Al Falah, Hamzah Nur (2019) Implementasi Convolutional Neural Network Pada Pengenalan Tulisan Tangan. Other thesis, Universitas Komputer Indonesia.
|
Text
1.10114054_HAMZAH NUR AL FALAH_COVER.pdf - Published Version Download (23kB) | Preview |
|
|
Text
19.10114054_HAMZAH NUR AL FALAH_LEMBAR PENGESAHAN.pdf - Published Version Download (236kB) | Preview |
|
|
Text
17.10114054_HAMZAH NUR AL FALAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (204kB) | Preview |
|
|
Text
20.10114054_HAMZAH NUR AL FALAH_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (216kB) | Preview |
|
|
Text
4.10114054_HAMZAH NUR AL FALAH_KATA PENGANTAR.pdf - Published Version Download (117kB) | Preview |
|
|
Text
5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf - Published Version Download (307kB) | Preview |
|
|
Text
5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf - Published Version Download (307kB) | Preview |
|
|
Text
11.10114054_HAMZAH NUR AL FALAH_BAB 1.pdf - Published Version Download (173kB) | Preview |
|
|
Text
12.10114054_HAMZAH NUR AL FALAH_BAB 2.pdf - Published Version Download (1MB) | Preview |
|
Text
13.10114054_HAMZAH NUR AL FALAH_BAB 3.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy |
||
Text
14.10114054_HAMZAH NUR AL FALAH_BAB 4.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
||
|
Text
15.10114054_HAMZAH NUR AL FALAH_BAB 5.pdf - Published Version Download (226kB) | Preview |
|
|
Text
10.10114054_HAMZAH NUR AL FALAH_DAFTAR PUSTAKA.pdf - Published Version Download (134kB) | Preview |
|
|
Text
21.10114054_HAMZAH NUR AL FALAH_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Download (992kB) | Preview |
|
|
Text
22.10114054_HAMZAH NUR AL FALAH_JURNAL DALAM BAHASA INGGRIS.pdf - Published Version Download (701kB) | Preview |
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%.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Kecerdasan Buatan, Neural Network, Convolutional Neural Network, CNN, Intelligence Character Recognition, ICR, Handwritten Character Recognition |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 01 Oct 2019 01:40 |
Last Modified: | 15 Sep 2021 03:00 |
URI: | http://elibrary.unikom.ac.id/id/eprint/934 |
Actions (login required)
View Item |