PENGENALAN KARAKTER TULISAN TANGAN ANGKA DAN OPERATOR MATEMATIKA BERDASARKAN ZERNIKE MOMENTS MENGGUNAKAN PENGGABUNGAN FUZZY C-MEANS – K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE

Saat ini banyak teknologi citra digital yang berhubungan dengan pengenalan karakter tulisan tangan yang merupakan bagian dari pengenalan pola. Pengenalan tulisan tangan penting untuk pengolahan informasi yang memungkinkan proses pemindahan isi dokumen tulisan tangan dari kertas ke dalam komputer. Tugas Akhir ini mengembangkan metode pengenalan tulisan tangan angka dan operator matematika menggunakan metode klasifikasi penggabungan Fuzzy C-Means – K-Nearest Neighbor dan Support Vector Machine (SVM) berdasarkan ekstraksi fitur Zernike Moments. Alasan menggunakan metode ekstraksi fitur Zernike Moments karena mempunyai kelebihan tidak berubah terhadap rotasi, memiliki tingkat sensitif terhadap gangguan yang rendah, dan memiliki sifat ortogonalitas. Dari hasil uji coba terhadap metode klasifikasi tersebut diperoleh metode Support Vector Machine memiliki tingkat akurasi yang lebih tinggi dari pada metode penggabungan Fuzzy C-Means - K-Nearest Neighbor. Untuk Support Vector Machine memiliki tingkat akurasi 97% sedangkan untuk metode penggabungan Fuzzy CMeans - K-Nearest Neighbor memiliki tingkat akurasi sebesar 79%.