Penerapan Jaringan Syaraf Tiruan Backpropagation dalam Pengenalan Huruf Hijaiyah
Article Sidebar
Main Article Content
Abstract
Pemanfaatan teknologi dalam pembelajaran bahasa Arab dan Al-Qur'an masih kurang dan terkendala oleh minimnya sistem yang mampu mengenali huruf hijaiyah tulisan tangan secara akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi huruf hijaiyah tulisan tangan menggunakan Jaringan Syaraf Tiruan (JST) algoritma backpropagation yang digabungkan dengan teknik ekstraksi ciri bentuk dan tekstur (GLCM). Dataset terdiri dari 1200 data latih dan 450 data uji dengan citra huruf hijaiyah tulisan tangan. Tahapan penelitian meliputi preprocessing citra (resize, grayscale, Gaussian filter, binarisasi Otsu), ekstraksi 24 fitur (8 fitur bentuk dan 16 fitur GLCM), normalisasi, serta pelatihan dan pengujian model. Hasil pelatihan model mencapai akurasi sempurna 100%, sedangkan hasil pengujian pada data tulisan tangan menggunakan data Kaggle sebesar 93,77%. Sedangkan pengujian menggunakan tulisan tangan secara langsung sebesar 93%. Namun, ketika diuji dengan data huruf font digital yang belum pernah dilihat sebelumnya, akurasi sistem menurun drastis menjadi 20%. Hasil ini menyimpulkan bahwa model backpropagation yang dibangun sangat efektif untuk mengenali pola spesifik dari dataset tulisan tangan yang dilatih, namun memiliki kemampuan generalisasi yang terbatas terhadap variasi bentuk huruf yang baru.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
[2] M. Fathurrahman dan R. Dwiyansaputra, “Pengenalan Citra Huruf Hijaiah Menggunakan Metode Gray Level Co-Occurrence Matrices (Glcm) Dengan 4 Sudut Orientasi Dan Jaringan Syaraf Tiruan Backpropagation,” Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ), vol. 3, no. 1, hlm. 146–154, 2021, doi: 10.29303/jtika.v3i1.140.
[3] R. A. Saputra dan Asdar, “Pengenalan Pola Huruf Hijaiah dengan Metode Backpropagation,” Proceedings - Konferensi Nasional Ilmu Komputer (KONIK), hlm. 424–427, 2021.
[4] Lisa Amelia Putri, Andriani Sitorus, Nurul Fitriah, Havni Virul, Syawaliah Putri Rangkuti, dan Supiyandi Supiyandi, “Pengolahan Citra Huruf Hijaiyah Menggunakan Algoritma Support Vector Machine,” Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi, vol. 2, no. 3, hlm. 01–15, 2024, doi: 10.61132/neptunus.v2i3.168.
[5] T. H. Saragih dan N. Huda, “Jaringan Syaraf Tiruan Backpropagation Dengan Adaptive Moment Estimation Untuk Klasifikasi Penyakit Covid-19 Di Kalimantan Selatan,” Epsilon: Jurnal Matematika Murni Dan Terapan, vol. 16, no. 2, hlm. 162, 2022, doi: 10.20527/epsilon.v16i2.6792.
[6] E. G. Walker dan D. David, “Penerapan Jaringan Syaraf Tiruan Backpropagation Dalam Sistem Pakar Diagnosa Virus TORCH,” Sisfotenika, vol. 10, no. 1, hlm. 87, 2020, doi: 10.30700/jst.v10i1.947.
[7] B. C. Octariadi, “Pengenalan Pola Tanda Tangan Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation,” Jurnal Teknoinfo, vol. 14, no. 1, hlm. 15, 2020, doi: 10.33365/jti.v14i1.462.
[8] G. Gumelar dkk., “Jurnal Computer Science and Information Technology ( CoSciTech ) Implentation of CNN for Corn Leaf Disease Identification,” vol. 6, no. 2, hlm. 175–180, 2025.
[9] M. H. Abdullah dkk., “Penerapan Algoritma Backpropagation untuk Memprediksi Jumlah Pemain pada Game Valorant,” Jurnal Informasi dan Teknologi), vol. 1, no. 3, hlm. 12–23, 2024, [Daring]. Tersedia pada: https://jurnal.ftkom.uncp.ac.id/index.php/jitu/article/view/71%0Ahttps://jurnal.ftkom.uncp.ac.id/index.php/jitu/article/download/71/85
[10] B. Baso, D. Nababan, R. Risald, dan R. Y. Kolloh, “Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter,” Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), vol. 5, no. 1, hlm. 1–6, 2022, doi: 10.34012/jutikomp.v5i1.2586.
[11] A. C. Siregar dkk., “Jurnal Computer Science and Information Technology ( CoSciTech ) Klasifikasi Penyakit Daun Tanaman Timun Berbasis Convolutional Neural Network ( CNN ) Classification of Cucumber Leaf Diseases Based on Convolutional Neural Network ( CNN ),” vol. 6, no. 2, hlm. 285–291, 2025.
