Pradika, Sunu Ilham (2020) PENGENALAN TULISAN TANGAN HURUF HIJAIYAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.
|
Text (Cover)
cover.pdf Download (814kB) | Preview |
|
|
Text (Bab 1)
b1.pdf Download (88kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
b2.pdf Restricted to Registered users only until 22 December 2023. Download (1MB) |
|
|
Text (Bab 3)
b3.pdf Restricted to Registered users only until 22 December 2023. Download (423kB) |
|
|
Text (Bab 4)
b4.pdf Restricted to Registered users only until 22 December 2023. Download (1MB) |
|
|
Text (Bab 5)
b5.pdf Download (10kB) | Preview |
|
|
Text (Daftar pustaka)
dapus.pdf Download (168kB) | Preview |
Abstract
Dunia sedang mengalami pandemi coronavirus disease 2019 (covid-19). Sesuai dengan anjuran World Health Organization (WHO) bahwa aktivitas di luar rumah dan bertemu dengan orang lain dengan terpaksa harus dikurangi atau jika memungkinkan dihentikan sementara waktu. Sehingga, orang-orang yang ingin mempelajari huruf hijaiyah tidak dapat hadir di tempat les atau mengundang guru ke rumah untuk mengurangi resiko tertular covid-19. Oleh karena itu, dibutuhkan sebuah sistem pengenalan tulisan tangan huruf hijaiyah agar seseorang dapat berlatih secara mandiri di rumah. Convolutional Neural Network (CNN) adalah algoritma deep learning yang biasa digunakan untuk mengklasifikasikan citra dan mengekstrak fitur citra baik secara supervised learning maupun unsupervised learning. CNN dipilih karena dataset yang digunakan nantinya berupa citra bernama Hijaiyah1SKFI dan terbukti telah sukses pada data tidak terstruktur seperti citra. Hijaiyah1SKFI merupakan dataset dengan banyak data sebesar 2100 data yang terdiri dari 30 kelas. Namun, 2100 data bukanlah data yang banyak. Sehingga, perlu dilakukan augmentasi data untuk menambah variasi fitur agar dapat mengenali huruf dengan banyak varian dan tidak membuat model mengalami overfitting. Arsitektur yang digunakan adalah SIP-Net yang memiliki 6.826.846 parameter. Sistem yang telah dirancang dan diimplementasikan pada penelitian ini berhasil mendapatkan akurasi tertinggi dari beberapa uji coba sebesar 99,7% dan menghasilkan sebuah pengetahuan di mana implementasi augmentasi data cukup berpengaruh pada akurasi yang didapatkan dengan hasil lebih baik yaitu selisih hingga 9%. Selain itu, pada beberapa kasus, semakin banyak epoch juga mempengaruhi hasil akurasi dengan hasil lebih baik yaitu selisih hingga 2%. Tidak hanya itu, model yang telah dilatih juga dilakukan deployment ke web untuk memudahkan pengujian dan selanjutnya dapat digunakan untuk pembelajaran. Kata Kunci: Deep learning, Convolutional Neural Network, Pengenalan Huruf Hijaiyah
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural computers | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Fatchullah Fatchullah | ||||||||||||
| Date Deposited: | 22 Dec 2021 08:48 | ||||||||||||
| Last Modified: | 22 Dec 2021 08:51 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/3678 |
Actions (login required)
 |
View Item |