Pengenalan Pola Karakter Pada Kata Tulisan Tangan Menggunakan Metode Discrete Cosine Transform (DCT) dan Learning Vector Quantization (LVQ)

Pengenalan tulisan tangan merupakan salah satu cabang dari pengenalan pola. Penelitian ini membahas sistem pengenalan tulisan tangan offline yang menggunakan pencirian lokal dari karakter-karakter tulisan. Salah satu faktor penentu dalam pengenalan tulisan tangan adalah model atau bentuk tulisan tangan dari penulis yang mampu dikenali. Pada penelitian ini citra masukan berasal dari 10 responden, tiap responden menuliskan 26 karakter huruf abjad kapital. Dari 10 pola tulisan yang ada akan diuji tingkat kebenarannya dengan data pelatihan yang sebelumnya telah diproses dan disimpan dalam database. Pada penelitian ini proses ekstraksi ciri menggunakan Discrete Cosine Transform (DCT) untuk menentukan karakteristik dari huruf, setelah itu diklasifikasi menggunakan metode Learning Vector Quantizatian (LVQ) untuk mengukur kemiripan antara data pelatihan dan data uji coba. Hasil penelitian dengan menggunakan ekstraksi ciri DCT dan klasifikasi LVQ diperoleh akurasi pengenalan dengan persentase keberhasilan tertinggi 80.7% dalam skenario pertama, dengan nilai max epoh = 10000, error minimum = 0.001, alpha = 0.05 dan rumus update alpha = 0.5*alpha. Sedangkan dalam skenario kedua nilai akurasi tertinggi diperoleh dengan masukan nilai max epoh = 10000, error minimum = 0.001, alpha = 0.05 dan rumus update alpha = 0.5*alpha, menghasilkan nilai akurasi sebesar 86%.