PENGENALAN HURUF BAHASA IBRANI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Tee Baldi, Julian Rusli (2023) PENGENALAN HURUF BAHASA IBRANI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Multi Data Palembang.

Text Julian Rusli Tee Baldi 1923250004.pdf Download (2MB)

Abstract

Bahasa Ibrani penting dikarenakan bahasa Ibrani erat hubungannya dengan Edenics. Edenics adalah bahasa ibu Semit yang terurai ke dalam 70 bahasa pada sekitar 3.784 tahun yang lalu. Melalui penelitian Mozeson tentang "Bahasa Edenic" dalam kaitannya dengan bahasa Ibrani yang mempengaruhi banyak bahasa di dunia. Bahasa Ibrani merupakan bahasa resmi Israel dan digunakan oleh sebagian orang Yahudi di seluruh dunia. Bahasa Ibrani merupakan bahasa yang hampir punah sebagai bahasa yang dituturkan pada Abad Kuno, namun bahasa Ibrani sangat berperan penting dikarenakan digunakan untuk mempelajari Alkitab dan Mishnah. Oleh sebab itu, penelitian ini dibuat sebagai sistem penerjemah huruf alfabet Ibrani. Pada penelitian ini, penulis menggunakan 27 huruf alfabet Ibrani serta menggunakan metode Convolution Neural Network (CNN) dengan arsitektur AlexNet. Pengenalan huruf Ibrani ini dibuat menggunakan bahasa pemrograman Python dengan menggunakan Google Colaboratory. Dataset yang digunakan terbagi menjadi 27 huruf pada setiap data training dan testing. Jumlah data latih atau training adalah 27 huruf x 135 gambar = 3.638 gambar. Jumlah data uji atau testing adalah 27 huruf x 30 gambar = 810 gambar. Penggunaan optimizer seperti Adam, SGD dan RMSprop menghasilkan nilai precision, recall, dan accuracy yang berbeda. Hasil akurasi tertinggi pada penelitian ini diperoleh dari optimizer Adam dengan tingkat akurasi sebesar 81,5%.

Actions (login required)

View Item