Logo Lanfrica
  • Accueil
  • Atlas
  • Analyses
  • Documentation
  • Sign in

© 2026 Lanfrica. Tous droits réservés. Tous les droits d'auteur des ressources affichées sur le site Web Lanfrica appartiennent aux détenteurs de droits d'auteur d'origine, sauf indication contraire explicite.

Analisa Performa Convolution Neural Network Dalam Pengenalan Tulisan Tangan Aksara Lontara

Domaine:

natural language processing

Type de record:

datasetpaper
Créateur:
Ni Jok
Éditeur:
IPM
Hôte:
Aksara Lontara merupakan warisan budaya Nusantara yang perlu dilestarikan melalui teknologi modern. Penelitian ini menerapkan Convolutional Neural Network (CNN) untuk mengenali tulisan tangan aksara Lontara, yang terdiri dari 23 karakter dengan berbagai variasi bentuk. Dataset terdiri dari 7.452 gambar pelatihan dan 3.726 gambar validasi. Tahap preprocessing mencakup normalisasi dan augmentasi data untuk meningkatkan generalisasi. Model CNN memiliki tiga lapisan konvolusi, fungsi aktivasi ReLU, dropout untuk mencegah overfitting, dan softmax di lapisan keluaran. Optimasi dilakukan menggunakan algoritma Adam dengan fungsi loss categorical crossentropy. Hasil menunjukkan akurasi pelatihan sebesar 93,04% dan validasi 92,27%, dengan nilai kerugian yang menurun signifikan. Analisis grafik menunjukkan konsistensi antara data pelatihan dan validasi, memperlihatkan kemampuan generalisasi yang baik. Penelitian ini membuktikan efektivitas CNN dalam pengenalan aksara Lontara, mendukung pelestarian warisan budaya melalui digitalisasi.

Visit

doi.org

Tasks

optical character recognitioncomputer vision

Languages

PévéSaya

Licenses

http://creativecommons.org/licenses/by-nc/4.0

Similaires

PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNGImplementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural NetworkAnalisa Performa Algoritma Convolutional Neural Network (CNN) dengan Arsitektur YOLOv8 untuk Deteksi Penyakit Daun Tanaman Hortikultura TropisPenerapan Convolutional Neural Network (CNN) pada Pengenalan Aksara Lampung Berbasis Optical Character Recognition (OCR)Analisa Performa Arsitektur Model Convolutional Neural Network Dengan Variasi Jumlah Hidden Layer Untuk Klasifikasi Tuberculosis Pada Citra X-RayMalaria detection using Deep Convolution Neural Network

PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNG

Pengenalan tulisan tangan atau biasa disebut Hand Writing Recognition (HWR)adalahsebuah sistem kompu

Implementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network

Aksara Sunda merupakan salah satu aksara daerah Indonesia khususnya masyarakat Sunda. Seiring dengan

Analisa Performa Algoritma Convolutional Neural Network (CNN) dengan Arsitektur YOLOv8 untuk Deteksi Penyakit Daun Tanaman Hortikultura Tropis

Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap performa arsitektur Convolutio

Penerapan Convolutional Neural Network (CNN) pada Pengenalan Aksara Lampung Berbasis Optical Character Recognition (OCR)

Provinsi Lampung memiliki bahasa dan aksara daerah yang disebut juga dengan Had Lampung atau KaGaNga

Analisa Performa Arsitektur Model Convolutional Neural Network Dengan Variasi Jumlah Hidden Layer Untuk Klasifikasi Tuberculosis Pada Citra X-Ray

Tuberculosis is a deadly infectious disease of the lungs caused by the bacteria Mycobacterium tuberc

Malaria detection using Deep Convolution Neural Network

The latest WHO report showed that the number of malaria cases climbed to 219 million last year, two