Arsitektur yang diusung di makalah ini bernama SIP-Net mendapatkan akurasi pada data uji sebesar 99.7%. Dalam makalah ini dilakukan optimisasi berupa augmentasi data karena data yang tidak banyak sehingga dengan data yang sedikit maka variasi data pelatihan akan bertambah. Dataset tersebut terdiri dari 2100 data dengan 30 kelas yakni huruf alif hingga ya yang ditulis oleh 4 orang berbeda dengan 80% digunakan sebagai data latih dan 20% adalah data tes. Model CNN dilatih menggunakan dataset Hijaiyah1SKFI. Convolutional Neural Network (CNN) adalah salah satu algoritma deep learning yang efektif dalam mengolah citra yang dapat dilatih baik secara supervised learning maupun unsupervised learning. Tantangan seperti banyaknya bentuk variasi tulisan tangan huruf hijaiyah, pemilihan arsitektur yang tepat, dan banyak data pelatihan yang dibutuhkan agar sistem dapat memprediksi secara akurat. Dalam pengimplementasiannya terdapat beberapa tantangan. Sistem pengenalan tulisan tangan huruf hijaiyah diperlukan untuk melakukan koreksi otomatis terhadap seseorang yang tengah belajar menulisnya.
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |