SISTEM PENGENALAN DAN TRANSLITERASI AKSARA LAMPUNG BERBASIS PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Desi , Rahma Utami (2024) SISTEM PENGENALAN DAN TRANSLITERASI AKSARA LAMPUNG BERBASIS PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN). TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK_Desi Rahma Utami_1815031043 - Desi Rahma Utami.pdf Download (10Kb) | Preview
	File PDF FULL SKRIPSI_DESI RAHMA UTAMI_1815031043 - Desi Rahma Utami.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA PEMBAHASAN_DESI RAHMA UTAMI_1815031043 - Desi Rahma Utami.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Era digital mempunyai potensi kebermanfaatan namun juga kerugian dalam proses pengembangannya. Pada bidang sosial budaya, salah satu pengaruh, ialah menimbulkan perubahan pada pola interaksi antar masyarakat terkhusus dalam penggunaan bahasa dan aksara daerah yang dinilai kuno dan tertinggal. Salah satu daerah yang mempunyai aksara ialah provinsi Lampung. Menyikapi hal tersebut, perlu adanya teknologi informasi yang mampu menghilangkan stigma kuno dan tertinggal tanpa menghilangkan nilai luhur dari suatu budaya. Salah satu fokus ilmu yang dinilai mampu melakukan penerapan teknologi yang mampu melakukan proses mengenali dan mentransliterasi data citra aksara Lampung dalam kata, ialah Convolusion Neural Network (CNN). Sistem pengenalan dan transliterasi aksara Lampung dengan model pembelajaran CNN ini memiliki tingkat akurasi pengujian sebesar 80 %. Penelitian ini menggunakan perangkat lunak Code editor Visual Studio Code dengan Bahasa pemrograman Python 3.9.4 64 bit, 1732 masukan data citra yang terbagi dalam 4 kelas (output) dengan masing-masing 423 citra untuk membangun sistem dan 10 citra untuk menguji sistem pada masing-masing katanya, dengan fungsi optimasi Root Mean Square Propagation (RMSProp), jenis pooling berupa max pooling, dropout 0.01, features extraction (pengenalan) sebanyak 4 layer dan classification (transliterasi) sebanyak 3 layer. Kata kunci : Aksara Lampung, Pengenalan, Transliterasi, CNN, Data Citra The digital era has potential benefits but also losses in the development process. In the socio-cultural field, one of the influences is causing changes in interaction patterns between communities, especially in the use of regional languages and scripts which are considered ancient and underdeveloped. One area that has script is Lampung province. In response to this, there is a need for information technology that is able to eliminate ancient and backward stigmas without eliminating the noble values of a culture. One of the scientific focuses that is considered capable of implementing technology that is capable of carrying out the process of recognizing and transliterating Lampung script image data into words is Convolution Neural Network (CNN). The Lampung script recognition and transliteration system with the CNN learning model has a testing accuracy rate of 80%. This study uses Visual Studio Code editor software with Python 3.9.4 64 bit programming language, 1732 image data inputs divided into 4 classes (output) with 423 images each to build the system and 10 images to test the system on each word, with the Root Mean Square Propagation (RMSProp) optimization function, pooling type in the form of max pooling, dropout 0.01, features extraction (recognition) as many as 4 layers and classification (transliteration) as many as 3 layers. Keyword : Lampung Script, Recognition, Transliteration, CNN, Image Data

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	. . Yulianti
Date Deposited:	05 Feb 2025 04:02
Terakhir diubah:	05 Feb 2025 04:02
URI:	http://digilib.unila.ac.id/id/eprint/82095

Actions (login required)

Lihat Karya Akhir