PENGENALAN TULISAN TANGAN BAHASA KOREA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR ALEXNET

Grasella Adella, Virginia (2022) PENGENALAN TULISAN TANGAN BAHASA KOREA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR ALEXNET. Diploma thesis, Universitas Multi Data Palembang.

Text Virginia Grasella Adella 1822250007.pdf Download (1MB)

Abstract

Budaya populer dari Korea Selatan atau lebih dikenal dengan Korean Wave memiliki penggemar yang besar di Indonesia. Dengan tingginya minat masyarakat terhadap budaya Korea, ketertarikan akan bahasa yang digunakan di Korea sendiri juga meningkat. Dalam pengenalan kosakata Bahasa Korea ada kemungkinan mengalami beberapa kendala dikarenakan bentuk dan pola pada huruf yang cukup sama antara satu dengan yang lainnya, tetapi makna yang terkandung didalamnya berbeda-beda. Penelitian ini bertujuan untuk mengenali tulisan tangan dalam Bahasa Korea menggunakan Convolutional Neural Network dengan arsitektur AlexNet. Dataset yang digunakan berisi 1000 citra dan dibagi menjadi 800 data latih dan 200 data uji. Penelitian terdiri dari 3 skenario yaitu penelitian menggunakan optimizer Adam, optimizer SGD dan menggunakan optimizer RMSprop. Dalam penelitian ini menggunakan batchsize sebesar 40 dan learning rate sebesar 0,0001. Penggunaan optimizer Adam, SGD dan RMSprop menghasilkan nilai precision, recall, dan accuracy yang berbeda. Hasil akurasi tertinggi pada penelitian ini diperoleh dari optimizer SGD dengan tingkat akurasi sebesar 78,5%.

Actions (login required)

View Item