IDENTIFIKASI AKSARA HIRAGANA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN CIRI BENTUK
Total View This Week0
Total View This Week0
Institusion
STMIK Global Informatika Mdp
Author
Riki, Riki
Subject
QA75 Electronic computers. Computer science
Datestamp
2021-09-01 05:45:18
Abstract :
Aksara Hiragana merupakan salah satu sistem penulisan di negara Jepang. Mempelajari aksara Hiragana untuk mengidentifikasi huruf yang terkandung didalamnya ada kemungkinan mengalami kesulitan dikarenakan terdapat pola goresan yang berbeda disetiap hurufnya dan cukup kompleks sehingga perbedaan goresan memiliki arti maupun jenis aksara yang berbeda. Penelitian ini mengangkat topik mengenai identifikasi aksara Hiragana menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation dengan ciri bentuk berdasarkan parameter eccentricity dan metric yang terdapat pada aksara Hiragana. Dataset yang digunakan berjumlah 4600 citra aksara Hiragana sehingga setiap huruf (46 huruf dasar yang digunakan) memiliki 100 citra aksara Hiragana. Skenario pengujian yang dilakukan adalah melakukan learning rate sebanyak 5 kali (0,00001, 0,0001, 0,001, 0,01, dan 0,1). Setiap learning rate memiliki k-fold (5 fold) yang terbentuk dari proses cross validation dengan 3 neuron yang berbeda pada lapisan tersembunyi (80, 160, dan 240 neuron). Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik model berada pada learning rate 0,001 dengan 160 neuron pada lapisan tersembunyi dengan nilai rata – rata Accuracy sebesar 97,20%.
Aksara Hiragana merupakan salah satu sistem penulisan di negara Jepang. Mempelajari aksara Hiragana untuk mengidentifikasi huruf yang terkandung didalamnya ada kemungkinan mengalami kesulitan dikarenakan terdapat pola goresan yang berbeda disetiap hurufnya dan cukup kompleks sehingga perbedaan goresan memiliki arti maupun jenis aksara yang berbeda. Penelitian ini mengangkat topik mengenai identifikasi aksara Hiragana menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation dengan ciri bentuk berdasarkan parameter eccentricity dan metric yang terdapat pada aksara Hiragana. Dataset yang digunakan berjumlah 4600 citra aksara Hiragana sehingga setiap huruf (46 huruf dasar yang digunakan) memiliki 100 citra aksara Hiragana. Skenario pengujian yang dilakukan adalah melakukan learning rate sebanyak 5 kali (0,00001, 0,0001, 0,001, 0,01, dan 0,1). Setiap learning rate memiliki k-fold (5 fold) yang terbentuk dari proses cross validation dengan 3 neuron yang berbeda pada lapisan tersembunyi (80, 160, dan 240 neuron). Berdasarkan hasil pengujian yang telah dilakukan, performa terbaik model berada pada learning rate 0,001 dengan 160 neuron pada lapisan tersembunyi dengan nilai rata – rata Accuracy sebesar 97,20%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
