Aplikasi Klasifikasi Huruf Hijaiyah Menggunakan Algoritma Convolutional Neural Network dan Random Forest

Frizsa Dias Puspitasari, Sri Anardani

Abstract


Penelitian ini bertujuan untuk menerapkan algoritma Convolutional Neural Network (CNN) dan Random Forest (RF) pada sistem klasifikasi huruf Arab. Sistem dibangun menggunakan bahasa pemrograman Python, HTML, CSS dengan framework Flask melalui metode pengembangan aplikasi website yang disebut Agile Development. Pendekatan ini memungkinkan pengembang untuk merespon dengan cepat dan fleksibel terhadap perubahan kebutuhan dengan mengikuti beberapa tahapan perencanaan, analisis, implementasi desain dan evaluasi. Membandingkan model CNN dengan model RF menunjukkan bahwa CNN memiliki tingkat akurasi yang lebih tinggi mencapai 99,7% sedangkan RF sekitar 74%. Secara keseluruhan penelitian ini menunjukkan hasil yang mengesankan terkait akurasi ketika mengimplementasikan algoritma CNN pada aplikasi berbasis web pengenalan huruf Arab melalui metodologi Agile Development.

Full Text:

PDF

References


Abdulhakim, R., Carudin, & Arif Dermawan, B. (2021). Analisis dan Penerapan Algoritma Convolutional Neural Network untuk Klasifikasi Kendaraan Prioritas. Jurnal Sains Dan Informatika, 7(2), 135–144. https://doi.org/10.34128/jsi.v7i2.335

Abror Mufassiril, N. (2021). Pattern Recognition Tulisan Tangan Huruf Hijaiyah Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Informasi Dan Komputer, 9(2), 6.

Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 36–40. https://doi.org/10.26877/jiu.v7i1.7099

Ahmad Martani, Saripuddin M, & Nurul Ikhsan. (2022). Rancang Bangun Website Company Profile Berbasis Framework Boostrap dan Framework Codeigniter Pada Yayasan Khalifah Cendekia Mandiri. Jurnal Multidisiplin Madani, 2(6), 2895–2912. https://doi.org/10.55927/mudima.v2i6.510

Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434

Amutha, P., & Priya, R. (2022). An optimized random forest for multi class classification to classify the students using machine learning approaches. International Journal of Health Sciences, 6(May), 47310–47324. https://doi.org/10.53730/ijhs.v6ns7.13116

Arbain, A., Muhammad, M. A., Septiana, T., & Septama, H. D. (2022). Learning Hoax News Pada Local Dan Cloud Computing Deployment Menggunakan Google App Engine. Jurnal Informatika Dan Teknik Elektro Terapan, 10(3). https://doi.org/10.23960/jitet.v10i3.2646

Chahal, A., & Gulia, P. (2019). Machine learning and deep learning. International Journal of Innovative Technology and Exploring Engineering, 8(12), 4910–4914. https://doi.org/10.35940/ijitee.L3550.1081219

Dutta, K. K., Sunny, S. A., Victor, A., Nathu, A. G., Ayman Habib, M., & Parashar, D. (2020). Kannada Alphabets Recognition Using Decision Tree and Random Forest Models. Proceedings of the 3rd International Conference on Intelligent Sustainable Systems, ICISS 2020, 534–541. https://doi.org/10.1109/ICISS49785.2020.9315972

Farid Naufal, M. (2021). Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(2), 311–318. https://doi.org/10.25126/jtiik.202184553

Hasyim, F., Malik, K., & Rizal, F. (2021). Implementasi Algoritma Convolutional Neural Networks (CNN) Untuk Klasifikasi Batik. Jurnal Kecerdasan Buatan, Komputasi Dan Teknologi Informasi, X(X), 40–47. https://ejournal.unuja.ac.id/index.php/core

Ihsan, C. N. (2021). Klasifikasi Data Radar Menggunakan Algoritma Convolutional Neural Network (CNN). DoubleClick: Journal of Computer and Information Technology, 4(2), 115. https://doi.org/10.25273/doubleclick.v4i2.8188

Khairani, F., Kurnia, A., Aidi, M. N., & Pramana, S. (2022). Predictions of Indonesia Economic Phenomena Based on Online News Using Random Forest. SinkrOn, 7(2), 532–540. https://doi.org/10.33395/sinkron.v7i2.11401

Kholik, A. (2021). Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram. Jdmsi, 2(2), 10–20.

Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, September, 1–11.

Abdulhakim, R., Carudin, & Arif Dermawan, B. (2021). Analisis dan Penerapan Algoritma Convolutional Neural Network untuk Klasifikasi Kendaraan Prioritas. Jurnal Sains Dan Informatika, 7(2), 135–144. https://doi.org/10.34128/jsi.v7i2.335

Abror Mufassiril, N. (2021). Pattern Recognition Tulisan Tangan Huruf Hijaiyah Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Informasi Dan Komputer, 9(2), 6.

Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 36–40. https://doi.org/10.26877/jiu.v7i1.7099

Ahmad Martani, Saripuddin M, & Nurul Ikhsan. (2022). Rancang Bangun Website Company Profile Berbasis Framework Boostrap dan Framework Codeigniter Pada Yayasan Khalifah Cendekia Mandiri. Jurnal Multidisiplin Madani, 2(6), 2895–2912. https://doi.org/10.55927/mudima.v2i6.510

Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434

Amutha, P., & Priya, R. (2022). An optimized random forest for multi class classification to classify the students using machine learning approaches. International Journal of Health Sciences, 6(May), 47310–47324. https://doi.org/10.53730/ijhs.v6ns7.13116

Arbain, A., Muhammad, M. A., Septiana, T., & Septama, H. D. (2022). Learning Hoax News Pada Local Dan Cloud Computing Deployment Menggunakan Google App Engine. Jurnal Informatika Dan Teknik Elektro Terapan, 10(3). https://doi.org/10.23960/jitet.v10i3.2646

Chahal, A., & Gulia, P. (2019). Machine learning and deep learning. International Journal of Innovative Technology and Exploring Engineering, 8(12), 4910–4914. https://doi.org/10.35940/ijitee.L3550.1081219

Dutta, K. K., Sunny, S. A., Victor, A., Nathu, A. G., Ayman Habib, M., & Parashar, D. (2020). Kannada Alphabets Recognition Using Decision Tree and Random Forest Models. Proceedings of the 3rd International Conference on Intelligent Sustainable Systems, ICISS 2020, 534–541. https://doi.org/10.1109/ICISS49785.2020.9315972

Farid Naufal, M. (2021). Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(2), 311–318. https://doi.org/10.25126/jtiik.202184553

Hasyim, F., Malik, K., & Rizal, F. (2021). Implementasi Algoritma Convolutional Neural Networks (CNN) Untuk Klasifikasi Batik. Jurnal Kecerdasan Buatan, Komputasi Dan Teknologi Informasi, X(X), 40–47. https://ejournal.unuja.ac.id/index.php/core

Ihsan, C. N. (2021). Klasifikasi Data Radar Menggunakan Algoritma Convolutional Neural Network (CNN). DoubleClick: Journal of Computer and Information Technology, 4(2), 115. https://doi.org/10.25273/doubleclick.v4i2.8188

Khairani, F., Kurnia, A., Aidi, M. N., & Pramana, S. (2022). Predictions of Indonesia Economic Phenomena Based on Online News Using Random Forest. SinkrOn, 7(2), 532–540. https://doi.org/10.33395/sinkron.v7i2.11401

Kholik, A. (2021). Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram. Jdmsi, 2(2), 10–20.

Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, September, 1–11.

Nova, S. H., Widodo, A. P., & Warsito, B. (2022). Analisis Metode Agile pada Pengembangan Sistem Informasi Berbasis Website: Systematic Literature Review. Techno.Com, 21(1), 139–148. https://doi.org/10.33633/tc.v21i1.5659

Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network ( CNN ) Pada Ekspresi Manusia. Jurnal Algor, Vol 2(No 1), 12–21.

Pamuji, F. Y., & Ramadhan, V. P. (2021). Komparasi Algoritma Random Forest dan Decision Tree untuk Memprediksi Keberhasilan Immunotheraphy. Jurnal Teknologi Dan Manajemen Informatika, 7(1), 46–50. https://doi.org/10.26905/jtmi.v7i1.5982

Raharjo, B. (2022). Deep Learning dengan Python (M. M. T. Dr. Mars Caroline Wibowo. S.T. (ed.)). Yayasan Prima Agus Teknik.

Ratnawati, L., & Sulistyaningrum, D. R. (2020). Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel. Jurnal Sains Dan Seni ITS, 8(2). https://doi.org/10.12962/j23373520.v8i2.48517

Santoso, J. T. (2022). Proyek Coding dengan Python (M. K. D. Muhammad Sholikan (ed.)). Yayasan Prima Agus Teknik.

Schonlau, M., & Zou, R. Y. (2020). The random forest algorithm for statistical learning. Stata Journal, 20(1), 3–29. https://doi.org/10.1177/1536867X20909688

Suhari, S., Faqih, A., & Basysyar, F. M. (2022). Sistem Informasi Kepegawaian Mengunakan Metode Agile Development di CV. Angkasa Raya. Jurnal Teknologi Dan Informasi, 12(1), 30–45. https://doi.org/10.34010/jati.v12i1.6622

Widiastuti, N., Hermawan, A., & Avianto, D. (2023). Komparasi Algoritma Klasifikasi Datamining untuk Prediksi Minat Pencari Kerja. Jurnal Teknoinfo, 17(1), 219–227.

Yamashita, R., Nishio, M., Do, G. K. R., & Togashi, K. (2021). Convolutional Neural Networks: An Overview and Its Applications in Pattern Recognition. Smart Innovation, Systems and Technologies, 195, 21–30. https://doi.org/10.1007/978-981-15-7078-0_3

Yohannes, Y., Udjulawa, D., & Febbiola, F. (2021). Klasifikasi Lukisan Karya Van Gogh Menggunakan Convolutional Neural Network-Support Vector Machine. Jurnal Teknik Informatika Dan Sistem Informasi, 7(1), 192–205. https://doi.org/10.28932/jutisi.v7i1.3399


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  senatik@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.