KLASIFIKASI KEPRIBADIAN MELALUI GAMBAR TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Abstrak

Salah satu alasan mengapa teknologi berkembang pesat adalah karena efektivitas dan efisiensi waktu. Masalah yang ditemukan oleh penulis yaitu tentang ilmu psikologis yang tidak banyak dikuasai orang khususnya ilmu pembacaan tulisan tangan sehingga membutuhkan pelatihan dan pembelajaran khusus. Peneliti bertujuan membangun dan mencari nilai parameter paling optimal untuk pengenalan tulisan tangan dengan sebuah gambar berbasis deep learning. Peneliti menggunakan mengumpulkan gambar dengan teknik Simple Random Sampling untuk dijadikan dataset dan metode CNN (Convolutional Neural Network) berbasis AlexNet sebagai metode untuk melakukan pengujian dan percobaan pengenalan gambar tulisan tangan. Penelitian ini menghasilkan nilai-nilai parameter paling optimal berdasarkan pengujian dari beberapa parameter yang ada. Tujuan dari penelitian ini adalah untuk mempermudah para peneliti lain yang ingin membuat aplikasi deep learning pengenalan gambar. Sumber dataset yang dipakai pada penelitian ini didapatkan dari gambar scan atau foto tulisan tangan orang-orang sekitar sebanyak 418 gambar. Pengujian dilakukan dengan aplikasi MatLab dan beberapa parameter yang dilakukan ujicoba yaitu input size, epoch, mini batch size dan learning rate. Pada akhir pengujian peneliti mendapatkan hasil akurasi pengenalan sebesar 94.17 persen dan telah memberikan hasil yang sangat baik dan sesuai harapan. Peneliti menyimpulkan bahwa pembangunan aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti menyimpulkan bahwa aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti lain dapat menjadikan penelitian ini sebagai acuan untuk mengembangkan menjadi lebih baik lagi.