Tugas Kelompok VI Makassar, 11 Oktober 2022

Pattern Recognition

Disusun untuk memenuhi tugas Kelompok

Mata Kuliah : Kapita Selekta
Dosen Pengampu : Ir.St Hajrah Mansyur, S.Kom., M.Cs., MTa

Kelompok :
Asmaul Husna (13020190356)
Muhamad Sidik (13020190356)

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR
2019
 Daftar Isi

Daftar Isi......................................................................................................................... 2
1. BATIK MOTIFS DETECTION USING PATTERN RECOGNITION METHOD
Error! Bookmark not defined.
2. PEMBANGUNAN MEDIA PEMBELAJARAN INTERAKTIF POLA PIKIR
KOMPUTASI (PATTERN RECOGNITION) UNTUK TINGKAT SEKOLAH
DASAR ......................................................................... Error! Bookmark not defined.
3. PENGENALAN POLA TULISAN TANGAN HIRAGANA JEPANG
MENGGUNAKAN METODE KORELASI PECOCOKAN TEMPLATE .... Error!
Bookmark not defined.
4. PENGENALAN POLA TULISAN TANGAN RESEP DOKTER
MENGGUNAKAN NAVE METODE BAYES CLASSIFIER DI PUSKESMAS
KAMBANIRU .............................................................. Error! Bookmark not defined.
5. PERBANDINGAN JARAK POTRET DAN RESOLUSI KAMERA PADA
TINGKAT AKURASI PENGENALAN ANGKA KWH METER
MENGGUNAKAN SVM ............................................. Error! Bookmark not defined.
 Jurnal I

