Rus'an, Zanuar Ekaputra (2021) Perbandingan Algoritma Deep Learning dalam mengenal Huruf Hijaiyah. Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (121kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (96kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (77kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (171kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (215kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (594kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (180kB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (95kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (163kB) | Request a copy |
Abstract
Huruf Hijaiyah merupakan huruf-huruf yang ada pada Al-Qur’an. Proses pembelajaran Al-Qur’an dimulai dengan mengenali huruf hijaiyah terlebih dahulu. Inovasi dalam hal pembelajaran dan evaluasi juga tidak kalah penting dalam untuk mengajar dan mengevaluasi tulisan dan huruf Al-Qur’an. Algoritma Convolutional Neural Network merupakan algoritma jaringan saraf tiruan yang dapat memproses data gambar dengan baik. Region Convolutional Neural Network merupakan sebuah algoritma dasar deteksi objek yang menggunakan selective search sebagai detektornya. Faster Region Convolutional Neural Network merupakan sebuah algoritma pendeteksi objek yang menggunakan Region Proposal Network sebagai detektornya. Ketiga algoritma ini dibandingkan untuk mengetahui mana algoritma yang paling baik dalam mengenal huruf hijaiyah. Pada hasil penelitian, Faster RCNN menjadi algoritma yang terbaik untuk mengenal huruf hijaiyah. Faster RCNN memiliki nilai loss yang rendah sebesar 0,096 untuk klasifikasi dan akurasi yang tinggi sebesar 86,99 pada saat mendeteksi huruf hijaiyah.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Huruf Hijaiyah; CNN;R-CNN; Faster R-CNN |
| Subjects: | Al-Qur'an (Al Qur'an, Alquran, Quran) dan Ilmu yang Berkaitan > Al-Qur'an dan Terjemahan dalam Bahasa Indonesia Applied mathematics > Programming Mathematics Technology, Applied Sciences |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Zanuar Ekaputra Rus'an |
| Date Deposited: | 13 Sep 2021 02:29 |
| Last Modified: | 13 Sep 2021 02:29 |
| URI: | https://etheses.uinsgd.ac.id/id/eprint/43281 |
Actions (login required)
 |
View Item |
