Josselyn, Elserita (1122033) (2017) Simulasi Estimasi BER BPSK dalam Ricean-Faded Cochannel Interference. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1122033_Abstract_TOC.pdf - Accepted Version Download (350Kb) | Preview |
|
|
Text
1122033_Appendices.pdf - Accepted Version Download (126Kb) | Preview |
|
|
Text
1122033_Chapter1.pdf - Accepted Version Download (222Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1122033_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (563Kb) |
|
|
Text
1122033_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (463Kb) |
|
|
Text
1122033_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (687Kb) |
|
|
Text
1122033_Conclusion.pdf - Accepted Version Download (119Kb) | Preview |
|
|
Text
1122033_Cover.pdf - Accepted Version Download (363Kb) | Preview |
|
|
Text
1122033_References.pdf - Accepted Version Download (303Kb) | Preview |
Abstract
Pengenalan tulisan tangan dipengaruhi oleh fitur ekstraksi, fitur seleksi, dan klasifikasi. Pada tugas akhir ini akan fokus pada fitur ekstraksi. Wavelet transform dari projection profile merupakan salah satu metode ekstraksi ciri. Metode ekstraksi ciri projection profile yaitu mencari nilai density dari sebuah matriks citra secara vertical projection (per kolom) dan horizontal projection (per baris), sedangkan wavelet transform yaitu mendekomposisi sebuah citra satu dimensi untuk mendapatkan sebuah koefisien dari sebuah citra. Pada tugas akhir ini diimplementasikan metode ekstraksi ciri wavelet transform dari projection profile untuk dapat mengenali tulisan tangan huruf kapital. Langkah pertama; citra akan dilakukan binerisasi, inversi, segmentasi, cropping, dan resize, langkah kedua; citra diekstraksi ciri menggunakan projection profile secara vertical projection dan horizontal projection, langkah ketiga; vertical projection dan horizontal projection didekomposisi dua level menggunakan filter db2, db6, sym4, sym6, coif1, dan coif2 sehingga akan didapatkan coefficient approximation dan detail vertical level 2, coefficient approximation dan detail horizontal level 2, langkah keempat; coefficient tersebut menjadi input Multi Layer Perceptron untuk training, langkah kelima; testing menggunakan MLP. Didapatkan hasil akurasi pengenalan sebesar 84.22% dengan akurasi tertinggi menggunakan filter coif2 sebesar 85.13 %.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Pengenalan tulisan tangan, MLP, projection profile, wavelet transform |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 21 Mar 2017 03:54 |
| Last Modified: | 21 Mar 2017 03:54 |
| URI: | http://repository.maranatha.edu/id/eprint/22079 |
Actions (login required)
 |
View Item |