1. BATIK MOTIFS DETECTION USING PATTERN RECOGNITION

METHOD
Motif batik merupakan salah satu faktor yang membuat batik menjadi unik
dan menarik. Ada berbagai macam desain motif batik di berbagai daerah.
Masing-masing motif desain ini mengandung simbol/ ilustrasi yang
mengandung makna tertentu. Desain motif batik digunakan dalam berbagai
acara sesuai dengan kesempatannya. Namun sayangnya, tidak banyak yang
memahami hal ini, padahal kearifan lokal pada desain motif batik merupakan
salah satu bentuk warisan budaya nusantara yang harus dilestarikan. Terkait
dengan hal tersebut, pengembangan teknologi informasi dan multimedia harus
dijadikan sebagai solusi. Namun hingga saat ini belum ada sistem informasi yang
akurat dan cepat dalam mendeteksi motif batik. Penelitian ini menerapkan
metode pengenalan pola untuk menemukan metode yang paling tepat dan akurat
untuk mendeteksi dan menafsirkan motif batik. Kata kunci:pengenalan pola,
motif batik, analisis dan perancangan sistem informasi. Abstrak.Motif batik
merupakan salah satu faktor yang menjadikan batik unik dan menarik. Terdapat
berbagai macam desain motif batik di berbagai daerah. Setiap desain motif
tersebut merupakan simbol-simbol/ilustrasi yang mengandung makna tertentu.
Tentu saja desain motif batik tersebut digunakan dalam acara yang berbeda-beda
sesuai dengan keperluanya. Namun sayang, tidak banyak orang yang mengerti
hal ini, kearifan lokal pada desain motif batik tersebut merupakan salah satu
bentuk warisan budaya nusantara yang wajib dilestarikan. Terkait hal tersebut,
seharusnya perkembangan teknologi informatika dan multimedia dapat
digunakan sebagai solusi. Namun demikian, sampai saat ini, belum ada sistem
informasi yang akurat dan cepat dalam mendeteksi dan menginterpretasi motif
batik. Penelitian ini menerapkan metode pengenalan pola guna menemukan
metode yang paling tepat dan akurat untuk mendeteksi dan menginterpretasi
motif batik. Metode tersebut akan digunakan untuk membangun sistem
informasi deteksi motif batik untuk membantu pengguna yang tidak mengenal
motif batik mendapatkan informasi lebih cepat dan akurat. Kata
Kunci:pengenalan pola, motif batik, analisis dan perancangan sistem informasi.
1. Perkenalan batikmerupakan warisan budaya bangsa kita yang harus
dilestarikan. Apalagi, pada tanggal 2 Oktober 2009,batiktelah terdaftar sebagai
warisan budaya dunia takbenda oleh UNESCO. Secara historis, batiktelah
dianggap sebagai seni inklusif yang memiliki keahlian khusus untuk
menggambar berbagai motifnya meskipun baru-baru ini, teknologi canggih
tersedia untuk memudahkanbatik menggambar/ penggambaran. Namun
demikian, pengetahuan yang luas tentang ragam motif sangat diperlukan karena
batik kompleksitas motif.batikmotifnya sangat beragam. Keanekaragamannya
yang luas dipengaruhi oleh Geografis Indonesia, latar belakang budaya,
 kepercayaan, daerah mode, hewan dan tumbuhan, serta akulturasi budaya di
beberapa daerah. Dengan demikianbatikmotif dikelompokkan menjadi beberapa
Diterjemahkan dari bahasa Inggris ke bahasa Indonesia -
www.onlinedoctranslator.com 56Jurnal Buana Informatika, Volume 11, Nomor
1, April 2020: 55-62 kelompok geometri dan non-geometri denganbatikahli
untuk menyederhanakan motif corak. Setiap motif bersifat simbolis sehingga
pada umumnya memiliki makna tersendiri. Dewasa ini, dalam
perkembangannya,batikmotif sering dianggap tidak lagi simbolis dan magis oleh
masyarakat. Namun kenyataannya, banyak yang membuktikan bahwa
kepercayaan itu masih dipegang teguh oleh masyarakat. Masyarakat biasa
mengasosiasikanbatikmotif dengan simbol tertentu. Mereka yang memakaibatik
menafsirkannya sebagai representasi dari karakteristik mereka. Pandangan
simbolis dan magis daribatik Motif yang sering dipersepsikan masyarakat
mungkin sudah tidak muncul lagi karena pengetahuan masyarakat yang semakin
menurunbatikmotif. Sangat disayangkan mengetahui bahwa akhir-akhir ini
masyarakat kurang memiliki pengetahuan filosofis tentangbatikmotif.
Belumbatikmengalami perkembangan yang pesat baik di dalam negeri maupun
di luar negeri. Apalagi dalam filosofi beberapa pihak, memakai pakaian yang
tidak pantas dan tidak relevanbatikmotif pada acara-acara khusus atau upacara
publik dianggap tidak sopan atau bahkan mempermalukan pihak tertentu.
Berkaitan dengan hal tersebut, maka urgensi untuk mengembangkan suatu
rancangan sistem informasi yang dapat membantu masyarakat dalam mendeteksi
dan menginterpretasikan tertentubatikmotif.

