English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Pengenalan huruf arab merupakan salah satu pengenalan pola gambar dengan mengetahui ciri-ciri utama dari gambar tersebut. Huruf arab dapat dikenali menggunakan metode reduksi Two Dimensional Principal Component Analysis (2DPCA) dan klasifikasi k Nearest Neighbor (k-NN). 2DPCA menggunakan format data gambar input berupa matrik. Terdapat dua pendekatan dalam 2DPCA yaitu Unilateral 2 Dimensional Principal Component Analysis (U2DPCA) dan Bilateral 2 Dimensional Principal Component Analysis (B2DPCA). Dalam perhitungan 2DPCA, unilateral hanya menggunakan baris atau kolom dari matrik gambar. Sedangkan Bilateral menggunakan baris dan kolom secara bersamaan. Huruf arab yang digunakan 126 huruf yang terdiri dari 9 huruf hijaiyah yaitu alif, ba, ha, dal, sin, shad, tha, mim, dan Haa. Dengan masing-masing huruf digunakan 14 tipe penulisan yaitu arial, corie new, microsoft san serif, microsoft ughur, sakhal majalla, sagoe UI, simplyfied arabic, simplyfied arabic fixed ,tahoma, times new roman, traditional arabic, arabic typeseting, arial unicode ms, dan andalus. Berdasarkan percobaan, 9 tipe sebagai data latih dan 5 tipe sebagai data uji maka rata-rata akurasi pengenalan huruf arab menggunakan metode U2DPCA (baris) yaitu sebesar 70% dengan menggunakan 40 eigen vektor. Rata-rata akurasi pengenalan huruf arab menggunakan metode U2DPCA (kolom) yaitu sebesar 84% dengan menggunakan 50 eigen vektor. Sedangkan rata-rata akurasi pengenalan huruf arab menggunakan metode B2DPCA yaitu sebesar 95% dengan menggunakan 7 eigen vektor. Sehingga, pada penelitian ini metode reduksi yang paling baik untuk pengenalan huruf arab adalah B2DPCA.  Kata kunci: Two Dimensional Principal Component Analysis (2DPCA), U2DPCA, B2DPCA, kNearest Neighbor (k-NN)

Pengenalan Huruf Arab Menggunakan Metode Reduksi Two Dimensional Principal Component Analysis (2DPCA) dan Klasifikasi K-Nearest Neighbor (k-NN)