PENGENALAN KARAKTER HIJAIYAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
Abstract
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.
References
H. E.-B. Ahmed El-Sawy, Mohamed Loey, “Arabic Handwritten Characters Recognition Using Convolutional Neural Network,” 2021 12th Int. Conf. Inf. Commun. Syst. ICICS 2021, no. January, pp. 182–188, 2021, doi: 10.1109/ICICS52457.2021.9464596.
C. AnnurMutia, “Inilah Bahasa yang Paling Banyak Dipakai di Dunia, Bagaimana Bahasa Indonesia?,” Katadata, 2021. https://databoks.katadata.co.id/datapublish/2021/11/01/inilah-bahasa-yang-paling-banyak-dipakai-di-dunia-bagaimana-bahasa-indonesia.
M. M. Susilo, D. M. Wonohadidjojo, and N. Sugianto, “Pengenalan Pola Karakter Bahasa Jepang Hiragana Menggunakan 2D Convolutional Neural Network,” J. Inform. dan Sist. Inf. Univ. Ciputra, vol. 03, no. 02, pp. 28–36, 2017.
R. Mawan, “Klasifikasi motif batik menggunakan Convolutional Neural Network,” Jnanaloka, pp. 45–50, 2020, doi: 10.36802/jnanaloka.2020.v1-no1-45-50.
H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” 3rd Int. Conf. Learn. Represent. ICLR 2015 - Conf. Track Proc., pp. 1–14, 2015.
K. H. Mahmud, Adiwijaya, and S. Al Faraby, “Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network,” e-Proceeding Eng., vol. 6, no. 1, pp. 2127–2136, 2019.
J. Brownlee, “How to Configure Image Data Augmentation in Keras,” Machine Learning Mastery, 2019. https://machinelearningmastery.com/how-to-configure-image-data-augmentation-when-training-deep-learning-neural-networks/.
Stackoverflow, “What exactly the shear do in ImageDataGenerator of Keras?,” 2020. https://stackoverflow.com/questions/57301330/what-exactly-the-shear-do-in-imagedatagenerator-of-keras.
S. ilham Pradika, B. Nugroho, and E. Y. Puspaningrum, “Pengenalan Tulisan Tangan Huruf Hijaiyah Menggunakan Metode Convolutional Neural Network,” Semin. Nas. Inform. Bela Negara, vol. 1, p. 98, 2020.
D. Subroto and L. Liliana, “Deteksi Aktivitas Manusia Berdasarkan Data Skeleton dengan Menggunakan Modifikasi VGG16,” J. Infra, vol. 9, no. 1, pp. 122–128, 2021, [Online]. Available: http://publication.petra.ac.id/index.php/teknik-informatika/article/view/10933.
J. Brownlee, “How to Choose Loss Functions When Training Deep Learning Neural Networks,” Machine Learning Mastery, 2019. https://machinelearningmastery.com/how-to-choose-loss-functions-when-training-deep-learning-neural-networks/.
J. Brownlee, “Gentle Introduction to the Adam Optimization Algorithm for Deep Learning,” Machine Learning Mastery, 2017. https://machinelearningmastery.com/adam-optimization-algorithm-for-deep-learning/.
J. Brownlee, “Difference Between a Batch and an Epoch in a Neural Network,” Machine Learning Mastery, 2018. https://machinelearningmastery.com/difference-between-a-batch-and-an-epoch/.
Full Text: PDF
Refbacks
- There are currently no refbacks.