Jurnal II

2. PEMBANGUNAN MEDIA PEMBELAJARAN INTERAKTIF POLA

PIKIR KOMPUTASI (PATTERN RECOGNITION) UNTUK TINGKAT
SEKOLAH DASAR

Proses pembelajaran merupakan suatu kegiatan belajar mengajar menyangkut

kegiatan tenaga pendidik, kegiatan peserta didik, pola dan proses interaksi
tenaga pendidik dan peserta didik dan sumber belajar dalam suatu lingkungan
belajar dalam kerangka keterlaksanaan program pendidikan (Rooijakkers,
1991). Pendapat yang hampir serupa juga dikemukakan oleh (Winkel, 1991),
proses pembelajaran adalah suatu aktivitas psikis atau mental yang berlangsung
dalam interaksi aktif dalam lingkungan, yang menghasilkan perubahan-
perubahan pengetahuan, pemahaman, keterampilan dan nilai sikap. Seiring
kebutuhan mengenai pola pikir komputasi atau Computational Thinking (CT)
relatif banyaknya murid atau siswa yang benar-benar tidak mengetahui apa itu
pola pikir komputasional yang pada masa sekarang ini sering kali dimanfaatkan
pada hampir seluruh perangkat lunak yang sering digunakan oleh masyarakat
 luas. Computational Thinking (CT) adalah sebuah pendekatan dalam proses
pembelajaran. CT berperan penting dalam pengembangan aplikasi komputer,
namun CT dapat juga digunakan untuk mendukung pemecahan masalah disemua
disiplin ilmu, termasuk humaniora, matematika, dan ilmu pengetahuan. CT
melatih otak untuk terbiasa berfikir secara logis, terstruktur dan kreatif. Konsep
dan proses komputasi memiliki daya tarik yang bertujuan untuk memecahkan
masalah yang dihadapi dapat diselesaikan dengan cepat, memerlukan sedikit
sumber daya manusia, waktu, maupun ruang penyimpan fisik dan digital.
Jawaban yang dihasilkan merupakan jawaban yang tepat dan akurat [RAC15].
Computational Thinking (CT) tidak berarti berfikir seperti komputer, melainkan
berfikir tentang komputasi dimana seseorang dituntut untuk memformulasikan
masalah dalam bentuk masalah dan menyusun solusi komputasi yang baik
(dalam bentuk algoritma) atau menjelaskan mengapa tidak ditemukan solusi
yang sesuai. Adapun kemampuan berpikir komputasi meliputi 4 tahapan yang
diantaranya adalah: Dekomposisi (Decomposition), Pengenalan Pola (Pattern
Recognition), Generalisasi Pola & Abstraksi (Pattern Generalization &
Abtraction), dan Desain Algoritma (Algorithm Design). Pengenalan Pola
(Pattern Recognition) adalah salah satu pondasi dari ilmu komputer, yang
meliputi penemuan persamaan atau pola antar bagian – bagian kecil hasil
dekomposisi yang dapat membantu menyelesaikan permasalahan yang lebih
kompleks menjadi lebih efisien. [BBC16] Oleh karena itu disini penulis tertarik
untuk membuat sebuah perangkat lunak "Pembangunan Media Pembelajaran
Interaktif Pola Pikir Komputasi (Pattern Recognition) untuk Tingkat Sekolah 1-
1 1-2 Dasar dengan tujuan agar peserta didik atau siswa bisa memahami
pentingnya mengenai pola pikir komputasi.

