DETEKSI HURUF HIRAGANA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

YAHYA, FAJAR AINUN (2023) DETEKSI HURUF HIRAGANA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text 1. Skripsi Fulltext_123160003_Fajar Ainun Yahya.pdf Restricted to Repository staff only Download (3MB)
	Text 2. Abstrak_123160003_Fajar Ainun Yahya.pdf Download (257kB)
	Text 3. Cover_123160003_Fajar Ainun Yahya.pdf Download (399kB)
	Text 4. Lembar Pengesahan_123160003_Fajar Ainun Yahya.pdf Download (618kB)
	Text 5. Daftar Isi_123160003_Fajar Ainun Yahya.pdf Download (1MB)
	Text 6. Daftar Pustaka_123160003_Fajar Ainun Yahya.pdf Download (292kB)

Abstract

Convolutional neural network atau CNN merupakan salah satu metode machine
learning yang digunakan untuk deteksi citra salah satunya untuk huruf hiragana. Akurasi CNN
dalam deteksi sebuah citra pada beberapa penelitian sangat bervariasi karena dipengaruhi oleh
beberapa hal seperti jumlah dataset, kualitas data set, jenis arsitektur, dan banyaknya training
yang dilakukan
Pada penelitian ini sistem yang dibuat menerapkan metode CNN untuk membuat sistem
deteksi huruf hiragana. CNN dilakukan training dengan menggunakan dataset yang bersumber
dari NDL. Proses training dilakukan secara bertahap, yaitu dengan membandingkan beberapa
parameter berbeda yang pertama adalah jumlah konvolusi, lalu jumlah feature maps pada tiap
lapisan konvolusi, yang ketiga jumlah dense yang ditambahkan pada jaringan, dan yang
terakhir dengan menambahkan dropout pada jaringan. Variasi parameter ini menghasilkan
beberapa model yang memiliki akurasi berbeda beda sehingga dapat diambil model dengan
akurasi paling tinggi.
Hasil penelitian mendapatkan model dengan melakukan training menggunakan 2
lapisan konvolusi dengan 48 feature maps pada lapisan pertama dan 96 feature maps pada
lapisan kedua dan ditambahkan 2048 dense dan dilakukan dropout sebanyak 30%. Dengan
metode ini dihasilkan model dengan akurasi validasi sebesar 98,807 % dan akurasi sistem yang
dihasilkan sebesar 92,06 %.
Kata Kunci: Convolutional Neural Network (CNN), huruf hiragana, deteksi huruf

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), huruf hiragana, deteksi huruf
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	19 Sep 2023 06:54
Last Modified:	19 Sep 2023 06:54
URI:	http://eprints.upnyk.ac.id/id/eprint/37565

Actions (login required)

View Item