TEXT RECOGNITION DENGAN KLASIFIKASI NEURAL NETWORK DAN TEXT-TO-SPEECH PADA HURUF ALPHABET

Abstract

Perkembangan teknologi informasi berdampak kepada membaurnya keilmuan atau keahlian tertentu. Bidang pengolahan citra tidak menjadi satu–satunya metoda dalam pemecahan suatu masalah, tetapi saat ini pengolahan citra dikombinasikan dengan kecerdasan tiruan untuk meneliti ataupun mencari suatu solusi dalam berbagai aplikasi. Media pembelajaran berbasis komputer sekarang ini sudah berkembang sangat pesat, banyak aplikasi yang dibuat dan dikembangkan untuk menunjang proses pembelajaran menjadi interaktif contohnya adalah aplikasi pengolahan citra digital, speech synthetis atau biasa disebut text-to-speech. Serta aplikasi yang menggunakan metoda jaringan syaraf tiruan. Pengolahan citra digital ini sudah meliputi teknik pengenalan karakter seperti karaktek alfanumerik, karakter tulisan tangan, karakter huruf kanji, dan lain-lain. Teknik pengenalan karakter ini secara umum dikenal dengan teknologi OCR (Optical Character Recognition). Sedangkan text-to-speech merupakan suatu proses mengkonversi suatu teks tertulis menjadi ucapan. Dalam banyaknya penyedia pengenalan pola gambar, masih kurangnya pengenalan pola model dalam huruf Aplhabet. Hal ini bisa dijadikan sebagai salah satu cara alternatif untuk belajar. Pada penelitian ini akan dikembangkan aplikasi pengenalan karakter untuk mengenali karakter huruf Aplhabet. Algoritma yang dipresentaikan sebagai contoh nyata dalam program OCR akan diimplementasikan dalam bahasa pemrograman Java dengan tingkat keakurasian tertentu dalam pengoperasiannya, bisa didapatkan hasil (output) karakter yang tepat sesuai dengan learning class yang dibentuk melalui menu “OCR Train”. Setelah selesai dikembangkan, aplikasi ini kemudian akan diuji dengan cara membentuk karakter huruf Aplhabet yang disimpan sebagai gambar/image. Lalu dengan membuka file saraf buatan sesuai jenis tulisan tersebut diharapkan dapat mengenali karakter teks dalam gambar/image yang diuji.