Jurnal III

3. PENGENALAN POLA TULISAN TANGAN HIRAGANA JEPANG

MENGGUNAKAN METODE KORELASI PECOCOKAN TEMPLATE

Penerapan panca indera pada komputer semakin banyak dilakukan dalam

penelitian teknologi saat ini. Sistem yang dibuat pada komputer dapat mengenali
suatu objek dengan mengidentifikasi fungsi, karakteristik dan karakteristik
objek tersebut [1]. Objek sampel sebelumnya telah diolah menjadi citra
referensi, kemudian citra lainnya dilatih menggunakan algoritma yang sesuai.
Proses ini bertujuan jika ada hal-hal yang tidak dapat diidentifikasi oleh
manusia, dapat dibantu dengan komputer, misalnya identifikasi sidik jari, pola
tulisan tangan, wajah dan sebagainya. Budaya Jepang saat ini banyak diminati
di Indonesia, baik itu disajikan melalui manga, anime, film, musik, dan
sebagainya, oleh karena itu banyak masyarakat Indonesia yang tertarik untuk
belajar bahasa Jepang. Jepang memiliki hubungan sejarah yang erat dengan
negara-negara sekitarnya, yaitu Cina [2], tetapi karena bahasa ini memiliki
aturan tata bahasa yang berbeda, jenis huruf yang berbeda, cara membaca dan
menulis, seringkali siswa merasa kesulitan dan malas untuk mempelajarinya [3-
5 ]. Huruf hiragana dan katakana sama-sama dibuat oleh orang jepang sendiri.
Cara penulisan huruf hiragana merupakan penunjukan suku kata, untuk menulis
kata-kata asli Jepang (bukan serapan), sebagai furigana yang menunjukkan cara
membaca kanji dan sebagai alternatif huruf lain jika tidak hafal kanji [6-7 ].
Karakter ini juga digunakan untuk menulis kosakata asli bahasa Jepang, terdiri
dari 104 huruf, yaitu 46 huruf utama, 25 huruf ituteng teng(")dan maru(o), 33
yang menggunakan sedikit kombinasi ya-yu-yo. Secara umum, pengenalan pola
berfungsi untuk mengklasifikasikan atau mendeskripsikan sesuatu berdasarkan
pengukuran kuantitatif dari ciri-ciri utama atau sifat-sifat suatu benda [8-9]. Pola
atau bentuk yang digunakan untuk membuat atau menghasilkan suatu bagian
dari sesuatu, apalagi jika sesuatu yang ditimbulkannya mempunyai semacam
pola dasar yang dapat diperlihatkan atau dilihat dan dapat dikatakan
menunjukkan suatu pola. Pengenalan pola formal juga merupakan proses yang
menerima pola atau sinyal berdasarkan hasil pengukuran yang kemudian
diklasifikasikan ke dalam satu atau lebih kategori atau kelas tertentu dengan
melalui proses ekstraksi ciri dan klasifikasi jarak. Cara kerja ekstraksi ciri adalah
dengan mengambil atau mengekstrak nilai unik dari suatu objek. Ekstraksi ciri
ini bertujuan untuk mempertajam perbedaan pola sehingga akan memudahkan
pemisahan kategori kelas dalam proses klasifikasi [10]. Proses klasifikasi jarak
berfungsi untuk mengklasifikasikan hasil ekstraksi ciri kemudian dilakukan
identifikasi dengan cara mencocokkan citra uji terhadap citra acuan yang telah
