PENGENALAN POLA AKSARA BATAK KARO MENGGUNAKAN METODE MORFOLOGI DAN ALGORITMA K-NEAREST NEIGHBOR (KNN)

Aksara Batak Karo adalah salah satu warisan budaya Indonesia yang terancam punah akibat keterbatasan sumber data dan informasi sehingga patut untuk dilestarikan dan perlu mendapat perhatian khusus karena ada banyak informasi berharga yang terkandung dalam naskah-naskah kuno tentang generasi masa lalu dan sangat disayangkan jika informasi tersebut tidak bisa dipelajari oleh generasi saat ini. Namun dalam mempelajari aksara Batak Karo generasi saat ini dapat mengalami kesulitan karena antara huruf aksara Batak Karo dengan huruf abjad sangat berbeda jauh, baik dari segi bentuk maupun cara membacanya. Oleh karena itu, seiring dengan kemajuan teknologi saat ini beberapa algoritma pengenalan pola dikembangkan agar komputer bisa melihat dan memproses gambar seperti halnya yang dilakukan oleh manusia. Algoritma pengenalan pola dapat digunakan untuk mengenali pola aksara Batak Karo yang memudahkan masyarakat khususnya generasi saat ini untuk mengetahui informasi lebih banyak tentang generasi masa lalu. Dalam tugas akhir ini dilakukan penggabungan metode Morfologi dan Algoritma KNN (K-Nearest Neighbor). Morfologi merupakan metode yang umum digunakan pada citra biner (hitam-putih) untuk mendeteksi, mengubah, dan meningkatkan struktur bentuk suatu objek yang terkandung dalam citra sehingga lebih mudah untuk dikenali. Morfologi digunakan untuk memperjelas bentuk huruf aksara Batak Karo sehingga akan mudah untuk dikenali. Sedangkan Algoritma KNN (K-Nearest Neighbor) digunakan untuk mengklasifikasikan huruf dan mengenali huruf aksara Batak Karo berdasarkan tetangga terdekat. KNN (K-Nearest Neighbor) merupakan salah satu algoritma sederhana untuk mengklasifikasikan objek berdasarkan data pelatihan yang paling dekat dengan objek. Algoritma ini memprediksi kategori sampel uji sesuai dengan sampel pelatihan k yang merupakan tetangga terdekat dengan sampel uji. Hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Hasil penelitian menunjukkan bahwa tingkat akurasi tertinggi diperoleh ketika jumlah data training sebanyak 491 data, dan jumlah data testing sebanyak 25 data, menghasilkan tingkat akurasi sebesar 92%.