PENGENALAN POLAAKSARA ULU BANYUASIN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM)

HARDIMAN, HARDIMAN (2025) PENGENALAN POLAAKSARA ULU BANYUASIN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM). Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (2MB)
	Text (BAB 1) BAB 1.pdf Download (418kB)
	Text (DAFTAR PUSTAKA) DP.pdf Download (409kB)
	Text (LAPORAN HASIL) LH.pdf Restricted to Repository staff only Download (8MB)
	Text (LAMPIRAN) L.pdf Download (2MB)

Abstract

Pengenalan pola aksara merupakan salah satu tantangan dalam pengolahan citra digital. Penelitian ini membahas klasifikasi aksara Ulu Banyuasin menggunakan kombinasi Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). CNN dengan arsitektur VGG16, digunakan sebagai metode ekstraksi fitur, sedangkan proses klasifikasi dilakukan menggunakan dua pendekatan, yaitu Multi-Layer Perceptron (MLP) dan SVM. Dataset yang digunakan terdiri atas berbagai jenis aksara Ulu Banyuasin yang telah melalui tahap preprocessing untuk meningkatkan kualitas input data. Hasil penelitian menunjukkan bahwa model VGG16 yang dikombinasikan dengan SVM mencapai akurasi sebesar 99%, lebih tinggi dibandingkan dengan kombinasi VGG16 dan MLP yang hanya memperoleh akurasi 93%. Performa superior dari VGG16-SVM mengindikasikan bahwa penggunaan SVM sebagai classifier setelah ekstraksi fitur dengan CNN dapat meningkatkan akurasi secara signifikan. Meskipun demikian, kemungkinan overfitting tetap perlu diperhatikan, terutama dalam penggunaan model yang kompleks. Oleh karena itu, beberapa strategi seperti augmentasi data, tuning hyperparameter, dan regularisasi dapat diterapkan untuk meningkatkan generalisasi model. Dengan hasil ini, metode VGG16-SVM terbukti lebih efektif dalam mengenali pola aksara Ulu Banyuasin secara otomatis. Penerapan kombinasi metode ini dapat diperluas ke berbagai sistem pengenalan karakter lainnya guna meningkatkan akurasi dan efisiensi dalam klasifikasi aksara berbasis citra digital.

Actions (login required)

View Item