ANALISIS TULISAN TANGAN MENGGUNAKAN JARINGAN BAYESIN PADA PENDERITA CACAT PERGERAKAN

Nama : YUNI
NPM : 21207218
KLS : 3EB05
Mat. Kul: Riset Akuntansi
Dosen : Istichanah


ANALISIS TULISAN TANGAN
MENGGUNAKAN JARINGAN BAYESIN
PADA PENDERITA CACAT PERGERAKAN


Resume

Tulisan tangan adaalah suatu keterampilan komunikasi yang memerlukan askselarasi dari ujung pena dengan cepat dan teliti diatas permukaan kertas. Tulisan tangan yang dapat dibaca memerlukan koordinasi akurat anatara pergelangan tangan dan jari. Tetapi koordianasi tersebut tidak dapat dilakukan dengan baik pada orang yang menderita gangguan pergerakan, yang bisa disebabkan orang tersebut menderita penyakit seperti stroke, Parkinson dan schizophrenia.
Pengenalan tuliasan tangan dapat dibagi menjadi dua pengenalan yaitu secara terhubung dan terputus. Pengenalan tuliasan terhubung berarti bahwa mesin dapat mengenali tulisan ketika pengguna sedang menulis secara waktu nyata. Pengenalan tulisan terputus merupakan kebalikan dari pengenalan tulis tangan terhubung. Pengenalan dilakukan setelah penulisan selesai. Suatu pemindai optis mengkonversi citra dari tuliasan ke pola bit (Tappert dkk., 1990). Analisis tulisan tangan, dibagi menjadi tujuh elemen dasar, yaitu kecepatan, tekana, bentuk, dimensi, kontinuitas, arah, dan urutan.
Analisi tulisan tangan dapat dilakukan melalui klasifikasi dengan menggunakan Bayesian Belief Network yang sangat efektif dalam kalsifikasi dan merepresentasi probailitas dengan baik. Dengan data pelatihan yang tidak besar bisa memberikan hasil yang baik. Tetapi bayes memiliki kekurangan yaitu biaya komputasi tinggi untuk mengoptimalkan struktur dan parameter untuk likelihood parameter ( Grossman dan Domingos, 2006; Cheng dkk., 2006).
Bayesin Belief Network (BBN) adalah suatu penyajian pengetahuan penting dan alat pemikiran, dibawak kondisi ketidak-pastian (Maragoudakis, dkk., 2006) dengan satu himpunan variable D = < X1, X2,…,Xn >, suatu BBN menguraikan kemungkinan distribusi di atas satuan variable ini.
Metode Bayesin dapat mengukur kecocokan setiap segmen karakter terhadap karakter yang diidentifikasikan. Dari hasil yang ditunjukkan maka keterbatasan pengenalan tulisan tangan penderiata penyakit tersebut diharapkan dapat diatasi.

Sumber : UG JURNAL