PENGENALAN KARAKTER HIJAIYAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
| Main Authors: | Wiratna, Ryan Eka; Universitas Pembangunan Nasional "Veteran" Jawa Timur, Sahputro, Aghil; Universitas Pembangunan Nasional "Veteran" Jawa Timur, Hadi, Benny Danendra; Universitas Pembangunan Nasional "Veteran" Jawa Timur, Puspaningrum, Eva Yulia; Universitas Pembangunan Nasional "Veteran" Jawa Timur |
|---|---|
| Format: | Article application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Universitas Pembangunan Nasional "Veteran" Jawa Timur
, 2022
|
| Subjects: | |
| Online Access: |
http://ejournal.upnjatim.ac.id/index.php/scan/article/view/2937 |
Daftar Isi:
- Penulisan karakter Hijaiyah secara manual menemui permasalahan dimana terdapat banyak variasi penulisan tangan oleh setiap manusia. Solusi dari permasalahan tersebut dapat diatasi dengan melakukan klasifikasi penulisan tangan secara otomatis. Dalam klasifikasi tersebut tentunya membutuhkan metode yang tepat agar dapat dilakukan secara cepat dan tepat. Dalam karya ini, kami memodelkan arsitektur pembelajaran yang dapat mengenali penulisan karakter arab yang variatif dari tangan manusia. Convolutional Neural Network (CNN) adalah salah satu algoritma Deep Learning yang dapat menerima input gambar dan menentukan aspek atau obyek apa yang terdapat pada sebuah gambar. Algoritma CNN dilatih menggunakan dataset. Pada penelitian ini menggunakan dataset yang terdiri dari 16.800 karakter dari 60 partisipan. Database yang digunakan terbagi menjadi 2 set yaitu training set (13.400 karakter terbagi menjadi 480 gambar per class) dan test set (3.360 karakter terbagi menjadi 120 gambar per class). Arsitektur yang kami buat dapat menghasilkan nilai akurasi 94,94% pada epoch ke 100.