cuman implementasiin doank sih
jadi inspirasinya dari OCR (Optical character Recognition)
karena pengenalan OCR hanya sebatas huruf saja dan juga adanya tingkat error (khsuusnya utk gambar yg kurang jelas/tulisan yg jelek
)
maka itu aye ada ide buat lebih lanjut ke "pengenalan kata" <--- gak tau dah namanya apa
aye namain aja gitu
, sempet berantem sama dosen buat nentuin judul skripsi ^_^
nah misal dari Kata yg seharusnya adalah "Dhamma" dengan OCR maka dikenal menjadi "Dhamma" <--- artinya 100% berhasil
nah kalo misal tulisan jelek misalnya eh dikenal "Dhomma" <--- 5/6*100% = 83% tepat
sebelumnya aye jelasin dulu, aplikasinya ada dua tingkat gitu
1. tingkat satu : pengenalan huruf (OCR)
2. tingkat dua : pengenalan kata (OWR
ngarang )
nah, dalam pengenalan huruf (OCR) tingkat pertama itu menggunakan pemetaan bit, jadi dalam tulisan huruf dibuat grid yg dimana titik hitam divalue 1 dan titik putih (tidak kena coretan) divalue 0
nanti dikalkukasi dan dibandingkan/dipetakan dengan database sebelonnya yg diinput duluan (database huruf)
nah kan ketauan persentasenya, diambil ajah yg persentasenya/kecocokannya paling gede
dan seterusnya utk huruf2 berikutnya
tapi karena dalam GA itu harus ada populasi awal maka aye ambil per huruf misal 5 besar
atau 3 besar ( nah yg analisa adalah diambil berapa populasinya untuk optimal, jd di skripsi itu aye uji beberapa nilai, gak hanya nilai populasi aja sih ada beberapa parameter GA jg yg diuji)
gituh
nah dari populasi huruf2 tersebut kan jadi modal awal buat GA nya