ABSTRAKSI: Pada tugas akhir ini telah dirancang sebuah sistem yang mampu mendefinisikan kata dalam bahasa Korea ke dalam bahasa Latin, dan kemudian diterjemahkan ke dalam Bahasa Indonesia. Citra masukannya berupa gambar dengan format .bmp yang diformat secara langsung untuk kemudian diketahui hasilnya.
Metode yang digunakan yaitu Template Matching dan K-Nearest Neighbour. Secara umum, proses yang dilakukan ada lima tahap, dimulai dari tahapan preprocessing, segmentasi, ekstraksi ciri dengan menggunakan Gabor wavelet, dan pengenalan huruf dengan metode Template Matching dan K-NN. Selanjutnya pencocokan hasil dari tahap sebelumnya dengan artinya dalam Bahasa Indonesia. Pada tahap preprocessing, tahapannya yaitu mengubah citra RGB ke dalam grayscale, lalu diubah ke dalam citra black & white. Segmentasi yang dilakukan merupakan segmentasi sukukata.
Dari hasil pengujian diperoleh nilai threshold 0.7 untuk Template Matching dengan tingkat akurasi 85%. Sedangkan untuk KNN nilai threshold 0.6 dengan jumlah ekstraksi ciri yaitu 24 ciri, dengan tingkat akurasi 72%.Kata Kunci : Template Matching, K-Nearest Neighbour, HangulABSTRACT: In this final project, has designed a system that capable of defining the words in the Korean laguage into Latin, and then translated into Indonesian. Input image is an image with a format .bmp formatted directly for knowing results.
The method used is Template Matching and K-Nearest Neighbor. In general, the process is performed in five stages, starting from the stage of preprocessing, segmentation, feature extraction using Gabor wavelet, then the introduction of the letter with Template Matching method and K-NN. And then matching the results of the previous stage with the meaning in Indonesian. In the preprocessing stage, the step is change the RGB image into grayscale, then converted to black & white image. Segmentation conducted a segmentation of syllables.
Through the experiment with Template Matching method, test result obtained threshold 0.7 and accuracy 85%. And the result from KNN obtained threshold 0.6 with 24 features and accuracy 72%.Keyword: Template Matching, K-Nearest Neighbour, Hangul