APLIKASI PENGENALAN HURUF HIJAIYAH MENGGUNAKAN
ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
ALFARIZI, SALMAN TUBAGUS
Subject
L Education (General)
Datestamp
2024-09-27 07:04:40
Abstract :
Pengenalan huruf Hijaiyah memiliki peran signifikan dalam pengenalan tulisan tangan dan teks otomatis dalam bahasa Arab. Huruf Hijaiyah adalah karakter kunci dalam bahasa Arab yang digunakan luas dalam tulisan Arab, Al-Quran, dan konten agama Islam lainnya. Penelitian ini menggunakan metode prototype untuk uji dan perbaikan konsep, dengan fokus pada pengenalan huruf Hijaiyah menggunakan algoritma CNN. Desain penelitian ini adalah prototyping dengan CRISP-DM dan Flask. Teknik pengumpulan data menggunakan dataset tulisan tangan Arabic dari Kaggle. Hasil pengembangan dan pengujian menunjukkan bahwa aplikasi pengenalan huruf Hijaiyah mampu mengenali dan memprediksi huruf dengan tingkat akurasi yang tinggi. Model CNN yang dikembangkan mencapai accuracy sebesar 0.95% dan validation accuracy sebesar 0.98% dengan 1680 dataset, batch size 56, dan 105 epoch. Pengujian aplikasi melibatkan black box dan UAT, menghasilkan 100% keberhasilan dalam pengujian black box dan 90% keberhasilan dalam UAT dari 3 responden dengan 10 pertanyaan. Integrasi teknologi ini dengan sistem pembelajaran interaktif, seperti aplikasi mobile atau platform e-learning, dapat mempermudah proses pembelajaran huruf Hijaiyah. Penggunaan teknik transfer learning dapat meningkatkan akurasi dan efisiensi model, terutama dengan dataset yang lebih besar. Penambahan dataset untuk kesalahan juga penting untuk mengatasi input huruf yang tidak sesuai. Kata kunci: Pengenalan Huruf Hijaiyah, Convolutional Neural Network (CNN), Metode Prototype, CRISP-DM, Pembelajaran Bahasa Arab.
Pengenalan huruf Hijaiyah memiliki peran signifikan dalam pengenalan tulisan tangan dan teks otomatis dalam bahasa Arab. Huruf Hijaiyah adalah karakter kunci dalam bahasa Arab yang digunakan luas dalam tulisan Arab, Al-Quran, dan konten agama Islam lainnya. Penelitian ini menggunakan metode prototype untuk uji dan perbaikan konsep, dengan fokus pada pengenalan huruf Hijaiyah menggunakan algoritma CNN. Desain penelitian ini adalah prototyping dengan CRISP-DM dan Flask. Teknik pengumpulan data menggunakan dataset tulisan tangan Arabic dari Kaggle. Hasil pengembangan dan pengujian menunjukkan bahwa aplikasi pengenalan huruf Hijaiyah mampu mengenali dan memprediksi huruf dengan tingkat akurasi yang tinggi. Model CNN yang dikembangkan mencapai accuracy sebesar 0.95% dan validation accuracy sebesar 0.98% dengan 1680 dataset, batch size 56, dan 105 epoch. Pengujian aplikasi melibatkan black box dan UAT, menghasilkan 100% keberhasilan dalam pengujian black box dan 90% keberhasilan dalam UAT dari 3 responden dengan 10 pertanyaan. Integrasi teknologi ini dengan sistem pembelajaran interaktif, seperti aplikasi mobile atau platform e-learning, dapat mempermudah proses pembelajaran huruf Hijaiyah. Penggunaan teknik transfer learning dapat meningkatkan akurasi dan efisiensi model, terutama dengan dataset yang lebih besar. Penambahan dataset untuk kesalahan juga penting untuk mengatasi input huruf yang tidak sesuai. Kata kunci: Pengenalan Huruf Hijaiyah, Convolutional Neural Network (CNN), Metode Prototype, CRISP-DM, Pembelajaran Bahasa Arab.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