dilatih sebelumnya dan disimpan dalam database, dengan kata lain proses ini
merupakan proses penajaman data untuk menjadikannya lebih mudah digunakan
pada proses selanjutnya [11]. Beberapa peneliti telah menggunakan algoritma
korelasi template matching untuk mengenali beberapa jenis huruf. Jurnal yang
dibuat oleh Suryo Hartanto untuk mengenal huruf, permasalahan yang muncul
dalam proses pengenalan huruf komputer adalah bagaimana suatu teknik
pengenalan dapat mengenali berbagai jenis huruf dengan ukuran, ketebalan dan
bentuk yang berbeda-beda. Jarak Tulisan Tangan Hiragana Jepang ... | Riadi, I.,
Fadlil, A., Annisa, P., 1 – 7 1 JUITA: Jurnal Informatika e-ISSN: 2579-8901;
Jil. 9, No. 1, Mei 2021 klasifikasi menggunakan korelasi template matching
memperoleh hasil akurasi yang tinggi yaitu sekitar 92,90%, meskipun jenis dan
ukuran huruf yang digunakan sebagai input berbeda dengan template [12].
Penelitian pengenalan pola huruf Hijaiyah oleh Fathurrahman menggunakan
jaringan syaraf tiruan backpropagation menghasilkan akurasi terbaik sebesar
100% [13]. Dilihat dari beberapa penelitian sebelumnya, tujuan dari penelitian
ini adalah untuk menguji algoritma Optical Character Recognition (OCR), yaitu
korelasi template matching [14] dalam pengenalan pola tulisan tangan, misalnya
huruf hiragana Jepang, sehingga membantu siswa mengenali huruf tulisan
 tangan dengan bentuk yang tidak biasa. dan sulit untuk dikenali. Metode ini
terbukti mampu mengidentifikasi huruf, sehingga siswa dapat berlatih menulis
dan mengenali huruf tersebut dengan lebih mudah. II. METODE A. Analisis
Kebutuhan Sistem Analisis kebutuhan sistem diperlukan untuk mendukung
kinerja untuk membantu menjalankan proses pembuatan sistem. Analisis ini
dibagi menjadi dua bagian, yaitu analisis kebutuhan fungsional dan
nonfungsional. Analisis kebutuhan fungsional merupakan analisis fitur apa saja
yang akan diterapkan pada sistem. Fitur-fitur tersebut antara lain, sistem dapat
ditampilkan dengan baik, sistem dapat memasukkan gambar yang dipilih ke
dalam sistem, sistem dapat mengubah gambar RGB menjadi gambar grayscale,
sistem dapat mengidentifikasi pola pada gambar beserta deskripsi hasil
kesamaan gambar uji dengan gambar referensi. Analisis kebutuhan non
fungsional merupakan kebutuhan yang dilakukan untuk menentukan kebutuhan
dan spesifikasi kelayakan sistem. Spesifikasi kebutuhan melibatkan perangkat
keras (hardware) dan kebutuhan perangkat lunak (software). Spesifikasi
hardware yang digunakan adalah komputer dengan prosesor AMD APU A-9
9400 up to 3.2 Ghz, memori RAM DDR4 4 GB dan kartu grafis Dedicated
VRAM Radeon R5 M430 sebesar 2 GB. Sedangkan perangkat lunak yang
digunakan untuk mengidentifikasi huruf adalah sistem operasi Microsoft
Windows 10 dan perangkat lunak MATLAB R2017a dan gambar yang diperiksa
sistem adalah 5 font dasar hiragana.

