PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNG

MAHARIL, AZZIN (2022) PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNG. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi16312042.pdf - Published Version Restricted to Registered users only Download (982kB) | Request a copy
	Text (Abstral) abstrak16312042.pdf - Published Version Download (31kB)
	Text (BAB I Pendahuluan) b116312042.pdf Download (44kB)
	Text (BAB II Landasan Teori) b216312042.pdf Download (409kB)
	Text (Daftar Pustaka) daftar_pustaka16312042.pdf - Bibliography Download (100kB)

Abstract

Pengenalan tulisan tangan atau biasa disebut Hand Writing Recognition (HWR) adalah sebuah sistem komputer yang dapat digunakan untuk mengenali huruf yang berasal dari tulisan tangan. HWR sendiri merupakan sistem yang dikembangkan dari Optical Character Recognition (OCR), dengan adanya sistem HWR ini diharapkan komputer dapat membaca dan mengenali huruf-huruf ataupun karakter yang dimasukkan oleh user dalam bentuk tulisan tangan. Data yang digunakan pada penelitian ini berupa data gambar tulisan tangan aksara lampung sebanyak 20 aksara. Pada penelitian kali ini penulis akan membandingkan dua model deep learning yaitu VGG16 dan ResNet50. Hasil dari penelitian ini menunjukan bahwa model arsitektur VGG16 memberikan hasil akurasi 91% serta waktu training yang lebih baik, sedangkan untuk ResNet50 memberikan hasil akurasi sebesar 65% dan memerlukan waktu komputasi yang lebih lama dan hasil akurasi yang kecil.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Aksara Lampung, Tulisan Tangan, Deep Learning
Subjects:	INFORMATIKA > TH Building construction
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	25 Nov 2022 09:47
Last Modified:	25 Nov 2022 09:47
URI:	http://repository.teknokrat.ac.id/id/eprint/4075

Actions (login required)

View Item