Publisher

LITERASISAINSLITERASISAINS

Journal JOMLAI: Journal of Machine Learning and Artificial IntelligenceJOMLAI: Journal of Machine Learning and Artificial Intelligence Abstract

Kaligrafi merupakan ilmu seni menulis indah. Istilah kaligrafi berasal bahasa Inggris yang disederhanakan (calligraphy) diambil dari kata Latin “kalios yang berarti indah, dan “graph yang berarti tulisan atau aksara. Ilmu seni menulis huruf Arab disebut ilmu khat dikenal dengan ilmu kaligrafi Arab atau kaligrafi Islam. Kaligrafi Islam ada banyak jenis dan ragamnya. Masing-masing memiliki bentuk huruf dan fungsi yang berbeda-beda. Ada tujuh jenis tulisan kaligrafi yang populer dan dikenal oleh para pecinta seni kaligrafi yang ada di Indonesia, seperti, Khat Naskhi, Tsuluts, Farisi, Riqah, Diwani, Diwani Jali, dan Kufi. Cara yang biasa digunakan untuk mengenal Jenis Kaligrafi apa yang dibuat adalah dengan melihat secara langsung melalui bentuk dan ciri-ciri kaligrafi itu sendiri (orang pakar kaligrafi). Disini penulis mencoba membuat suatu sistem pengenalan jenis kaligrafi secara terkomputerisasi dengan menggunakan metode Learning Vector Quantization. Dimana metode ini merupakan metode yang bekerja dengan setiap unit output mempresentasikan sebuah kelas. Jadi dengan adanya sistem ini, kita dapat mengenali jenis teks kaligrafi secara terkomputerisasi. Nilai akurasi yang diperoleh pada hasil pengenalan citra kaligrafi adalah sebesar 75 %.

Conclusion

Menurut hasil tes aplikasi pengenalan gambar teks kaligrafi menggunakan algoritma LVQ dapat disimpulkan bahwa.Pertama, dari hasil penerapan algoritma LVQ pada pengenalan citra kaligrafi dapat mengenali semua citra kecuali citra kaligrafi Tsuluts.Kedua, nilai akurasi yang diperoleh pada hasil pengenalan citra kaligrafi adalah 75%.Ketiga, nilai akurasi di atas disebabkan oleh kesalahan pengenalan citra kaligrafi yang disebabkan oleh proses pembuatan atau penulisan dan perolehan citra, khususnya konversi citra analog menjadi citra digital yang tidak sempurna.

Future Research

Penelitian lanjutan dapat fokus pada peningkatan akurasi sistem pengenalan jenis kaligrafi. Ini bisa dilakukan dengan menganalisis secara mendalam berbagai teknik pra-pemrosesan citra yang lebih canggih, seperti metode peningkatan kualitas gambar atau algoritma pengurangan noise yang spesifik untuk karakteristik tulisan kaligrafi. Selain itu, eksplorasi penggunaan teknik augmentasi data dapat membantu mengatasi masalah kekurangan atau ketidaksempurnaan data citra digital, sehingga model LVQ atau metode lain dapat dilatih dengan data yang lebih representatif dan bervariasi. Aspek lain yang menarik adalah membandingkan kinerja algoritma Learning Vector Quantization (LVQ) dengan arsitektur jaringan saraf tiruan yang lebih modern, seperti Convolutional Neural Networks (CNNs) atau arsitektur transformer, yang telah menunjukkan hasil superior dalam tugas pengenalan citra kompleks. Perbandingan ini dapat mengungkap apakah ada metode yang lebih efektif dan robust dalam menangani nuansa visual kaligrafi yang beragam dan potensi untuk mendapatkan akurasi yang lebih tinggi. Terakhir, penelitian bisa diperluas untuk mengidentifikasi dan mengklasifikasikan jenis kaligrafi yang belum tercakup, serta membangun dataset kaligrafi yang lebih komprehensif dan terstandardisasi, yang mempertimbangkan variasi regional dan gaya penulisan, guna mendukung pengembangan sistem pengenalan kaligrafi yang lebih universal dan akurat di masa depan. Upaya ini akan memberikan kontribusi signifikan dalam memajukan bidang pengenalan citra kaligrafi, mengatasi keterbatasan yang ada, dan membuka jalan bagi aplikasi praktis yang lebih luas.

Metadata

File size	515.62 KB
Pages	8
DMCA	Report