Pengenalan Angka Tulisan Tangan Dengan Menggunakan Local Binary Pattern Variance Dan Klasifikasi K-nearest Neighbour

Abstract

akan metode ekstraksi ciri Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour. Sistem ini diterapkan pada citra angka tulisan tangan pada formulir C1 Komisi Pemilihan Umum (KPU) untuk mempermudah petugas KPU dalam proses penginputan data hasil Pemilu ke sebuah database computer. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Binary Pattern Variance dapat mengenali karakter tulisan tangan pada MNIST dengan akurasi 89,81% dengan menggunakan parameter terbaik radius 4, 256 dan 64 bin histogram, pembagian 9 region pada citra dan mengambil 10 tetangga terdekat pada tahap klasifikasi K-NN. Namun, pada saat melakukan pengenalan pada data uji dari formulir C1 akurasi yang dihasilkan menurun, yaitu sebesar 70,9091% dengan menggunakan data latih C1 Kata kunci : Pengenalan angka tulisan tangan, Local Binary Pattern Variance (LBPV), K-Nearest Neighbour, formulir C1 KPU.