Implementasi Jaringan Saraf Tiruan Konvolusional dengan Arsitektur VGG-16 untuk Pengenalan Citra Tanda Tangan Digital Huruf Hiragana

Abstract

. Huruf Hiragana merupakan aksara dasar yang wajib dipelajari oleh pembelajar bahasa Jepang, terutama pada tingkat pemula. Hiragana memiliki 46 jenis huruf yang terdiri dari 5 huruf vokal dan 41 huruf konsonan. Beberapa karakter Hiragana memiliki kemiripan bentuk dasar seperti "nu" (ぬ) dan "me" (め), serta "ne" (ね) dan "wa" (わ), yang menambah kompleksitas dalam proses pengenalannya. Penelitian ini bertujuan untuk mengimplementasikan Jaringan Saraf Tiruan Konvolusional (Convolutional Neural Network) dengan arsitektur VGG-16 dalam mengenali citra tanda tangan digital huruf Hiragana.Dataset yang digunakan dalam penelitian ini berupa citra tulisan tangan digital huruf Hiragana dengan total 1.518 data, masing-masing label (46 jenis huruf) terdiri dari 33 data. Arsitektur VGG-16 dipilih karena terbukti efektif dalam tugas klasifikasi citra. Hyperparameter yang digunakan dalam pelatihan model meliputi 5 epoch, batch size 32, optimizer Adam, dan learning rate 0,001.Hasil pengujian menunjukkan bahwa model yang dikembangkan mencapai kinerja yang sangat baik dengan nilai akurasi sebesar 98,55%, presisi 98,91%, recall 98,55%, dan F1-score 98,51%. Capaian ini mengindikasikan bahwa arsitektur VGG-16 efektif dalam mengatasi tantangan pengenalan huruf Hiragana yang memiliki kemiripan bentuk antar karakter. Model yang dihasilkan diharapkan dapat diintegrasikan ke dalam aplikasi pembelajaran menulis huruf Hiragana untuk mendukung proses belajar mandiri