• Login
    View Item 
    •   DSpace Home
    • Skripsi, Tesis dan Disertasi
    • Fakultas Industri Kreatif
    • Teknik Informatika
    • View Item
    •   DSpace Home
    • Skripsi, Tesis dan Disertasi
    • Fakultas Industri Kreatif
    • Teknik Informatika
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    RANCANG BANGUN SISTEM PENGENALAN FONT MENGGUNAKAN ARSITEKTUR DEEPFONT

    Thumbnail
    View/Open
    Halaman judul (179.5Kb)
    Pernyataan keaslian skripsi (1.084Mb)
    Persetujuan dosen pembimbing (196.4Kb)
    Persetujuan tim penguji (196.2Kb)
    Abstrak (211.7Kb)
    Abstrak (194.8Kb)
    Pengumpulan tugas akhir selama kegiatan pembelajaran daring (online) (562.2Kb)
    Kata pengantar (209.4Kb)
    Daftar isi (271.1Kb)
    Daftar gambar (280.7Kb)
    Daftar tabel (211.8Kb)
    Daftar segmen (214.7Kb)
    Bab 1 (248.1Kb)
    Bab 2 (569.2Kb)
    Bab 3 (1.133Mb)
    Bab 4 (467.4Kb)
    Bab 5 (501.9Kb)
    Bab 6 (221.6Kb)
    Daftar pustaka (246.9Kb)
    Lampiran 1 (512.7Kb)
    Lampiran 2 (278.9Kb)
    Lampiran 3 (3.308Mb)
    Internal Memo (5.967Mb)
    Paper DeepFont (1.402Mb)
    Surat pernyataan hak simpan dan publikasi (1.118Mb)
    Tanda bebas pustaka (499.1Kb)
    Date
    2020
    Author
    PEHTRUS, BOBBY
    Metadata
    Show full item record
    Abstract
    RANCANG BANGUN SISTEM PENGENALAN FONT MENGGUNAKAN ARSITEKTUR DEEPFONT Tipografi merupakan aspek penting dalam desain visual, sehingga kebutuhan akan pengenalan font sangat penting. Akan tetapi pengenalan font tanpa bantuan alat bantu maupun ahli dinilai sulit. Survei terhadap mahasiswa Universitas Ciputra Program Studi Visual Communication Design menyatakan keberadaan aplikasi untuk mengenali font secara langsung masih menjadi permintaan yang tinggi. DeepFont telah dikenal sebagai arsitektur deep learning terdepan dalam mengenali jenis font pada teks. Pada akhirnya, penelitian ini akan menerapkan arsitektur DeepFont untuk sistem pengenalan font. Peneliti melakukan eksperimen dalam menentukan parameter-parameter yang tidak diketahui pada arsitektur DeepFont berdasarkan output shape dengan hasil parameter pelatihan kernel size (3,3), epoch (10) dengan campuran padding same dan valid. Pembentukan dan pelatihan model dilakukan menggunakan Tensorflow Keras. Hasil pelatihan model menunjukan tingkat akurasi sebesar 86% pada training set. Hasil pengujian dilakukan dengan melakukan generasi tiga jenis dataset yaitu modifikasi yang sama seperti train, parsial dan tanpa modifikasi dan menguji setiap dataset tersebut dengan metrik akurasi, presisi dan recall menggunakan confusion matrix. Pada tiga dataset berbeda memiliki rata-rata akurasi sebesar 78.6%, rata-rata presisi sebesar 80.7% dan recall 78.5%. Aplikasi pengenalan font berhasil diuji dengan Alpha Test pada 5 test scenario dan 13 test case. Dari hasil pengujian dapat disimpulkan bahwa aplikasi yang dihasilkan dapat mengenali font dengan baik.
    URI
    http://dspace.uc.ac.id/handle/123456789/3580
    Collections
    • Teknik Informatika

    Copyright©  2017 - LPPM & Library Of Universitas Ciputra
    »»» UC Town CitraLand, Surabaya - Indonesia 60219 «««
    Powered by : FreeBSD | DSpace | Atmire
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    Login

    Copyright©  2017 - LPPM & Library Of Universitas Ciputra
    »»» UC Town CitraLand, Surabaya - Indonesia 60219 «««
    Powered by : FreeBSD | DSpace | Atmire