Deteksi Karakter pada Tulisan Tangan Latin Menggunakan You Only Look Once (YOLO)
DOI:
https://doi.org/10.59378/jcenim.v3i1.67Keywords:
tulisan tangan Latin, You Only Look Once, YOLOAbstract
Tulisan tangan saat ini masih digunakan dalam berbagai bidang, khususnya tulisan tangan Latin. Namun, terdapat beberapa tantangan dalam mengenali tulisan tangan Latin. Pertama, tulisan tangan memiliki banyak variasi. Variasi yang dimaksud meliputi ukuran huruf, kemiringan huruf, garis dasar atau baseline penulisan, bahkan perbedaan jarak antarhuruf dan antar kata. Kedua, setiap huruf dalam tulisan tangan Latin saling terhubung. Tantangan ini menyebabkan waktu yang lebih lama dalam proses pengenalan tulisan tangan Latin. You Only Look Once (YOLO) digunakan untuk mendeteksi huruf pada tulisan tangan Latin sebagai upaya untuk mempercepat proses pengenalan tulisan tangan Latin. Eksperimen ini dilakukan dengan mengumpulkan sampel citra dari 4 jenis tulisan tangan yang berbeda. Hasil eksperimen menggunakan GPU NVIDIA GeForce RTX 1050 menunjukkan waktu pemrosesan per citra untuk sistem deteksi pada citra satu kata adalah sebesar 0.0776 detik dengan menggunakan nilai threshold 0.5.
References
“Surat pos dalam dan luar negeri yang dikirim dan diterima, 2015 (update terakhir 18 Oct 2017),” https://data.bps.go.id/statictable/2017/10/18/701/surat-pos-dalam-dan-luar-negeri-yang-dikirim-dan-diterima-di-provinsi-jawa-timur.html, 2017, terakhir diakses pada 16 April 2020.
J. Ryu and H. I. Koo, “Word segmentation method for handwritten documents based on structured learning,” IEEE Signal Processing Letters, vol. 22, no. 8, pp. 1161–1165, 2015.
“Paket pos dalam dan luar negeri yang dikirim dan diterima, 2015 (update tambahan 18 Oct 2017),” https://data.bps.go.id/statictable/2017/10/18/700/paket-pos-dalam-dan-luar-negeri-yang-dikirim-dan-diterima-di-provinsi-jawa-timur.html, 2017.
L. E. Damayanti, “Pengenalan tulisan tangan aksara jawa aturan penulisan mardik kawi menjadi huruf alfabet pada media kertas menggunakan metode Convolutional Neural Network (CNN),” Universitas Yogyakarta, 2020.
V. Jayasundara, S. Jayasekara, H. Rajasegaram, S. Seneviratne, and R. Rodrigo, “TextCapes: Handwritten character recognition with very small datasets,” arXiv preprint arXiv:1904.08095, 2019.
W. Yang and Z. Lichao, “Real-time face detection based on YOLO,” in Proceedings of the 2018 1st International Conference on Control and Communication Engineering, 2018, pp. 221–224.
M. Krišto, M. Ivašić-Kos, and M. Pobar, “Thermal object detection in difficult weather conditions using YOLO,” IEEE Access, vol. 8, pp. 125459–125476, 2020.
Tzutalin, “LabelImg,” https://github.com/tzutalin/labelImg, 2015, terakhir diakses pada 4 April 2020.
T. H. Trieu, “Darkflow,” GitHub Repository: https://github.com/thtrieu/darkflow, 2018, terakhir diakses pada 18 November 2019.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Aisyah Nurul Hidayah, Yoyon Kusnendar Suprapto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with JCENIM agree to the following terms:
- Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
