Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16

  • Aldo Willyanto Universitas Multi Data Palembang
  • Derry Alamsyah Universitas Multi Data Palembang
  • Hafiz Irsyad Universitas Multi Data Palembang

Abstract

Hiragana merupakan aksara yang digunakan untuk menulis kata-kata dalam bahasa
Jepang. Hiragana memiliki 46 jenis huruf, diantaranya 5 huruf vokal dan 41 huruf konsonan.
Aksara Hiragana penting dipelajari untuk orang yang ingin mempelajari bahasa Jepang. Oleh
karena itu, pentingnya teknologi bantuan untuk dapat mempermudah mempelajari bahasa
Jepang. Pada penelitian ini, menggunakan objek tulisan tangan huruf Jepang Hiragana dengan
metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalah
arsitektur VGG-16. Objek penelitian yang digunakan adalah 30 buah per jenis huruf dengan
total 1380 buah. Penelitian menggunakan 3 macam skenario, yaitu skenario dengan
menggunakan optimizer Adam dengan rentang learning rate dari 0,0001 hingga 0,1; optimizer
SGD dengan rentang learning rate dari 0,0001 hingga 0,1; dan optimizer RMSprop dengan
rentang learning rate dari 0,0001 hingga 0,1. Hasil penelitian terbaik terdapat di skenario
dengan optimizer Adam dan pada learning rate 0,0001 dengan nilai accuracy sebesar 97,6%;
precision sebesar 97,9%; recall sebesar 98%; dan nilai f1 score sebesar 97,5%.

Published
2021-10-05
How to Cite
Willyanto, A., Alamsyah, D., & Irsyad, H. (2021, October 5). Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16. Jurnal Algoritme, 2(1), 1-11. https://doi.org/https://doi.org/10.35957/algoritme.v2i1.1450