EKI FEBRIYAN MUSLIFAH, 04315033 (2019) ARTIFICIAL NEURAL NETWORK UNTUK PENGENALAN HURUF AKSARA LONTARA BUGIS DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Undergraduate thesis, Universitas Narotama.
Text (HALAMAN JUDUL)
HALAMAN JUDUL.pdf Download (4MB) |
|
Text (BAB I)
BAB 1.pdf Download (1MB) |
|
Text (BAB II)
BAB 2.pdf Download (6MB) |
|
Text (BAB III)
BAB 3.pdf Download (4MB) |
|
Text (BAB IV)
BAB 4.pdf Restricted to Repository staff only Download (5MB) |
|
Text (BAB V)
BAB 5.pdf Download (396kB) |
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Download (702kB) |
Abstract
Kurang nya pengetahuan tentang huruf aksara lontara bugis untuk masyarakat karna hanya orang asli bugis makasar yang mengetahuinya bagi masyarakat lain belum beberapa belum mengetahui tentang aksara lontara bugis makasar, dan merupakan ciri khas dari daerah makasar karna peninggalan leluhur yang sangat penting untuk dilestarikan, dalam penelitian ini memudahkan masyarakat untuk belajar tentang aksara lontara untuk dunia pendidikan dan untuk diketahui masyarakat lain dengan menggunakan teknologi elektronik yang sekarang sudah lebih baik maka dari itu dalam penelitian ini merancang system yang dapat membaca huruf aksara lontara dengan menggunakan komputasi cerdas dengan menerapkan image processing dengan menggunakan metode Jaringan Syaraf Tiruan Metode Support Vector Machine. Dalam metode tersebut terdapat beberapa tahap untuk mengenali aksara lontara di antaranya dengan mengenali pola, dan keunikan karakter dari huruf aksara lontara bugis. Dalam metode yang digunakan image dari huruf aksara lontara yang nantinya akan diproses dengan beberapa tahapan agar dapat dibaca dalam bahasa Indonesia, dan diketahui tingkat akurasi dari metode yang digunakan. Kata Kunci : Aksara Lontara bugis , Image Processing, Jaringan Syaraf Tiruan, Support Vector Machine
Item Type: | Thesis (Undergraduate) |
---|---|
Subjects: | H Social Sciences > H Social Sciences (General) T Technology > T Technology (General) |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Repository Administrator |
Date Deposited: | 24 Feb 2022 07:04 |
Last Modified: | 24 Feb 2022 07:04 |
URI: | http://repository.narotama.ac.id/id/eprint/1067 |
Actions (login required)
View Item |