TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints57765
UR  - http://digilib.unila.ac.id/57765/
A1  - Daniel Argado Simanjuntak , 1417051030
Y1  - 2019///
N2  - This research is one of the further research developments using the SIFT method 
which  is  applied  to  Latin  handwriting.  This  study  uses  the  SIFT  method  in 
extracting features because SIFT-based Descriptors outperform other contemporary 
local descriptors in the texture and structure sections, with a greater difference in 
results in the texture section. This research data consists of images in each letter in 
the form of lower or uppercase letters. Classification method using SVM and 10-fold cross validation as a comparison of accuracy in Latin handwriting character 
recognition. The results showed that: (1) The extraction of the SIFT feature was 
successfully implemented in the Latin handwriting character recognition. (2) The 
use of the SIFT feature is good enough in the introduction of Latin handwriting 
characters. (3) The highest accuracy is obtained with the use of the LibSVM Linear 
Kernel with values reaching 84.13% with a 10-fold CV train and 83.37% with a 
normal  train. From  this accuracy, it can  be seen the Mean  Squared  Error value, 
which is grouped into 2 types of misclassification, (1) The shape of the letters are 
similar and (2) The same number of lines so that misclassification occurs in the 
data. 
Keywords: D-SIFT, SVM, 10-fold Cross Validation, Latin Alfabet, MATLAB.

Penelitian  ini  merupakan  salah  satu  pengembangan  penelitian  menggunakan 
metode  SIFT  yang  diterapkan  pada  tulisan  tangan  Latin.  Penelitian  ini 
menggunakan metode SIFT dalam mengekstraksi fitur karena Descriptor berbasis 
SIFT mengungguli  descriptor localkontemporer lainnya pada bagian tekstur dan 
struktur,  dengan  perbedaan  hasil  yang  lebih  besar  pada  bagian  tekstur.  Data 
penelitian ini terdiri dari citra pada masing-masing huruf dalam bentuk huruf kecil 
ataupun besar. Metode klasifikasi menggunakan SVM dan 10-fold cross validation
sebagai perbandingan akurasi pada pengenalan karakter tulisan tangan Latin. Hasil 
penelitian  menunjukkan  bahwa:  (1)  Ekstraksi  fitur  SIFT  berhasil 
diimplementasikan pada pengenalan karakter tulisan tangan Latin. (2) Penggunaan 
fitur SIFT sudah cukup baik dalam pengenalan karakter tulisan tangan Latin. (3) 
Akurasi tertinggi didapatkan pada penggunaan Kernel Linear LibSVM dengan nilai 
mencapai 84.13% dengan train 10-fold CV dan 83.37% dengan train normal. Dari 
akurasi  tersebut  dapat  dilihat  nilai  Mean  Squared  Error,  yang  dikelompokkan 
kedalam 2 jenis kesalahan klasifikasi, (1) Bentuk huruf yang mirip dan (2) Jumlah 
garis yang sama sehingga terjadi misklasifikasi pada data tersebut. 
Kata Kunci: D-SIFT, SVM, 10-fold Cross Validation, Alfabet Latin, MATLAB.
PB  - FAKULTAS MIPA
TI  - Pengenalan Tulisan Tangan Alfabet Menggunakan Scale-Invariant Feature 
Transform (SIFT) 

AV  - restricted
ER  -