Jurnal IV

4. PENGENALAN POLA TULISAN TANGAN RESEP DOKTER

MENGGUNAKAN NAVE METODE BAYES CLASSIFIER DI
PUSKESMAS KAMBANIRU

Pengenalan pola adalah rangkaian proses yang dimulai, dimulai dari proses
deteksi/segmentasi, ekstraksi sistem dan proses pengukuran kesamaan atau
proses pengenalan [1]. Pada saat ini komputer dapat digunakan untuk mengenali
suatu input berupa pola untuk dijadikan suatu informasi [2]. Pola tulisan tangan
adalah hasil menulis dengan tangan dan tulisan tangan masing-masing orang
memiliki bentuk dan pola yang berbeda seperti gaya tulisan, ukuran dan orientasi
antara satu dengan yang lainnya. Jika seseorang membaca sebuah kata sebut saja
kata "dimana", maka orang tersebut akan dengan mudah Tautan:
https://journal.irpi.or.id/index.php/malcom/article/view/174 55 MALCOM-
02(01): 55-61 mengenali hurufjika tulisan tersebut di tulisan dengan rapi. Tetapi
jika kata "dimana" ada beberapa bagian yang tersambung atau tidak lurus, maka
orang tersebut akan mencoba mengenali kata tersebut dengan benar. Hal ini
dikarenakan akal manusia memiliki pengenalan pola yang sangat baik. Manusia
mampu mengenali pola tulisan tangan melalui proses pembelajaran, tetapi ada
beberapa kendala yang ditemukan saat mengenali pola tulisan tangan seperti
kurang jelas, menulis dan kendala lainnya yang menyebabkan tulisan tangan
tersebut sulit untuk dibaca. Pada dasarnya resep dokter kurang dapat oleh
kefarmasian, mahasiswa farmasi, dan masyarakat awam karena tulisan dokter
sulit dijelaskan oleh tenaga harus melayani dengan cepat. Tulisan tangan dokter
yang sulit untuk dipahami atau dapat dibaca pembaca resep sehingga dapat
menimbulkan kesalahan interpretasi terlebih-lebih pada pemberian jenis obat
atau nama obat, dosis obat dan aturan minum obat yang dapat menyebabkan
kesalahan dalam pengobatan. Dari permasalahan yang paparkan peneliti
membutuhkan suatu metode yang padat dipakai agar dapat mengenali tulisan
tangan dokter dan salah satu metode yang dapat dipakai yaituPengklasifikasi
Naïve Bayes[3]. Pada penelitian akan menggunakan salah satu tulisan tangan
seorang dokter pada Puskesmas Kambaniru dengan mengambil 260 data resep
utuh dengan mengambil nama obat AMOX, CTM, GG dan PCT yang akan
ditanamanmenggunakan Photoshop untuk mendapatkan nama-nama obat dan
nama obat akan di bagi dalam data latih dan data uji. Pada data di uji coba 30,
dan 50 data citra dengan masing-masing data uji 15 citra obat untuk setiap nama
obat dan latihan menggunakan yahooPengklasifikasi Naïve Bayes[4].
Berdasarkan latar belakang yang telah dipaparkan maka diperoleh rumusan
masalah, yaitu bagaimana metode akurasiPengklasifikasi Naïve Bayesdalam
mengklasifikasikan nama obat dari pola tulisan tangan dokter [5]. Tujuan
penelitian ini untuk mengetahui akurasiPengklasifikasi Naïve Bayesdalam
mengklasifikasikan pola tangan dokter dan manfaat yang diinginkan dari
penelitian ini agar dapat membantu dalam mengenali pola tangan resep dokter
dengan mengetahui tingkat akurasi menggunakan metodePengklasifikasi Naïve
Bayes [6][7][8]. Pengklasifikasi Naive Bayesadalah metode yang digunakan
dalam mengklasifikasikan data. (Pekuwali, Kusuma, and Buono 2018)
menyatakan bahwa langkah pertama dalam pengklasifikasian dengan
menghitung nilai rata-rata dan standar deviasi dari fitur-fitur data latih pada
setiap kelas. Pada penelitian yang dilakukan Fitri Handayani dan Feddy Setio
Pribadi terbukti bahwa metodePengklasifikasi Naive Bayesmemperoleh akurasi
93% dalam pengklasifikasian teks. 2. DATA DAN METODE PENELITIAN
Metode penelitian yang bertujuan untuk melakukan pengenalan pola tulisan
tangan dokter. Metode Pengklasifikasi Naïve Bayesakan diterapkan untuk
mencapai tujuan yang diharapkan dengan menggunakan ekstrak GLCM.
Gambar 1 diagram blok diagram alur penelitian yang dipakai [9]. Gambar 1.Alur
Penelitian Pengenalan Pola Tulisan Tangan Resep Dokter Menggunakan...
(Samuel and Pekuwali, 2022) 56 ISSN(P): 2797-2313 ISSN(E): 2775-8575
Gambar 1 alur penelitian yang dimulai dengan pengumpulan data dan
dilanjutkan dengan pembagian data yaitu data latih dan data uji. Proses
selanjutnya kedua jenis data keskala abu-abudan lanjut diekstraksi
menggunakan ekstraksi GLCM dan mendapatkan pola latih dan pola uji. Proses
 selanjutnya dilanjutkan dengan proses ekstraksiPengklasifikasi Naïve Bayesdan
mendapatkan nilai akurasinya [10]. 2.1 Pengumpulan Data Metode
pengumpulan data citra yang digunakan untuk memperoleh informasi yang
dibutuhkan peneliti untuk mencapai tujuan penelitian.

