Article Per Year (5 Year)
p-Index From 2021 - 2026
1.896
P-Index
This Author published in this journals
All Journal Al Ishlah Jurnal Pendidikan Yaa Bunayya : Jurnal Pendidikan Anak Usia Dini Jurnal Teknodik JIIP (Jurnal Ilmiah Ilmu Pendidikan) EduBasic Journal: Jurnal Pendidikan Dasar Jurnal Pengabdian UNDIKMA International Journal of Business, Law, and Education Jurnal Instruktional AN-NAS: Jurnal Pengabdian Masyarakat JGSD : Jurnal Guru Sekolah Dasar Scientific: Journal of Computer Science and Informatics
Muhammad Hayun
Universitas Muhammadiyah Jakarta
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Neuroscience Nursing Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

 1 
Optimasi Ekstraksi Fitur Citra Karakter Font Menggunakan Algoritma Support Vector Machines (SVM) untuk Klasifikasi Tipografi Alamin, Zumhur; Sutriawan; Siti Mutmainah; Muhammad Hayun
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.344

Abstract

Klasifikasi tipografi berbasis citra karakter merupakan salah satu tantangan penting dalam bidang pengenalan pola dan pengolahan citra digital, terutama dalam konteks digitalisasi dokumen dan sistem OCR (Optical Character Recognition). Penelitian ini bertujuan untuk mengoptimalkan proses ekstraksi fitur citra karakter font dengan memanfaatkan kombinasi beberapa teknik fitur serta algoritma Support Vector Machines (SVM) untuk klasifikasi. Metode yang digunakan melibatkan preprocessing citra karakter, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), Local Binary Pattern (LBP), dan Zoning, serta pelatihan model SVM dengan kernel Radial Basis Function (RBF). Dataset yang digunakan terdiri dari 2.600 citra karakter dalam format grayscale yang berasal dari lima jenis font populer. Dataset ini dibagi menjadi data latih dan data uji untuk keperluan pelatihan dan evaluasi model. Hasil eksperimen menunjukkan bahwa kombinasi fitur HOG dan Zoning menghasilkan akurasi klasifikasi tertinggi sebesar 94,6%, mengungguli teknik fitur tunggal maupun kombinasi dua fitur lainnya. Temuan ini menunjukkan bahwa pemilihan dan penggabungan teknik ekstraksi fitur yang tepat secara signifikan meningkatkan performa klasifikasi tipografi citra karakter. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi font yang lebih akurat dan efisien, serta membuka peluang aplikasi lebih lanjut dalam digital forensik, sistem pencarian berbasis citra, dan digitalisasi arsip.
Co-Authors Ahda Sabila, Syahrani Ayu Andraini , Mayhati Dewi Purnamawati Fadlan, Muhammad Hutami, Yopana Kartikasari, Pratiwi Maesaroh Lubis Masroro Diah Lestari Muhammad Akil Musi Muhammad Thoha Abdurrohman Nia Kurniawati R.Andi Ahmad Gunadi Sari, Pratiwi Kartika Silvia Fiqriyah Rahmah Siti Mutmainah Sodikin Sodikin Sutriawan Sutriawan Syawaly, Azizah Mutiara Tuti Haryati Widia Winata Yopana Hutami Zamzam, Rohimi Zumhur Alamin