Optical Font Recognition (OFR) merupakan teknik analisa tipe tulisan pada teks atau dokumen yang sangat diminati. Penelitian ini menguji keefektifan penggunaan analisa ekstraksi fitur global berdasarkan analisa statistik pada perilaku piksel tepi citra biner OFR. Salah satu metode OFR berdasarkan pendekatan global adalah Edge Direction Matrix (EDM). EDM merupakan sebuah metode baru pada ekstraksi fitur untuk citra biner dimana perilaku piksel tepi antara background putih dan pola hitam diambil sebagai fitur pola. Kemudian nilai tersebut disimpan pada matrik EDM1 dan EDM2 sesuai dengan delapan arah sudut. Dari nilai matrik yang terbentuk kemudian akan dihitung berdasarkan enam persamaan EDM sehingga membentuk 22 nilai fitur. Dalam hal ini dataset yang digunakan untuk pengujian berjumlah 1200 data citra yang berasal dari empat aksara kuno yang ada di Indonesia yaitu Aksara Carakan, Aksara Batak Toba, Aksara Had Lampung dan Aksara Kaganga. Setiap aksara mempunyai empat style font yaitu Bold, Bold-Italic, Italic dan Regular. Penelitian ini menggunakan metode Euclidean Distance dalam proses klasifikasi dan pengenalan tipe tulisan sehingga mendapatkan hasil akurasi pengenalan tertinggi mencapai 83,7% pada skenario ke 5 dengan jumlah data ujicoba sebanyak 208 data.

Optical Font Recognition (OFR) is a font analysis technique on text or document that is in demand. This study examines the effectiveness of using global feature extraction analysis that is based on a statistical analysis of the behavior of the edge pixels of binary image OFR. One of OFR methods that is based on a global approach is Edge Direction Matrix (EDM). EDM is a new method of feature extraction for binary image in which the behavior of edge pixels between a white background and black pattern is taken as a feature pattern. Then, the value is stored in the matrix EDM1 and EDM2 that in accordance with the eight corner directions. From the value of matrix that is formed then it will be calculated based on the six equalities EDM with the result that form 22 feature values. In this case, the dataset used for testing amount to 1200 image data from four ancient letters of the alphabet that exist in Indonesia, they are Carakan, Batak Toba, Had Lampung and Kagang scripts. Each character has four font style, those are Bold, Bold-Italic, Italic and Regular. This study uses Euclidean Distance in the process of classification and recognition of the writing type to get the highest recognition accuracy that reaches 83.7% on the fifth scenario with the amount of try-out data as many 208 data.

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