction methods. Expected by using a diagonal feature extraction methods of data obtained clearer information and accurate in distinguishing feature between the character with each other.
One algorithm learning that is probabilistic neural network learning which is a model that was formed in Bayesian modeling approach. Algorithm execution time is very fast.
Shown in this final project that there is the highest accuracy on the training process that is 99.68% while the highest accuracy of the testing process that is 96.15%. In terms of the average accuracy of the diagonal feature extraction left is better than right diaogonal feature extraction.Keyword: Form, Diagonal feature extraction, Probabilistic neural network Algorithm.