Implementasi Convolutional Neural Network Pada Pengenalan Tulisan Tangan
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Al Falah, Hamzah Nur
Subject
004_Data Processing & Computer Science
Datestamp
2021-09-15 03:00:43
Abstract :
Convolutional Neural Network (CNN) merupakan metode yang memanfaatkan fitur konvolusi dalam mengekstraksi ciri pada citra. Pada penelitian sebelumnya telah dilakukan Intelligence Character Recognition (ICR) menggunakan CNN dengan tingkat akurasi mencapai 97,6% pada Arabic Handwritten Character Dataset. Pada penelitian lainnya CNN dikatakan unggul dalam kasus pengenalan menggunakan data citra. Dari jejak penelitian tersebut, fokus utama dari penelitian ini adalah mengukur kemampuan CNN pada kasus ICR alfabet Inggris dengan data berasal dari National Institute of Standards and Technology (NIST) sebanyak 15,872 data latih dan 3,100 data uji dengan kelas karakter meliputi A-Z, a-z, dan 0-9. Sebelum tahap pelatihan dan pengujian CNN, dilakukan preprocessing yang terdiri dari grayscaling, smoothing, thresholding, segmentasi, dan scaling. Tahap feedforward CNN terdiri dari layer ekstraksi dan layer klasifikasi. Setelah feedforward, dilakukan perbaikan bobot dan bias ketika pelatihan menggunakan backpropagation sehingga dapat digunakan untuk pengujian. Adapun parameter uji yang digunakan dalam penelitian ini adalah nilai learning rate yang berbeda – beda untuk mengetahui akurasi dari setiap kondisi. Pada tahap pengujian diperoleh akurasi tertinggi mencapai 72.48%.
Convolutional Neural Network (CNN) merupakan metode yang memanfaatkan fitur konvolusi dalam mengekstraksi ciri pada citra. Pada penelitian sebelumnya telah dilakukan Intelligence Character Recognition (ICR) menggunakan CNN dengan tingkat akurasi mencapai 97,6% pada Arabic Handwritten Character Dataset. Pada penelitian lainnya CNN dikatakan unggul dalam kasus pengenalan menggunakan data citra. Dari jejak penelitian tersebut, fokus utama dari penelitian ini adalah mengukur kemampuan CNN pada kasus ICR alfabet Inggris dengan data berasal dari National Institute of Standards and Technology (NIST) sebanyak 15,872 data latih dan 3,100 data uji dengan kelas karakter meliputi A-Z, a-z, dan 0-9. Sebelum tahap pelatihan dan pengujian CNN, dilakukan preprocessing yang terdiri dari grayscaling, smoothing, thresholding, segmentasi, dan scaling. Tahap feedforward CNN terdiri dari layer ekstraksi dan layer klasifikasi. Setelah feedforward, dilakukan perbaikan bobot dan bias ketika pelatihan menggunakan backpropagation sehingga dapat digunakan untuk pengujian. Adapun parameter uji yang digunakan dalam penelitian ini adalah nilai learning rate yang berbeda – beda untuk mengetahui akurasi dari setiap kondisi. Pada tahap pengujian diperoleh akurasi tertinggi mencapai 72.48%.
File :
1.10114054_HAMZAH NUR AL FALAH_COVER.pdf
19.10114054_HAMZAH NUR AL FALAH_LEMBAR PENGESAHAN.pdf
14.10114054_HAMZAH NUR AL FALAH_BAB 4.pdf
15.10114054_HAMZAH NUR AL FALAH_BAB 5.pdf
10.10114054_HAMZAH NUR AL FALAH_DAFTAR PUSTAKA.pdf
21.10114054_HAMZAH NUR AL FALAH_JURNAL DALAM BAHASA INDONESIA.pdf
22.10114054_HAMZAH NUR AL FALAH_JURNAL DALAM BAHASA INGGRIS.pdf
17.10114054_HAMZAH NUR AL FALAH_SURAT KETERANGAN PUBLIKASI.pdf
20.10114054_HAMZAH NUR AL FALAH_SURAT PERNYATAAN ORISINALITAS.pdf
4.10114054_HAMZAH NUR AL FALAH_KATA PENGANTAR.pdf
5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf
5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf
11.10114054_HAMZAH NUR AL FALAH_BAB 1.pdf
12.10114054_HAMZAH NUR AL FALAH_BAB 2.pdf
13.10114054_HAMZAH NUR AL FALAH_BAB 3.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
