Identifikasi Jenis Font Menggunakan Metode Genetic Modified K-Nearest Neighbor

Yusup Miftahuddin, Sofia Umaroh, Agistya Anugrah Dwiutama

Sari


ABSTRAK
Font adalah kumpulan karakter lengkap yang memiliki ukuran dan gaya. Saat melihat desain atau aplikasi, desainer grafis dan pengembang front-end terinspirasi untuk menggunakan font yang sama. Namun font telah menjadi gambar atau aplikasi dan sulit untuk mengetahui jenis font yang digunakan. Genetic Modified K-Nearest Neighbor (GMKNN) merupakan metode gabungan dari Modified K-Nearest Neighbor (MKNN) dan Genetic Algorithm (GA) untuk menentukan k Optimal. Dalam penelitian ini, sebuah sistem akan dirancang untuk mengenali jenis font sans-serif menggunakan metode Genetic Modified K-Nearest Neighbor (GMKNN) untuk mengukur akurasi dan waktu komputasi. Kinerja sistem dalam proses mengidentifikasi jenis font mendapat nilai presisi rata-rata 74,6%. Nilai akurasi adalah 72,2% dan nilai recall 72%. Dari hasil presisi dan recall yang diperoleh nilai f-measure sebesar 72,2% dan rata-rata waktu komputasi untuk satu karakter diperoleh adalah 945,04190395673 detik

Kata kunci: Pengolahan Citra Digital, Identifikasi Font, Pengenalan Pola dan GMKNN


ABSTRACT
Fonts is a complete collection of characters that have size and style. When looking at a design or an application, graphic designers and front-end developers are inspired to use the same font. Unfortunately, the font has become an image or an application so it is difficult to identify the font types. Genetic Modified K-Nearest Neighbor (GMKNN) is a hybrid method of Modified K-Nearest Neighbor (MKNN) and Genetic Algorithm (GA) to determine optimal k, it also reduces the complexity of MKNN and improves the classification accuracy. In this research, a system is designed to recognize font sans-serif types using GMKNN method to measure accuracy and time computation. The performance of the system in the process of identifying font types gets an average precision value of 74.6%. The recall and accuracy values are 72% and 72,2%, respectively. Based on the results of precision and recall obtained, the system gets an f-measured value of 72.2% and time obtained for one character is 945,04190395673 seconds.

Keywords: Image Proccesing, Font Identify, Pattern Recognition, and GMKNN


Kata Kunci


Pengolahan Citra Digital, Identifikasi Font, Pengenalan Pola dan GMKNN

Teks Lengkap:

PDF

Referensi


A. Haryono, “Studi Pembentukan Huruf Font Dengan Kurva Bezier,†Teknika, pp. 69-78, 2014.

A. Altaboli, “Investigating the effects of font styles on perceived visual aesthetics of website interface design.,†International Conference on Human-Computer Interaction, pp. 549-554, 2013.

N. Suguna dan K. Thanushkodi, “An Improved k-Nearest Neighbor Classification Using Genetic Algorithm,†International Journal of Computer Science, pp. 18-21, 2010.

S. Mutrofin, A. Izzah, A. Kurniawardhani dan M. Masrur, “Optimasi teknik klasifikasi modified k nearest neighbor menggunakan algoritma genetika,†Jurnal Gamma, 2015.

Bharath, V., dan Rani, N. S. “A Font style classification system for English OCR,†2017 International Conference on Intelligent Computing and Control (I2C2), no. However for the font style/ size, 2017.

S. E. Indraani, I. D. Jumaddina dan S. R. S. Sinaga, “Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel,†Majalah Ilmiah Inti, 2014.

G. Lanaro, Q. Nguyen dan S. Kasampalis, Learning Path Advanced Python Programming, Birmingham: Packt Publishing, 2019.

G. A. Prakoso, “Penerapan Metode Low Pass Filter (LPF) untuk Mengurangi Derau pada Citra Magnetic Resonance Image (MRI),†Universitas Muhammadiyah Surakarta, Surakarta, 2017.

Tayja, Y. D. Lestari dan U. Khair, “Aplikasi Perbaikan Citra Digital dalam Pengolahan Citra dengan Menggunakan Metode Smoothing Filter dan Sharpening Filter,†E-Journal UPMI, pp. 313-318, 2018.

A. T. Utami, “Implementasi Metode Otsu Tresholding Untuk Segmentasi CItra Daun,†Universitas Muhammadiyah Surakarta, Sukoharjo, 2017.

N. Trisnadik, A. Hidayatno dan R. R. Isnanto, “Pendeteksian Posisi Plat Nomor Kendaraan Menggunakan Metode Morfologi Matematika,†TRANSIENT vol. 2, pp. 56-62, 2013.

F. Z. Putri, B. Irawan dan U. A. Ahmad, “Perancangan Dan Implementasi Directional Feature Extraction Dan Support Vector Machines Untuk Menerjemahkan Kata Denga Pengenalan Huruf Hiragana Dalam Bahasa Jepang Ke Bahasa Indonesia Berbasis Android,†Jurnal Teknik Elektro, 2017.

A. Aggarwal, K. Singh dan K. Singh, “Use of Gradient Technique for Extracting Features from Handwritten Gurmukhi Characters and Numerals,†Procedia Computer Science 46, pp. 1716-1723, 2015.

J. Pardede dan M. G. Husada, “Comparison of Vsm, Gvsm, and Lsi In Information Retrieval For Indonesian Text,†Jurnal Teknologi 78 (5-6), 2015.




DOI: https://doi.org/10.26760/jrh.v4i3.157-166

Refbacks

  • Saat ini tidak ada refbacks.


Alamat redaksi dan tata usaha:

Lembaga Penelitian dan Pengabdian Masyarakat Institut Teknologi Nasional
Fakultas, gedung 14 Lantai 3
Jl. PHH. Mustapa 23 Bandung 40124
Tlp. 022-7272215 Pes. 159, Fax. 022-7202892,
e-mail: hrekayasa@itenas.ac.id

Terindeks:

  

STATISTIK PENGUNJUNG
Flag Counter
 

Lihat Statistik

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License