Jurnal V

5. PERBANDINGAN JARAK POTRET DAN RESOLUSI KAMERA PADA

TINGKAT AKURASI PENGENALAN ANGKA KWH METER
MENGGUNAKAN SVM
BerdirikWh meter adalah alat yang digunakan untuk mengukur besarnya
pemakaian daya listrik. Pada bagian Kwh meter terdapat angka-angka yang
dikenal dengan angkaberdiri kWhmeter yang menampilkan besarnya pemakaian
daya listrik, sehingga perlu dicatat. Pencatatan atau pembacaan kWh meter
dilakukan oleh petugas baca meter. Petugas mendatangi rumah sesuai dengan
Rute Baca Meter (RBM) yang telah disediakan, kemudian petugas membaca
angka berdirikWh meter dan mencatat angka tersebut pada Dokumen
Pembacaan Meter (DPM) sesuai identitas pelanggan. Selanjutnya bukti
pengambilan citra kWh meter sebagai menggunakan kamera. Metode pencatatan
tersebut sebenarnya dapat dilakukan secara otomatis melalui pengenalan angka
melalui citra menggunakan ilmu pengenalan pola. Akan tetapi dalam melakukan
pengenalan angkaberdirikWh meter terdapat beberapa hal yang mempengaruhi
tingkat akurasi dari sisi proses pengambilan citra, yaitu jarak pengambilan citra,
resolusi kamera, serta pencahayaan saat pengambilan citra. Penelitian-penelitian
sebelumnya telah menerapkan berbagai macam ekstraksi fitur dan klasifikasi
dalam pengenalan angkaberdirikWh meter, yaitu pengenalan angkaberdirikWh
meter menggunakan sistem otomasi robust danMendukung Mesin
Vektor(SVM), penelitian ini memberikan tingkat akurasi 78,10% untuk
pengenalan satu set angkaberdirikWh meter menggunakan berbagai jenis
kualitas citra [1]. PenerapanPengenalan Karakter Optik(OCR) untuk membaca
meteran listrik, penelitian ini menunjukkan bahwa sistem tidak dapat mengenali
karakter pada citra yang belum mengenal, faktor yang mempengaruhi
adalahkebisinganpada citra, pencahayaan, sudut pengambilan citra [2].
Penelitian menggunakan ekstraksi ciriHistogram Gradien Berorientasi(HOG)
untuk pengenalan plat kendaraan dengan metode klasifikasi SVM dengan
akurasi yang didapat untuk pengenalan angka sebesar 99% dan 95% pada angka
dan huruf [3]. Penelitian membahas tentang klasifikasi angka, penggunaan
ekstraksi ciri HOG dengan metode klasifikasiMultikelasSVM dan klasifikasi
Jaringan Saraf Buatan(JST). Hasil penelitian menunjukkan tingkat akurasi
sebesar 84% untuk klasifikasi menggunakan ANN, sedangkan untuk klasifikasi
menggunakan SVM menunjukkan tingkat akurasi sebesar 97,5% [4].
Penelitianmengenai pengenalan tulisan tangan menggunakan HOG dan
klasifikasi ANN dengan metode BP (Propagasi Kembali) Hasil penelitian
menunjukkan tingkat akurasi sebesar 98.2% [5]. Penelitian mengenai
pengenalan tulisan tangan pada huruf Marathi menggunakan ciri Rectangle
HOG (R-HOG). Penelitian ini menggunakan 40 tulisan tangan huruf Marathi
yang ditulis oleh masing-masing orang (10x40) yang diklasifikasi
menggunakanUmpan Maju Jaringan Saraf Tiruan(FFANN) dan SVM. Hasil
penelitian menunjukkan tingkat akurasi pada klasifikasi FFAN sebesar 97,15%
dan klasifikasi SVM sebesar 95,64% [6] Penelitian mengenai pengenalan angka
secara otomatis menggunakan ekstraksi fitur HOG dan pengenalan
penggunaanmultikelasSVM. Penelitian ini menggunakan database tulisan
tangan MNIST dari New York University dengan hasil akurasi sebesar 97,25
[7]. Berdasarkan penelitian-penelitian tersebut maka akan dilakukan penelitian
menggunakan 7 JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 8
No.1 JULI 2017 CETAK ISSN: 2302-500X ISSN ONLINE : 2477-3786
ekstraksi ciri HOG dan metode klasifikasi SVM untuk pengenalan
angkaberdirikWh meter. A. Metodologi Penelitian Alur penelitian disajikan
dalam bentuk framework pada Gambar 1. 1) Identifikasi Masalah Identifikasi
masalah yang dilakukan dengan menelusuri jurnal-jurnal sebagai referensi atas
penelitian-penelitian sejenis yang sudah pernah dilakukan. Studi literatur dan
studi pustaka guna menunjang keilmuan terkait pengenalan angka pada kWh
meter, HOG dan SVM. 2) Pengumpulan Data Pengumpulan data dilakukan pada
siang hari menggunakan kamera digital Casio EX-ZS5 dengan resolusi 6 MP,
10 MP, dan 14 MP dan jarak antara kWh meter dan kamera adalah lebih kurang
10cm, 20cm, dan 30cm. 3) Pemilahan Gambar Pemilahan citra dilakukan karena
pada proses pengambilan citra (pemotretan), tidak semua citra dalam keadaan
baik, artinya terdapat citra yang tidak fokus (kabur).