Deteksi Karakter Hiragana Menggunakan Metode Convolutional Neural Network

Abstract

Salah satu jenis huruf dasar yang digunakan dalam Bahasa Jepang ialah Hiragana. Dalam penulisan Hiragana memiliki aturan guratan dasar atau berbentuk garis – garis dan coretan melengkung (kyokusenteki), penulisan dari garis atas ke bawah atau dari kiri ke kanan. Aturan tersebut harus diikuti dan diperhatikan. Diusulkan penggunaan Metode Convolutional Neural Network (CNN) untuk melakukan pengenalan terhadap tulisan tangan karakter Hiragana. Pada tahap preprocessing, terdapat proses segmentasi yang menggunakan metode thresholding, setelah itu dilakukan proses menghilangkan noise, mengubah ukuran, dan proses normalisasi dengan cara memotong gambar dataset. Pada tahap pengujian, digunakan Metode Adam Optimizer sebagai alat untuk menguji metode yang digunakan dimana akan menghasilkan nilai akurasi. Dengan menggunakan 1000 dataset gambar yang terdiri dari 50 karakter, masing-masing karakter memiliki 20 sampel gambar. Dari 1000 data tersebut, telah dilakukan variasi data dengan melakukan split dataset. Dalam penelitian ini dilakukan 2 kali percobaan dengan variasi data 70:30 dan 60:40. Akurasi yang didapat yaitu 86,5% dan 83%.. Akurasi yang di dapat menggunakan split dataset 70:30 ternyata menghasilkan prosentase lebih tinggi di banding menggunakan split dataset 60:40.