IDENTIFIKASI PENULIS MENGGUNAKAN CONVOLUSIONAL NAURAL NETWORK BERDASARKAN KARAKTER TULISAN TANGAN

Much Chafid; Muhammad Turmudzi; Agus Wibowo; Pratama Eskaluspita; Ervina Yuniati Rokhmah; Dinda Heidiyuan Agustalita

doi:10.46764/teknimedia.v5i2.209

Much Chafid Universitas Gresik
Muhammad Turmudzi Fakultas Teknik, Universitas Gresik Jawa Timur Indonesia
Agus Wibowo Fakultas Teknik, Universitas Gresik Jawa Timur Indonesia
Pratama Eskaluspita Fakultas Teknik, Universitas Gresik Jawa Timur Indonesia
Ervina Yuniati Rokhmah Fakultas Teknik, Universitas Gresik Jawa Timur Indonesia
Dinda Heidiyuan Agustalita Fakultas Teknik, Universitas Gresik Jawa Timur Indonesia

DOI: https://doi.org/10.46764/teknimedia.v5i2.209

Kata Kunci: Convolutional Neurel Network, tulisan tangan

Abstrak

Pembuatan teks tulisan tangan dapat dilakukan dengan cara menangkap citra menggunakan scanner dengan kualitas citra 300 dpi, melakukan segmentasi menggunakan metode thresholding dan seleksi kontur dari citra, menggabungkan citra hasil segmentasi dan mengolah citra hasil segmentasi. Hasil convolutional autoencoder dapat diinput ke dalam transfer learning (lazy learning) menggunakan metode KNN untuk dicocokkan dengan tulisan tangan penulis. Pada Penelitian ini data yang digunakan adalah 100 yang dilakukan oleh 20 penulis, tiap penulis menulis 5 kali. Pada uji coba pertama menggunakan Dataset yang terdapat pada potongan kalimat tulisan tangan dari Judul dari Puisiyang di karang oleh Chairil Anwar. Pengujian dilakukan dengan membandingkan proses machine learning dengan dan tanpa convolutional autoencoder. Hasil pengujian dengan convolutional autoencoder menunjukkan akurasi sebesar 89%, sedangkan hasil pengujian tanpa convolutional autoencoder menunjukkan akurasi sebesar 88

Referensi

[1] Turmudzi, Muhammad, and Endang Setyati. "Identifikasi Penulis Berdasarkan Pola Tulisan Tangan Menggunakan Convolutional Autoencoder dan KNN." JEECOM Journal of Electrical Engineering and Computer 3.1 (2021): 8-13.
[2] Jose E. Valdez-Rodrigues, Hiram Calvo, And Edgardo M. Felipe-Riveron. Handwritten Texts for Personality Identification Using Convolutional Neural Networks. International Conference on Pattern Recognition. 2018.
[3] Rohan Vaidya, Darshan Trivedi, Sagar Satra. Handwritten Recognition Using Deep-Learning. Proceedings of the 2nd International Conference on Inventive Communication and Computational Technologies. 2018.
[4] Anamika Sen, Harsh Shah. Automated Handwriting Analysis System using Principles of Grapology and Image Processing. International Conference on Innovations in Information, Embedded and Communication System. 2017.
[5] Sanae BOUTARFASS, Bernard BESSERER : Convolutional Autoencoder For Discriminating Handwriting Styles. Europan Workshop on Visual Information Processing. 2019.
[6] Jose L. Vasquez, Antonio G. Ravelo-Garcia, Jesus B. Alonso, Malay Kishore Dutta, Carlos M. Travieso. Writer identification approach by holistic graphometric features using off-line handwritten words. The Natural Computing Forum. 2018.
[7] Omar Santana, Carlos M. Travieso, Jeana B. Alonso, Miguel A. Ferrer. Writer Identification Based on Graphology Techniques. IEEE A&E System Magazines. 2010.
[8] Mahesh Jangid, Sumit Srivastava. Handwritten Devanagari Character Recognition Using Layer-Wise Training of Deep Convolutional Neural Networks and Adaptive Gradient Methods. Journal of Imaging. 2018.
[9] Champa and Ananda Kumar, Artificial Neural Network For Human Behavior Prediction Through Handwriting Analysis, International Journal of Computer Applications (0975–8887) Volume. 2010.
[10] Champa and Ananda Kumar, Automated Human Behavior Prediction Through Handwriting Analysis, In Integrated Intelligent Computing (ICIIC), First International Conference on Integrated Intelligent Computing, pp. 160-165. IEEE,2010