pengenalan tulisan tangan aksara bali menggunakan algortima hibrida cnn dan elm

Wijaya, Pandu Ali (2025) pengenalan tulisan tangan aksara bali menggunakan algortima hibrida cnn dan elm. Undergraduate thesis, UPN VETERAN JAWA TIMUR.

	Text (cover) 20081010230_Cover.pdf Download (2MB)
	Text (bab 1) 20081010230-bab1.pdf Download (1MB)
	Text (bab 2) 20081010230-bab2.pdf Restricted to Registered users only until 4 February 2027. Download (4MB)
	Text (bab 3) 20081010230-bab3.pdf Restricted to Registered users only until 4 February 2027. Download (1MB)
	Text (bab 4) 20081010230-bab4.pdf Restricted to Registered users only until 4 February 2027. Download (7MB)
	Text (bab 5) 20081010230-bab5.pdf Restricted to Registered users only until 4 February 2027. Download (258kB)
	Text (daftar pustaka) 20081010230-daftarpustaka.pdf Download (299kB)
	Text (Lampiran) 20081010230-lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini membahas pengenalan tulisan tangan aksara Bali menggunakan algoritma hibrida Convolutional Neural Network (CNN) dan Extreme Learning Machine (ELM). Aksara Bali merupakan salah satu warisan budaya yang memiliki bentuk unik dengan perbedaan yang sering kali halus antar karakter. Tantangan dalam mengenali tulisan tangan aksara Bali terletak pada kompleksitas pola dan variasi bentuk yang ditulis oleh pengguna. Dalam penelitian ini, CNN digunakan untuk mengekstraksi fitur dari gambar aksara, sedangkan ELM digunakan sebagai klasifikator untuk mempercepat proses pengenalan. Dataset yang digunakan terdiri dari 1.691 gambar yang dibagi menjadi data latih (80%), validasi (10%), dan uji (10%). Hasil eksperimen menunjukkan bahwa model hibrida CNN-ELM mampu mencapai akurasi hingga 91%, dengan nilai precision, recall, dan f1-score yang tinggi pada sebagian besar karakter aksara. Namun, terdapat beberapa tantangan dalam mengenali karakter dengan bentuk yang mirip. Evaluasi kinerja model dilakukan menggunakan metrik seperti confusion matrix dan akurasi, yang menunjukkan bahwa model dapat mengenali sebagian besar karakter dengan baik. Penelitian ini menyimpulkan bahwa pendekatan hibrida CNN-ELM efektif dalam pengenalan tulisan tangan aksara Bali dan dapat digunakan untuk mendukung digitalisasi serta pelestarian budaya melalui teknologi.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Diyasa, I Gede Susrama Mas	NIDN0019067008	igsusrama.if@upnjatim.ac.id
Thesis advisor	via, Yisti Vita	NIDN0025048602	yistivia.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.87 Neural computers

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Pandu Ali

Date Deposited:

04 Feb 2025 09:11

Last Modified:

04 Feb 2025 09:11

URI:

https://repository.upnjatim.ac.id/id/eprint/34605