Identifikasi Jenis Font Menggunakan Metode Genetic Modified K-Nearest Neighbor

• Main Authors: Yusup Miftahuddin, Sofia Umaroh, Agistya Anugrah Dwiutama
• Format: Article
• Language: English
• Published: Lembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M) Institut Teknologi Nasional Bandung 2020-11-01
• Series: Rekayasa Hijau: Jurnal Teknologi Ramah Lingkungan
• Subjects: pengolahan citra digital, identifikasi font, pengenalan pola dan gmknn
• Online Access: https://ejurnal.itenas.ac.id/index.php/rekayasahijau/article/view/4008

ABSTRAK Font adalah kumpulan karakter lengkap yang memiliki ukuran dan gaya. Saat melihat desain atau aplikasi, desainer grafis dan pengembang front-end terinspirasi untuk menggunakan font yang sama. Namun font telah menjadi gambar atau aplikasi dan sulit untuk mengetahui jenis font yang digunakan. Genetic Modified K-Nearest Neighbor (GMKNN) merupakan metode gabungan dari Modified K-Nearest Neighbor (MKNN) dan Genetic Algorithm (GA) untuk menentukan k Optimal. Dalam penelitian ini, sebuah sistem akan dirancang untuk mengenali jenis font sans-serif menggunakan metode Genetic Modified K-Nearest Neighbor (GMKNN) untuk mengukur akurasi dan waktu komputasi. Kinerja sistem dalam proses mengidentifikasi jenis font mendapat nilai presisi rata-rata 74,6%. Nilai akurasi adalah 72,2% dan nilai recall 72%. Dari hasil presisi dan recall yang diperoleh nilai f-measure sebesar 72,2% dan rata-rata waktu komputasi untuk satu karakter diperoleh adalah 945,04190395673 detik Kata kunci: Pengolahan Citra Digital, Identifikasi Font, Pengenalan Pola dan GMKNN ABSTRACT Fonts is a complete collection of characters that have size and style. When looking at a design or an application, graphic designers and front-end developers are inspired to use the same font. Unfortunately, the font has become an image or an application so it is difficult to identify the font types. Genetic Modified K-Nearest Neighbor (GMKNN) is a hybrid method of Modified K-Nearest Neighbor (MKNN) and Genetic Algorithm (GA) to determine optimal k, it also reduces the complexity of MKNN and improves the classification accuracy. In this research, a system is designed to recognize font sans-serif types using GMKNN method to measure accuracy and time computation. The performance of the system in the process of identifying font types gets an average precision value of 74.6%. The recall and accuracy values are 72% and 72,2%, respectively. Based on the results of precision and recall obtained, the system gets an f-measured value of 72.2% and time obtained for one character is 945,04190395673 seconds. Keywords: Image Proccesing, Font Identify, Pattern Recognition, and GMKNN