STIKOM BALISTIKOM BALI

Jurnal Sistem dan Informatika (JSI)Jurnal Sistem dan Informatika (JSI)

Pemanfaatan teknologi dalam pembelajaran bahasa Arab dan Al-Quran masih kurang dan terkendala oleh minimnya sistem yang mampu mengenali huruf hijaiyah tulisan tangan secara akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi huruf hijaiyah tulisan tangan menggunakan Jaringan Syaraf Tiruan (JST) algoritma backpropagation yang digabungkan dengan teknik ekstraksi ciri bentuk dan tekstur (GLCM). Dataset terdiri dari 1200 data latih dan 300 data uji dengan citra huruf hijaiyah tulisan tangan bersumber dari Kaggle dan 150 data uji dengan citra huruf hijaiyah tulisan tangan secara langsung. Tahapan penelitian meliputi preprocessing citra (resize, grayscale, Gaussian filter, binarisasi Otsu), ekstraksi 24 fitur (8 fitur bentuk dan 16 fitur GLCM), normalisasi, serta pelatihan dan pengujian model. Hasil pelatihan model mencapai akurasi sempurna 100%, sedangkan hasil pengujian pada data tulisan tangan menggunakan data Kaggle sebesar 99,33%. Sedangkan pengujian menggunakan tulisan tangan secara langsung sebesar 93%. Namun, ketika diuji dengan data huruf font digital yang belum pernah dilihat sebelumnya, akurasi sistem menurun drastis menjadi 20%. Hasil ini menyimpulkan bahwa metode backpropagation yang dipakai sangat efektif untuk mengenali pola spesifik dari dataset tulisan tangan yang dilatih, namun memiliki kemampuan generalisasi yang terbatas terhadap variasi bentuk huruf yang baru.

Sistem pengenalan huruf hijaiyah dengan metode backpropagation menunjukkan performa yang sangat baik pada data tulisan tangan.Pengujian pada 300 citra dari Kaggle menghasilkan akurasi 99,33%, sementara 150 citra tulisan langsung menghasilkan akurasi 93%.Hal ini menunjukkan bahwa metode backpropagation mampu mengenali pola huruf yang telah dilatih dengan sangat efektif.

Penelitian selanjutnya dapat mengeksplorasi teknik augmentasi data yang lebih beragam, seperti rotasi, skala, dan penambahan noise, untuk meningkatkan kemampuan generalisasi model terhadap huruf hijaiyah dalam format font digital yang belum pernah dilihat sebelumnya; selanjutnya, studi dapat membandingkan kinerja model backpropagation tradisional dengan arsitektur jaringan konvolusional (CNN) yang diintegrasikan ke dalam jaringan saraf tiruan, guna menilai apakah kombinasi tersebut dapat meningkatkan akurasi pengenalan pada variasi tulisan tangan yang lebih kompleks; akhirnya, penelitian dapat memperluas ruang lingkup dengan mengembangkan sistem pengenalan multi‑script yang tidak hanya mencakup huruf hijaiyah, tetapi juga karakter Arab lain atau bahasa terkait, serta menguji penerapan transfer learning untuk memanfaatkan pengetahuan yang diperoleh dari dataset hijaiyah dalam mengklasifikasikan skrip tambahan.

  1. PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION | Octariadi |... doi.org/10.33365/jti.v14i1.462PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION Octariadi doi 10 33365 jti v14i1 462
  2. Pengenalan Citra Huruf Hijaiah Menggunakan Metode Gray Level Co-Occurrence Matrices (Glcm) Dengan 4 Sudut... jtika.if.unram.ac.id/index.php/JTIKA/article/view/140Pengenalan Citra Huruf Hijaiah Menggunakan Metode Gray Level Co Occurrence Matrices Glcm Dengan 4 Sudut jtika if unram ac index php JTIKA article view 140
Read online
File size390.15 KB
Pages8
DMCAReport

Related /

ads-block-test