Implementasi Long Short Term Memory (Lstm) Pada Pengenalan Tulisan Tangan

Hardianti, Devi (2020) Implementasi Long Short Term Memory (Lstm) Pada Pengenalan Tulisan Tangan. Other thesis, Universitas Komputer Indonesia.

[img]
Preview
Text
1. 10115457_DEVI HARDIANTI_COVER.pdf - Published Version

Download (35kB) | Preview
[img]
Preview
Text
19. 10115457_DEVI HARDIANTI_LEMBAR PENGESAHAN.pdf - Published Version

Download (137kB) | Preview
[img]
Preview
Text
17. 10115457_DEVI HARDIANTI_SURAT KETERANGAN PUBLIKASI.pdf - Published Version

Download (100kB) | Preview
[img]
Preview
Text
20. 10115457_DEVI HARDIANTI_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version

Download (118kB) | Preview
[img]
Preview
Text
4. 10115457_DEVI HARDIANTI_KATA PENGANTAR.pdf - Published Version

Download (122kB) | Preview
[img]
Preview
Text
5. 10115457_DEVI HARDIANTI_DAFTAR ISI.pdf - Published Version

Download (160kB) | Preview
[img]
Preview
Text
11. 10115457_DEVI HARDIANTI_BAB 1.pdf - Published Version

Download (174kB) | Preview
[img]
Preview
Text
12. 10115457_DEVI HARDIANTI_BAB 2.pdf - Published Version

Download (551kB) | Preview
[img] Text
13. 10115457_DEVI HARDIANTI_BAB 3.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
14. 10115457_DEVI HARDIANTI_BAB 4.pdf - Published Version
Restricted to Repository staff only

Download (202kB) | Request a copy
[img]
Preview
Text
15. 10115457_DEVI HARDIANTI_BAB 5.pdf - Published Version

Download (116kB) | Preview
[img]
Preview
Text
10. 10115457_DEVI HARDIANTI_DAFTAR PUSTAKA.pdf - Published Version

Download (131kB) | Preview
Official URL: http://elibrary.unikom.ac.id

Abstract

Penelitian ini bertujuan untuk mengetahui performa dari metode yang digunakan dalam pengenalan tulisan tangan. Adapun metode yang digunakan pada penelitian ini yaitu Long Short Term Memory (LSTM) yang merupakan salah satu varian dari RNN. Dimana LSTM mengambil data inputan berupa raw data (keseluruhan piksel), selain itu LSTM melakukan ektraksi fitur secara otomatis. Data yang digunakan pada penelitian ini yaitu citra tulisan tangan hasil scan dari 75 orang yang berbeda. Data ini dibagi menjadi data latih 80% dan data uji 20%. Data latih adalah citra tulisan tangan karakter dari A-Z, a-z dan 0-9. Data uji adalah citra tulisan tangan dalam bentuk kalimat yang mengandung karakter A-Z, a-z, dan 0-9. Dimana data latih dan uji sebelumnya melalui tahap grayscale, thresholding, segmentasi, dan resize. Berdasarkan hasil penelitian yang dilakukan pada pengenalan tulisan tangan dengan LSTM mendapatkan hasil yang optimal sebesar 78,065% dari 726 yang diidentifikasi dengan benar, menggunakan learning rate 0.04. Dari hasil yang didapatkan LSTM gagal mengenali huruf o dan huruf c dikarenakan memiliki kesamaan bentuk.

Item Type: Thesis (Other)
Uncontrolled Keywords: Long Short Term Memory, learning rate, grayscale, thresholding, pengenalan tulisan tangan
Subjects: 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Divisions: S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User: Mrs. Calis Maryani
Date Deposited: 05 Nov 2020 02:26
Last Modified: 05 Nov 2020 02:26
URI: http://elibrary.unikom.ac.id/id/eprint/2762

Actions (login required)

View Item View Item