CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK PENGKLASIFIKASIAN AKSARA JAWA

HARJOSEPUTRO, YULIUS CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK PENGKLASIFIKASIAN AKSARA JAWA. [Research]

Text (Yulius Harjoseputro) TF04.15.897.pdf Download (2MB)

Abstract

Computer Vision memiliki permasalahan yang penting di dalamnya adalah salah satunya yang berkaitan dengan klasifikasi citra, dimana pada dasarnya klasifikasi citra biasa digunakan untuk mendeteksi suatu objek di dalam suatu citra. Proses klasifikasi citra ini dianggap tidak mudah untuk dilakukan oleh komputer, oleh karena itu untuk mempermudah komputer dalam proses pengklasifikasian citra maka beberapa peneiliti menggunakan beberapa metode, diantaranya yang paling klasik digunakan adalah metode jaringan syaraf tiruan. Akan tetapi dalam penggunaan metode tersebut masih terdapat batasannya, diantaranya jumlah neuron yang digunakan sehingga hasil yang digunakan untuk klasifikasi citra masih belum optimal. Sementara itu salah satu metode yang sangat populer belakangan ini untuk menangani keterbatasan dari metode yang sebelumnya adalah dengan menggunakan teknik dari Deep Learning yakni menggunakan metode Convolutional Neural Network (CNN). Berdasarkan hasil penelitian yang telah dilakukan dengan metode CNN dalam hal ini menghasilkan tingkat akurasi untuk trainingnya adalah sebesar 90% dengan waktu training menggunakan GPU sebesar 409.25 detik. Lalu tingkat akurasi untuk tes pengklasifikasian aksara jawa yang cukup baik yakni sebesar 85%, dimana ini merupakan modal yang sangat baik untuk dikembangkan menjadi sebuah sistem yang dapat mengenali rangkaian aksara jawa.

Actions (login required)

View Item