Pengenalan tulisan tangan merupakan topik penelitian yang sangat populer saat ini. Para peneliti telah banyak melakukan usaha-usaha untuk membuat sistem pengenalan tulisan tangan otomatis dengan berbagai teknik yang berbeda. Penelitian ini membahas pengembangan sistem pengenalan tulisan tangan offline yang menggunakan pencirian lokal dari karakter-karakter tulisan tangan. Salah satu faktor penentu dalam pengenalan tulisan tangan adalah model atau bentuk tulisan tangan dari penulis yang mampu dikenali. Tiap penulis pasti memiliki gaya menulis atau bentuk tulisan tangan yang berbeda. Metode yang digunakan untuk pengenalan pola tulisan tangan pada penelitian ini adalah Modified Direction Feature (MDF) untuk proses ekstraksi fitur dan Learning Vector Quantization (LVQ) untuk proses klasifikasi. Proses ekstraksi fitur pada metode MDF dilakukan dengan cara penentuan arah garis dan posisi dari tiap-tiap piksel. Sedangkan untuk proses pelatihan data menggunakan metode Learning Vector Quantization (LVQ), metode ini akan menghasilkan bobot yang akan digunakan untuk proses pengenalan citra huruf tulisan tangan. Dari uji coba yang dilakukan pada sistem, hasil terbaik untuk pengenalan citra huruf tulisan tangan diperoleh dengan jumlah data pelatihan sebanyak 260 citra dan data uji coba sebanyak 52 citra. Hasil akurasi sistem yang didapatkan sebesar 71,15 %. Kata Kunci: Tulisan Tangan, Modified Direction Feature, Learning Vector Quantization

Handwriting recognition is a very popular research topic today. Researchers have made many efforts to create a system of automatic handwriting recognition with a variety of different techniques. This study discusses the development of offline handwriting recognition system that uses a local characterization of handwritten characters. A determining factor for handwriting recognition is a model or handwritten form of the people who is able to recognize. Each people must have a style of writing or handwriting of different shapes. The methods used for pattern recognition of handwriting in this study is the Modified Direction Feature (MDF) for the process of feature extraction and Learning Vector Quantization (LVQ) for classification process. The feature extraction process performed by the MDF method of determining the direction of the line and position of each pixel. As for the training process the data using the Learning Vector Quantization (LVQ), this method will result in weight to be used for image recognition process of handwritten letters. From experiments performed on the system, the best results for image recognition handwriting letter obtained by the number of training data and the data as much as 260 images in 52 image trials. System accuracy results obtained by 71.15%. Keywords: Handwriting, Modified Direction Feature, Learning Vector Quantization

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal