Perbandingan Algoritma Deep Learning dalam mengenal Huruf Hijaiyah

Rus'an, Zanuar Ekaputra (2021) Perbandingan Algoritma Deep Learning dalam mengenal Huruf Hijaiyah. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (121kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (96kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (77kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (171kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (215kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (594kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (180kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (95kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (163kB) | Request a copy

Abstract

Huruf Hijaiyah merupakan huruf-huruf yang ada pada Al-Qur’an. Proses pembelajaran Al-Qur’an dimulai dengan mengenali huruf hijaiyah terlebih dahulu. Inovasi dalam hal pembelajaran dan evaluasi juga tidak kalah penting dalam untuk mengajar dan mengevaluasi tulisan dan huruf Al-Qur’an. Algoritma Convolutional Neural Network merupakan algoritma jaringan saraf tiruan yang dapat memproses data gambar dengan baik. Region Convolutional Neural Network merupakan sebuah algoritma dasar deteksi objek yang menggunakan selective search sebagai detektornya. Faster Region Convolutional Neural Network merupakan sebuah algoritma pendeteksi objek yang menggunakan Region Proposal Network sebagai detektornya. Ketiga algoritma ini dibandingkan untuk mengetahui mana algoritma yang paling baik dalam mengenal huruf hijaiyah. Pada hasil penelitian, Faster RCNN menjadi algoritma yang terbaik untuk mengenal huruf hijaiyah. Faster RCNN memiliki nilai loss yang rendah sebesar 0,096 untuk klasifikasi dan akurasi yang tinggi sebesar 86,99 pada saat mendeteksi huruf hijaiyah.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Huruf Hijaiyah; CNN;R-CNN; Faster R-CNN
Subjects: Al-Qur'an (Al Qur'an, Alquran, Quran) dan Ilmu yang Berkaitan > Al-Qur'an dan Terjemahan dalam Bahasa Indonesia
Applied mathematics > Programming Mathematics
Technology, Applied Sciences
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Zanuar Ekaputra Rus'an
Date Deposited: 13 Sep 2021 02:29
Last Modified: 13 Sep 2021 02:29
URI: https://digilib.uinsgd.ac.id/id/eprint/43281

Actions (login required)

View Item View Item