Pengenalan Pola Huruf Hijaiyah Menggunakan Support Vector Machine (SVM)

55

DAFTAR PUSTAKA

Arica N. & Yarman-Vural. 2001. An Overview of Character Recognition Focused on
Off-line Handwriting. IEEE Transactions on Systems, Man and Cybernetics,
Part C: Applications and Review. 31(2): 216-233.
Entisari,Rokhani. 2009. Pengenalan Pola Huruf Tulisan Tangan Menggunakan
Jaringan

Saraf

Tiruann

Dengan

Algoritma

Backpropagation.Skripsi,

Universitas Negeri Yogyakarta.

Fachrurrazi,Sayed.201.Penggunaan

Metode

SVM

Untuk

Mengklasifikasi

dan

Memprediksi Angkutan Udara Jenis Penerbangan Domestik dan Penerbangan
Internasional di Banda Aceh. Tesis.Universitas Sumatra Utara.
Khairunnisa. 2012. Pengenalan Tulisan Tangan Latin Bersambung Menggunkan
Jaringan Saraf Tiruan Propagasi Balik. Skripsi. Universitas Sumatera Utara.
Krisantus.2007.Penerapan Teknik Support Vector Machine untuk Pendeteksian Intrusi
pada Jaringan.Skripsi. Institut Teknologi Bandung.
Liu, J.G., Mason, P.J. 2009. Essential Image Processing and GIS for Remote Sensing.
Oxford: Wiley-Blackwell.

Minartiningtyas, B.A. 2010. Artikel Teknik Informatika-Operasi Cropping, (Online),
(http://informatika.web.id/operasi-cropping.htm. diakses 27 Desember 2015)
Mulia,Isnan. 2012. Pengenalan Aksara Sunda Menggunakan Ekstraksi Zoning dan
Klasifikasi Support Vector Machine. Skripsi.Institut Pertanian Bogor.
Nasution, Rian H. Pengenalan Kata Tulisan Tangan Huruf Korea Menggunakan
Jaringan Saraf Tiruan Propagasi Balik. Skripsi. Universitas Sumatera Utara.
Osuna EE, Freund R, Girosi F. 1997. Support Vector Machines: Training and
Applications. AI Memo 1602, Massachusetts Institute of Technology.
Pradeep, J., Srinivasan, E., & Himavathi, S. 2011. Diagonal Based Feature Extraction

Universitas Sumatera Utara

56

for Handwritten Alphabets Recognition System Using Neural Network.
International Journal of Computer Science & Information Technology
(IJCSIT) 3(1): 27-38.
Putra, Nanda. 2012. Peningkatan Nilai Fitur Jaringan Propagasi Balik Pada
Pengenalan Angka Tulisan Tangan Menggunakan Metode Zoning dan
Diagonal Based Feature Extraction.Skripsi. Universitas Sumatera Utara.

Rajashekararadhya SV, Ranjan PV. 2008. Efficient zone based feature extraction
algorithm for handwritten numeral recognition of four popular South Indian
scripts. Journal of Theoretical and Applied Information Technology.

Santoso, B., 2007, Data Mining : “Data Mining Teknik Pemanfaatan Data Untuk
Keperluan Bisnis”. Teori dan Aplikasi. Graha Ilmu Yogyakarta.
Sharma, O. P, Ghose, M. K. dan Shah, K. B. 2012. An Improved Zone Based Hybrid
Feature Extraction Model for Handwritten Alphabets Recognition Using Euler
Number. International Journal of Soft Computing and Engineering (IJSCE).
2(2): 504-508.
Sutoyo. T. et al. 2009. Teori Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI.
Tacbir, Hendro P., Agus,K., & Dila, F.2010. Pengenalan Pola Huruf Arab
menggunakan Jaringan Syaraf Tiruan dengan Metode Backpropagation..
Tazmania,G.2010.

Binary

Image,

(Online),

(https://gentazmania.wordpress.com/tag/java/page/2/. diakses 27 Desember
2015)
Theodoridis S, Koutroumbas K. 2008. Pattern Recognition. Ed ke-4. Burlington (US) :
Academic Press.

Trier OD, Jain Ak, Taxt T.1996.Feature extraction methods for character recognition
– a survey. Pattern Recognition 4(29) : 641-662.
Yofiyanto, Evan.2010. Klasifikasi Gigi Molar dan Premolar pada Dental Panoramic
Radiograph. Skripsi.Institut Teknologi Sepuluh Nopember.

Universitas Sumatera Utara