Abstrak
Pengenalan tulisan tangan angka Arab menjadi hal yang penting, namun untuk melakukan pengenalan tulisan tangan
angka Arab tidaklah mudah. Permasalahan pengenalan tulisan tangan dipengaruhi oleh faktor bentuk dan ukuran dari
tulisan tangan tersebut. Penelitian ini bertujuan untuk mengenali tulisan tangan angka Arab dengan tahapan meliputi,
pra-pengolahan untuk mengubah citra asli menjadi citra biner, ekstraksi ciri menggunakan Geometric Moment Invariant
(GMI), dan pengenalan menggunakan Self-Organizing Maps (SOM). Hasil pengenalan tulisan tangan angka Arab
dengan data 120 dari MADBase Handwriting Arabic Digits dengan setiap angka Arab dibuat 12 kali memiliki ketepatan
tingkat akurasi 96,60%.
Kata kunci: Tulisan Tangan Angka Arab, MADBase Handwriting Arabic Digits, Geometric Moment Invariant, Self
Organizing Maps.
Abstract
Handwritten Arabic numerals recognition become important, but to perform handwriting recognition Arabic numerals is
not easy. The problems handwriting recognition influenced by the shape and size of the handwriting. This study aims to
recognize handwritten Arabic numerals which the stage were pre-processing to convert the original image into a binary
image, feature extraction using Geometric Moment Invariant (GMI), and recognition using Self-Organizing Maps
(SOM). The result handwriting recognition Arabic numerals with the data 120 of MADBase Handwriting Arabic Digits
with every Arabic numerals character made 12 times which had obtained accuracy 96.60%.
Keywords: Handwriting Arabic Numerals, MADBase Handwriting Arabic Digits, Geometric Moment Invariant, Self
Organizing Maps.
1. Pendahuluan
2. Pengenalan
Arab
Tulisan
Tangan
3. Metode Penelitian
3.1 Analisis Akuisis Data
Data citra tulisan tangan diperoleh dari data primer dan
sekunder masing-masing sebanyak 400 data.
Pengambilan data primer menggunakan scanner dengan
resolusi 140x140. Kemudian, citra tersebut diubah
menjadi format BMP dengan resolusi 28x28 piksel. Hal
ini agar data primer sama dengan data sekunder yang
memiliki format BMP dan memiliki 28x28 piksel.
Sedangkan
data
sekunder
berasal
MADBase
Handwriting Arabic Digits.
Angka
(2)
3.4 Analisis
Maps
Algoritma
Self
Organizing
5. Kesimpulan
Kesimpulan yang diperoleh pada penelitian ini
adalah sebagai berikut:
1. Metode Geometric Moment Invariant (GMI) dapat
digunakan sebagai dasar pengembangan arsitektur
Self Organizing Maps (SOM) untuk melakukan
pengenalan tulisan tangan angka Arab dari
(0)
sampai
(9).
2. Penerapan metode GMI dan SOM untuk mengenali
tulisan tangan angka Arab dengan tingkat akurasi
lebih dari 95% tergolong baik.
3. Penggunaan metode ekstraksi ciri GMI, sistem
masih dapat mengenali tulisan tangan angka Arab
yang telah dirotasi.
4. Hasil pengenalan tulisan tangan angka Arab dari
jenis data mempengaruhi hasil pengenalan.
6. Saran
Saran pengembangan lebih lanjut dari penelitian
ini adalah sebagai berikut:
1. Data masukan citra secara on-line dengan media
perangkat elektronik.
2. Perangkat lunak dapat dikembangkan menjadi
perangkat lunak yang lebih besar seperti untuk
pembelajaran dalam mengenali angka Arab dan
bahkan dapat dikembangkan dengan menangani
kombinasi karakter angka Arab.
3.
Referensi
[1] Hendro, Tacbir, Komarudin, A. dan Fadhilah, D.
(2012).
Pengenalan
Pola
Huruf
Arab
menggunakan Jaringan Saraf Tiruan dengan
Metode Backpropagation. Seminar Nasional
Teknologi
Informasi
dan
Komunikasi
(SNASTIKOM). Universitas Jendral Achmad Yani.
[2] Zaghloul, I. R., Enas, B. M. K. D. dan
AlRawashdeh, F. (2012). Recognition of Hindi
(Arabic) Handwritten Numerals. American
Journal of Engineering and Applied Science. Vol.
05 (2). 132-135.
[3] Awaidah dan Mahmoud. (2008). A Multiple
feature/resolustion scheme to Arabic (Indian)
numerals recognition using hidden markov
models. King Fahd University of Petroleum and
Minerlas, College of Computer Sciences and
Engineering.
[4] Liu, C.L. dan Suen C.Y. (2009). A new benchmark
on the recognition of handwritten Bangla and Farsi
numeral characters.National Laboratory of Pattern
Recognition, Instance of Automation, Chinese
Academy of Sciences.
[5] Das, N., Mollah, F. A., Saha, S., Haque, S. S.,
(2006). Handwritten Arabic Numeral Recognition
using a Multi-Layer Perceptron. Proc. National
Conference on Recent Trends in Information
System. 200-203.
[6] Mahmoud, S. (2008). Recognition of WriterIndependet off-line handwritten Arabic (Indian)
Numerals using Hidden Markov Models.
[7] Rashad, M., Amin, K., Hadhoud, M. and Elkilani,
W. (2012). Arabic Character Recognition Using
Stastical and Geometric Moment Features. IEEE.
Arab
Latin
Romawi
II
III
IV
VI
VII
VIII
IX