Perbandingan Peforma Dalam Pengenalan Tulisan Aksara Lampung Melalui Optical Character Recognition (OCR) dengan Algoritma Support Vector Machine (SVM) Menggunakan Ekstraksi Fitur Histogram of Oriented Gradients dan Gray-Level Run Length Matrix
Penelitian ini bertujuan untuk mengembangkan sistem pengenalan karakter Aksara Lampung menggunakan Optical Character Recognition (OCR) dengan memanfaatkan algoritma Support Vector Machine (SVM). Metode ini menggunakan dua pendekatan ekstraksi fitur, yaitu Histogram of Oriented Gradients (HOG) dan Gray-Level Run Length Matrix (GLRLM). HOG dan GLRLM digunakan untuk mengekstraksi ciri tekstur gambar yang akan dibandingkan satu sama lain. Algoritma SVM yang digunakan juga menggunakan ada tiga metode kernel yaitu kernel linear, polinomial, dan Radial Basis Function(RBF).Dataset yang digunakan dalam penelitian ini terdiri dari sejumlah sampel karakter tulisan tangan aksara Lampung. Implementasi dilakukan menggunakan bahasa pemrograman Python dengan dukungan dari pustaka scikit-learn untuk SVM dan ekstraksi fitur. Evaluasi dilakukan dengan mengukur precision, recall, dan accuracy dari model. Hasil yang didapatkan dari penelitian ini dimana ekstraksi fitur HOG dengan kernel polinomial dan metode pemisahan kelas One vs Rest mendapatkan evaluasi model precision, recall, dan accuracy paling tinggi yaitu 93,51%, 93,59%, dan 93,59%. Sedangkan, untuk GLRLM hasil evaluasi precision, recall, dan accuracy terbaik juga dengan kernel RBF dan metode pemisahan kelas One vs One yaitu 67,50%, 67,52%, dan 67,57%. Sehingga, hasil terbaik yang didapatkan pada penelitian ini yaitu SVM dengan menggunakan ekstraksi fitur HOG dan kernel polinomial.
URI
https://repo.itera.ac.id/depan/submission/SB2408130019
Keyword
Aksara Lampung Histogram of Oriented Gradients Gray-Level Run Length Matrix Optical Character Recognition Support Vector Machine