Al-Qur’an merupakan kitab suci agama Islam. Al-Qur’an terdapat huruf-huruf arab yang disebut huruf hijaiyah dengan jumlah 28 huruf. Huruf-huruf tersebut memiliki keunikan yang dilihat dari kemiripan bentuk, akan tetapi memiliki perbedaan yang cukup signifikan. Huruf-huruf yang memiliki kemiripan bentuk diantaranya ( ذر ز س ش ص ض ط ظ ع غ ف ق ت ث ج خ د ).Untuk dapat mengklasifikasi kemiripan bentuk huruf tersebut dibutuhkan suatu metode. Pada penelitian sebelumnya menggunakan machine learning konvensional. Penelitian ini menggunakan Convolutional Neural Network (CNN) AlexNet dan VGG16. Metode tersebut digunakan untuk klasifikasi citra huruf hijaiyah yang dapat melakukan ekstraksi fitur otomatis. Dataset diperoleh dari dataset publik. Jumlah dataset yaitu 16.800 yang terdiri dari 28 kelas dengan 600 images per kelas. Hasil penelitian menunjukkan perbandingan nilai akurasi. Klasifikasi citra huruf hijaiyah dengan variasi nilai variabel menggunakan Convolutional Neural Network (CNN) AlexNet pada epoch 10 menghasilkan nilai akurasi 95.5% dan untuk VGG16 menghasilkan nilai akurasi 95.8%. Perbandingan nilai akurasi lebih bagus arsitektur VGG16. Sedangkan pada AlexNet epoch 50 menghasilkan nilai akurasi 97.4% dan untuk VGG16 menghasilkan nilai akurasi 96.9%. Perbandingan nilai akurasi lebih bagus arsitektur AlexNet. Nilai akurasi lebih bagus karena tingkat kedekatan nilai prediksi dengan nilai target tinggi.


Deskripsi Lain

Al-Quran is the holy book of Islam. Al-Qur'an contains Arabic letters called hijaiyah letters with a total of 28 letters. These letters are unique in terms of the similarity in shape, but have significant differences. Letters that have a similar shape include (ذ ر ز س ش ص ض ط ظ ع غ ف ق ت ث ج خ د ). To be able to classify the similarity of the letter forms, a method is needed. In previous studies using conventional machine learning. This study uses Convolutional Neural Network (CNN) AlexNet and VGG16. This method is used for image classification of hijaiyah letters which can perform automatic feature extraction. The dataset is obtained from the public dataset. The number of datasets is 16,800 which consists of 28 classes with 600 images per class. The results showed a comparison of the accuracy values. Hijaiyah image classification with variable value variations using the AlexNet Convolutional Neural Network (CNN) on epoch 10 produces an accuracy value of 95.5% and for VGG16 produces an accuracy value of 95.8%. Comparison of accuracy values ​​is better than VGG16 architecture. While the AlexNet epoch 50 produces an accuracy value of 97.4% and for VGG16 it produces an accuracy value of 96.9%. Comparison of accuracy value is better than AlexNet architecture. The accuracy value is better because of the high proximity of the predicted value to the target value.

• PENGGUNAAN METODE FUZZY DALAM SISTEM REKOMENDASI PADA APLIKASI MANAJEMEN OBAT
• SISTEM INFORMASI KEPEGAWAIAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) BERBASIS WEB DI KOPERASI PEGAWAI TELKOM CITRA RAJAWALI PAMEKASAN
• SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEB DI DINAS PENDIDIKAN KABUPATEN SUMENEP
• EKSTRAKSI FITUR PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK PENGENALAN HURUF ABJAD BAHASA ISYARAT PADA SISTEM ISYARAT BAHASA INDONESIA (SIBI)
• PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS (PAM)