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

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.