Implementasi Convolutional Neural Network Pada Pengenalan Tulisan Tangan

Al Falah, Hamzah Nur (2019) Implementasi Convolutional Neural Network Pada Pengenalan Tulisan Tangan. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1.10114054_HAMZAH NUR AL FALAH_COVER.pdf - Published Version Download (23kB) | Preview
Preview	Text 19.10114054_HAMZAH NUR AL FALAH_LEMBAR PENGESAHAN.pdf - Published Version Download (236kB) | Preview
Preview	Text 17.10114054_HAMZAH NUR AL FALAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (204kB) | Preview
Preview	Text 20.10114054_HAMZAH NUR AL FALAH_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (216kB) | Preview
Preview	Text 4.10114054_HAMZAH NUR AL FALAH_KATA PENGANTAR.pdf - Published Version Download (117kB) | Preview
Preview	Text 5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf - Published Version Download (307kB) | Preview
Preview	Text 5.10114054_HAMZAH NUR AL FALAH_DAFTAR ISI.pdf - Published Version Download (307kB) | Preview
Preview	Text 11.10114054_HAMZAH NUR AL FALAH_BAB 1.pdf - Published Version Download (173kB) | Preview
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
Preview	Text 15.10114054_HAMZAH NUR AL FALAH_BAB 5.pdf - Published Version Download (226kB) | Preview
Preview	Text 10.10114054_HAMZAH NUR AL FALAH_DAFTAR PUSTAKA.pdf - Published Version Download (134kB) | Preview
Preview	Text 21.10114054_HAMZAH NUR AL FALAH_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Download (992kB) | Preview
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