Pengenalan Huruf Katakana Dakuten Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation
Main Article Content
Abstract
Bahasa Jepang tidak dapat dipisahkan dengan adanya penulisan huruf-huruf Jepang dalam pembelajarannya dan merupakan huruf non latin yang ditulis dengan menggabungkan beberapa goresan. Huruf katakana digunakan untuk penulisan nama orang, kata serapan dari bahasa lain, kata-kata onomatopoeic, memberi penekanan, memberi kesan nada percakapan atau menunjukan eufemisme atau ironi. Selain huruf katakana secara standar, terdapat huruf katakana dengan memberikan Tenten atau yang sering disebut huruf katakana dakuten. Huruf katakana dakuten berjumlah 20 huruf dan terdapat beberapa huruf yang mirip. Dalam pembelajaran bahasa Jepang khususnya pelajar yang baru/pemula akan merasa kesulitan dalam mempelajari huruf katakana dakuten karena adanya perbedaan pola hasil goresan tangan, huruf katakana dakuten menjadi huruf yang cukup kompleks dan memiliki karakteristik. Dengan adanya perbedaan pola-pola hasil goresan tangan, maka pengenalan huruf katakana dakuten menjadi salah satu permasalahan dalam pembelajaran huruf Jepang. Salah satu cara yang digunakan untuk melakukan pengenalan pola huruf sehingga dapat mengukur tingkat akurasi pengenalan setiap huruf Katakana Dakuten yaitu menggunakan pengolahan citra digital dengan metode jaringan saraf tiruan backpropagation dengan ekstraksi ciri mark direction dan hasil yang diperoleh yaitu sebesar 100% untuk akurasi pelatihan dan 83% untuk akurasi pengenalan.
Downloads
Download data is not yet available.
Article Details
Section
Articles
References
[1] “How many languages are there in the world? | Ethnologue.” [Online]. Available: https://www.ethnologue.com/guides/how-many-languages. [Accessed: 24-Dec-2017].
[2] S. International, “Japanese,” SIL International Publications, 2017. [Online]. Available: https://www.ethnologue.com/language/jpn. [Accessed: 17-Nov-2017].
[3] S. N. Puspitasari, “Indonesia Peringkat Kedua Dunia Pembelajar Bahasa Jepang Terbanyak,” PikiranRakyat, Bandung, 26-Oct-2015.
[4] ScriptSource Staff, “Japanese (alias for Han + Hiragana + Katakana)Jpan,” SCRIPTSOURCE. [Online]. Available: http://scriptsource.org/cms/scripts/page.php?item_id=script_detail&key=Jpan. [Accessed: 17-Nov-2017].
[5] P. N. Andono and T. Sutojo, Konsep Pengolahan Citra Digital (Edisi Revisi). Semarang: Penerbit ANDI, 2015.
[6] T. Sutojo, E. Mulyanto, and V. Suhartono, KECERDASAN BUATAN. Yogyakarta dan UDINUS: Penerbit ANDI, 2011.
[7] S. Afroge, B. Ahmed, and F. Mahmud, “Optical Character Recognition using Back Propagation Neural Network,” 2nd Int. Conf. Electr. Comput. Telecommun. Eng., no. December, 2016.
[8] O. Surinta, “Overview of Handwritten Thai Character Recognition.” 2010.
[2] S. International, “Japanese,” SIL International Publications, 2017. [Online]. Available: https://www.ethnologue.com/language/jpn. [Accessed: 17-Nov-2017].
[3] S. N. Puspitasari, “Indonesia Peringkat Kedua Dunia Pembelajar Bahasa Jepang Terbanyak,” PikiranRakyat, Bandung, 26-Oct-2015.
[4] ScriptSource Staff, “Japanese (alias for Han + Hiragana + Katakana)Jpan,” SCRIPTSOURCE. [Online]. Available: http://scriptsource.org/cms/scripts/page.php?item_id=script_detail&key=Jpan. [Accessed: 17-Nov-2017].
[5] P. N. Andono and T. Sutojo, Konsep Pengolahan Citra Digital (Edisi Revisi). Semarang: Penerbit ANDI, 2015.
[6] T. Sutojo, E. Mulyanto, and V. Suhartono, KECERDASAN BUATAN. Yogyakarta dan UDINUS: Penerbit ANDI, 2011.
[7] S. Afroge, B. Ahmed, and F. Mahmud, “Optical Character Recognition using Back Propagation Neural Network,” 2nd Int. Conf. Electr. Comput. Telecommun. Eng., no. December, 2016.
[8] O. Surinta, “Overview of Handwritten Thai Character Recognition.” 2010.