Permana, Mochamad Anwar Wirahadi (2024) Penerapan algoritma Convolutional Neural Network dengan arsitektur Resnet-50 untuk perangkat lunak pembeda jenis mad lazim. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (29kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (82kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (86kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (171kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (323kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (240kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (504kB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (76kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (155kB) | Request a copy |
Abstract
Mad lazim merupakan salah satu hukum dalam ilmu tajwid yang sering terkandung dalam bacaan Al – Qur’an. Namun pada kenyataanya masih banyak muslim di Indonesia yang masih belum mengenal dan belum mampu membedakan keempat jenis mad lazim. Sehingga dilakukan penelitian yang bertujuan untuk membuat perangkat lunak yang mampu membedakan keempat jenis mad lazim dengan menggunakan gambar sebagai input. Metode yang digunakan dalam penelitian ini adalah dengan menggunakan metode CRISP-DM sebagai kerangka kerja penyelesaian masalah. Algoritma yang digunakan adalah Convolutional Neural Network yang menggunakan arsitektur Resnet-50. Penelitian ini menggunakan 890 data gambar sebagai dataset yang terbagi kedalam enam kelas. Pengujian dilakukan dengan 18 variasi hyperparameter. Hasil penelitian memberikan model terbaik dengan nilai akurasi sebesar 93.26%, nilai loss sebesar 0.2315 dan waktu pelatihan selama 140 detik. Hasil uji lapangan menunjukan bahwa model mampu menebak 24 gambar dari 30 gambar yang diberikan. Hal ini menunjukan bahwa model CNN dengan arsitektur ResNet-50 mampu diaplikasikan untuk membedakan jenis – jenis mad lazim.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Mad lazim; Computer Vision; Convolutional Neural Network; Resnet-50; Klasifikasi gambar |
| Subjects: | Special Computer Methods > Artificial Intelligence |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Mochamad Anwar Wirahadi Permana |
| Date Deposited: | 12 Aug 2024 07:10 |
| Last Modified: | 12 Aug 2024 07:10 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/93324 |
Actions (login required)
 |
View Item |
