Pengenalan Hangul Menggunakan Support Vector Machine

Pengenalan citra Hangul cenderung lebih sulit dibandingkan dengan pengenalan citra Latin. Hal ini bisa dilihat dari bagaimana menyusunnya. Hangul disusun dengan dua dimensi, sedangkan Latin dari kiri ke kanan. Dalam penelitian ini dibuat sebuah sistem untuk mengenali citra Hangul menjadi teks Latin yang diharapkan dapat digunakan sebagai bahan pembelajaran bagaimana membaca Hangul itu sendiri. Pada umumnya, sistem pengenalan citra terbagi ke dalam 3 langkah, pertama preprocessing yang meliputi tresholding, segmentasi yang dilakukan menggunakan metode connected component-labeling, dan thinning atau penipisan menerapkan algoritma Zhang-Suen. Kedua, sistem melakukan pengambilan fitur dari masing-masing citra. Metode yang diterapkan dalan pencarian fitur adalah chain code.Terakhir, proses pengenalan yang menerapkan Support Vector Machine (SVM) dengan beberapa kernel (linear, polynomial, radial basis function, dan laplacian). Dalam percobaan dilakukan pengenalan pada citra huruf dan kata Hangul. Untuk huruf terdiri dari 34 huruf, di mana masing-masing huruf memiliki 15 pola berbeda. Jumlah keseluruhan adalah 510 huruf yang terbagi ke dalam 3 data skenario data. Hasil tertinggi yang diperoleh mencapai 94,7% dengan menggunakan SVM kernel polynomial dan radial basis function. Sedangkan pada kata, pengenalan Hangul dilakukan pada kata Hangul tipe 1 dan 2 dengan 15 pola berbeda. Perbedaan pola ini didapat dengan merubah jenis font-nya. Akurasi tertinggi mencapai 82% dengan menggunakan SVM kernel polynomial saat menggunakan tipe data 1 dan skenario data 2. Tingkat keberhasilan pengenalan dipengaruhi oleh banyaknya data yang dilatih