Perancangan Aplikasi Pengenalan Tulisan Tangan Huruf Hijaiyah Menggunakan Convolutional Neural Network Berbasis Desktop

Wowor, Muhammad Rolanov (2024) Perancangan Aplikasi Pengenalan Tulisan Tangan Huruf Hijaiyah Menggunakan Convolutional Neural Network Berbasis Desktop. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Pengenalan tulisan tangan adalah suatu proses identifikasi komputer dari sebuah tulisan tangan dari seorang individu, dan dalam konteks penelitian ini adalah tulisan tangan Huruf Hijaiyah. Dalam tugas akhir ini, dirancang sebuah model pengenalan tulisan tangan huruf Hijaiyah menggunakan metode Convolutional Neural Network (CNN). Pembuatan dari model klasifikasi melibatkan beberapa tahap, yaitu praproses data, mendesain arsitektur CNN, dan melakukan tuning parameter CNN pada saat pelatihan model. Hyperparameter yang disetel dan dioptimalkan selama perancangan model mencakup tingkat dropout, ukuran batch, jenis optimizer, dan fungsi aktivasi dan dicari kombinasi terbaiknya menggunakan grid search. Dataset yang digunakan adalah “Hijja2” yang tersedia secara publik sebanyak 47.434 gambar tulisan tangan huruf Hijaiyah. Evaluasi model pengenalan tulisan tangan huruf Hijaiyah dilakukan dengan mengukur akurasi dan loss dari prediksi klasifikasi huruf Hijaiyah. Model yang diusulkan mendapatkan tingkat akurasi sebesar 93.51% dengan loss sebesar 0.2213. Model yang diusulkan kemudian diintegrasikan ke dalam aplikasi pengenalan tulisan tangan huruf Hijaiyah yang dikembangkan dengan antarmuka konsep Graphical User Interface (GUI) yang bisa menerima masukan gambar dan pengambilan gambar melalui kamera dari pengguna dan memprediksi hasil klasifikasi tulisan tangan huruf Hijaiyah.
=======================================================================================================================
Handwritten letter recognition is a process of computer identification of an individual’s handwriting, and in the context of this research it is Arabic handwriting letters. In this final project, a Hijaiyah handwriting recognition model was designed using the Convolutional Neural Network (CNN). Creating a classification model involves several stages, namely data preprocessing, designing the CNN architecture, and tuning CNN parameters during model training. Hyperparameters that are tuned and optimized during model design include dropout rate, batch size, optimizer type, and activation function. The dataset used is “Hijja2” which is publicly available with 47.434 images of handwritten Hijaiyah letters. Evaluation of the Arabic letter handwriting recognition model was carried out by measuring the accuracy and loss of the Hijaiyah letter clasification predictions. The proposed model obtains an accuracy rate of 93.51% and a loss of 0.2213. The proposed model is then integrated into the Hijaiyah handwriting recognition software which was developed with Graphical User Interface (GUI) concept interface, which can receive image input from the user and predict the results of Hijaiyah handwriting classification.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Deep Learning, Grid Search, Huruf Hijaiyah, Hyperparameter Tuning, Pengenalan Tulisan Tangan. Arabic Handwritten Character Recognition, Convolutional Neural Network, Deep Learning, Grid Search, Handwritten Arabic Letter, Hyperparameter Tuning.
Subjects:	L Education > LB Theory and practice of education > LB1029.S53 Educational games. Simulation methods
Divisions:	Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Rolanov Wowor
Date Deposited:	02 Aug 2024 04:10
Last Modified:	02 Aug 2024 04:10
URI:	http://repository.its.ac.id/id/eprint/109935

Actions (login required)

View Item