Pengenalan Karakter Huruf Korea (Hangul) Menggunakan Algoritma Support Vector Machine (SVM)

Nadila, Dinda (2023) Pengenalan Karakter Huruf Korea (Hangul) Menggunakan Algoritma Support Vector Machine (SVM). Tugas Akhir (S1) - thesis, Universitas Bakrie.

Preview	Text (Cover) 00. Cover.pdf - Submitted Version Download (537kB) | Preview
	Text (BAB I-III) 01. BAB I-III.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Submitted Version Restricted to Registered users only Download (683kB) | Request a copy
	Text (BAB V) 03. BAB V.pdf - Submitted Version Restricted to Registered users only Download (130kB) | Request a copy
Preview	Text (DAFTAR PUSTAKA) 04. Daftar Pustaka.pdf - Submitted Version Download (1MB) | Preview
	Text (Lampiran) 05. Lampiran.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

terus berkembang pesat. Fenomena Hallyu Wave yang merajalela di Indonesia telah memicu minat besar dalam memahami budaya dan Bahasa Korea. Banyak dari mereka yang ingin mengunjungi Korea Selatan sebagai tujuan wisata, sehingga hal ini menjadi salah satu pendorong minat mereka untuk mempelajari Bahasa Korea. Efek ini tercermin dalam peningkatan minat dalam berbagai layanan pembelajaran Bahasa Korea di Indonesia, seperti kursus Bahasa Korea dan pemilihan jurusan Sastra Korea di perguruan tinggi. Namun, Bahasa Korea memiliki sistem penulisan non-romawi yang unik, yang menggunakan aksara khusus yang disebut Hangeul. Penulisan Hangeul memiliki aturan-aturan khusus terkait tata letak dan struktur karakter antara huruf vokal dan huruf konsonan. Beragam ketentuan penulisan ini, bersama dengan pola yang bervariasi, seringkali menjadi penyebab kesalahan dalam pengenalan huruf Hangeul. Oleh karena itu, penulis mengusulkan penelitian pengenalan karakter huruf Hangeul menggunakan algoritma Support Vector Machine (SVM) sebagai metode klasifikasi machine learning terbaik dengan 2 (dua) teknik ekstraksi fitur yaitu zoning dan GLCM (gray-level co-occurrence matrix). Dikarenakan terbatasnya ketersediaan dataset pada wadah terbuka dan penelitian sebelumnya, penulis memutuskan untuk membuat dataset secara manual untuk pelatihan dan pengujian. Pelatihan dilakukan dengan 4,411 data menggunakan jenis font Gulim berukuran 14, dan hasil penelitian menunjukkan bahwa tingkat akurasi tertinggi diperoleh pada pengujian dengan ekstraksi fitur GLCM terhadap font Gulim berukuran 24, mencapai 68%.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Hangeul, Hallyu Wave, Machine Learning, Support Vector Machine, Zoning, Gray-level co-occurrence matrix.
Subjects:	Computer Science > Image Processing Computer Science > Informatics Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Dinda Nadila
Date Deposited:	05 Sep 2023 07:59
Last Modified:	05 Sep 2023 07:59
URI:	http://repository.bakrie.ac.id/id/eprint/8523

Actions (login required)

View Item