<![CDATA[Pengenalan huruf Hiragana merupakan tantangan tersendiri bagi pembelajar bahasa Jepang, terutama karena bentuk karakter yang kompleks dan mirip satu sama lain. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan citra tulisan tangan huruf Hiragana menggunakan metode Support Vector Machine (SVM) dan teknik ekstraksi fitur Histogram of Oriented Gradients (HOG). Dataset yang digunakan terdiri dari 230 citra tulisan tangan huruf Hiragana dasar sebanyak 46 karakter, yang diperoleh dari hasil pemindaian tulisan tangan di atas kertas. Tahapan penelitian meliputi pre-processing (konversi ke grayscale dan resize citra), ekstraksi fitur menggunakan HOG, serta klasifikasi menggunakan SVM dengan berbagai kernel yang berbeda. Evaluasi model dilakukan dengan menggunakan confusion matrix yang menghasilkan metrik evaluasi seperti akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kernel RBF dengan parameter C=100 dan Gamma=0,001 memberikan hasil terbaik dengan akurasi sebesar 97,10%, precision sebesar 97,35%, recall sebesar 97,10%, dan F1-score sebesar 97,11% pada skenario pembagian data 70:30. Temuan ini menunjukkan bahwa kombinasi metode HOG dan SVM mampu mengenali huruf Hiragana secara efektif. Sistem ini dapat menjadi alat bantu edukatif yang bermanfaat dalam proses pembelajaran bahasa Jepang serta memiliki potensi untuk dikembangkan lebih lanjut dalam aplikasi pembelajaran interaktif.]]>
Copyrights © 2026
