Pengenalan pola tulisan tangan pada formulir perolehan suara pemilihan Presiden dan Wakil Presiden menggunakan Algoritma Principal Component Analysis

Wardani, Aditia (2020) Pengenalan pola tulisan tangan pada formulir perolehan suara pemilihan Presiden dan Wakil Presiden menggunakan Algoritma Principal Component Analysis. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (279kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (249kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (265kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (435kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (932kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (246kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (433kB) | Request a copy

Abstract

Adanya human error dalam mengolah data perolehan suara pada pemilihan umum presiden dan wakil presiden dirasa perlu adanya solusi untuk mengantisipasi hal tersebut. Sebagai contoh tidak singkronnya data input perolehan suara dengan hasil scan formulir perolehan suara pemilihan presiden dan wakil presiden atau formulir C1-PPWP. Oleh karena itu untuk menanggapi masalah tersebut dibutuhkan sebuah sistem pengenalan pola (Pattern Recognition) tulisan tangan pada formulir perolehan suara pemilihan presiden dan wakil presiden atau formulir C1-PPWP menggunakan Algoritma Principal Component Analysis (PCA). Pada penelitian ini data yang diujikan sebanyak 340 data formulir C1-PPWP dari 34 Provinsi atau jika dihitung per karakter yang harus dikenali yaitu sebanyak 2040 data karakter angka perolehan suara yang diidentifikasi atau 50% dari jumlad data sampel keseluruhan yaitu 680 data sampel. Dimana PCA mampu mengekstraksi dan mengidentifikasi 6 karakter sekaligus secara efektif. Pada penelitian ini tingkat akurasi yang dihasilkan dari proses training data dengan jumlah data training sebanyak 50% dari jumlah keseluruhan data sampel sebesar 99.47% sedangkan tingkat akurasi yang dihasilkan dari proses testing sebesar 82.94%, hal ini menunjukan bahwa tingkat keakurasian pemrosesan pembacaan sebuah citra menggunakan Principal Component Analysis dipengaruhi oleh banyak faktor diantaranya seperti bentuk karakter pola tulisan tangan angka perolehan suara yang beragam dan formulir hasil scanning kurang sempurna.

Actions (login required)

View Item