PEMANFAATAN TRANSFER LEARNING PADA KOMBINASI ARSITEKTUR CNN-LSTM UNTUK KLASIFIKASI PENGENALAN PENULISAN HURUF HIJAIAH SAMBUNG

Ahmad Agustio Fathoni, 3012210004 (2026) PEMANFAATAN TRANSFER LEARNING PADA KOMBINASI ARSITEKTUR CNN-LSTM UNTUK KLASIFIKASI PENGENALAN PENULISAN HURUF HIJAIAH SAMBUNG. Undergraduate thesis, Universitas Interasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (247kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (131kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (375kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORSINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (306kB) | Request a copy
	Text (HALAMAN HASIL FINAL DETEKSI PLAGIASI SKRIPSI) 5. HALAMAN HASIL FINAL DETEKSI PLAGIASI SKRIPSI.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text (ABSTRAK) 6. ABSTRAK.pdf Download (396kB)
	Text (KATA PENGANTAR) 7. KATA PENGANTAR.pdf Restricted to Repository staff only Download (340kB) | Request a copy
	Text (DAFTAR ISI) 8. DAFTAR ISI.pdf Download (404kB)
	Text (DAFTAR GAMBAR) 9. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (363kB) | Request a copy
	Text (DAFTAR TABEL) 10. DAFTAR TABEL.pdf Restricted to Repository staff only Download (302kB) | Request a copy
	Text (BAB I PENDAHULUAN) 11. BAB I PENDAHULUAN.pdf Download (420kB)
	Text (BAB II KAJIAN PUSTAKA) 12. BAB II KAJIAN PUSTAKA.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III METOLODOGI PENELITIAN) 13. BAB III METODOLOGI PENELITIAN.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 14. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only Download (6MB) | Request a copy
	Text (BAB V PENUTUP) 15. BAB V PENUTUP.pdf Restricted to Registered users only Download (377kB) | Request a copy
	Text (DAFTAR PUSTAKA) 16. DAFTAR PUSTAKA.pdf Download (400kB)
	Text (LAMPIRAN) 17. LAMPIRAN.pdf Restricted to Repository staff only Download (429kB) | Request a copy
	Text (FULL TEXT) SKRIPSI - AHMAD AGUSTIO FATHONI (3012210004).pdf Restricted to Repository staff only Download (8MB) | Request a copy
	Text (FULL TEXT DOC) SKRIPSI - AHMAD AGUSTIO FATHONI (3012210004).docx Restricted to Repository staff only Download (41MB) | Request a copy
	Image (POSTER) POSTER - AHMAD AGUSTIO FATHONI (3012210004).pdf Download (12MB)

Abstract

Pembelajaran menulis huruf hijaiah sambung memiliki tantangan akibat karakteristiknya yang bersambung serta metode evaluasi yang masih manual dan subjektif. Meskipun pendekatan Deep Learning telah banyak digunakan untuk pengenalan karakter, masih terdapat kendala efisiensi ketika model diimplementasikan pada perangkat mobile berspesifikasi rendah. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan tulisan tangan huruf hijaiah sambung dengan memanfaatkan metode Transfer Learning pada kombinasi arsitektur Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM), serta merancang prototipe aplikasi mobile bernama Alify. Data primer dikumpulkan dari 50 responden yang menulis 28 kelas huruf dasar melalui kanvas digital, yang kemudian diproses melalui tahap prapemrosesan, augmentasi citra, dan pembagian dataset. Pengujian dilakukan terhadap 13 skenario model yang menjadikan pre-trained model MobileNetV3Small sebagai ekstraktor fitur spasial dan LSTM sebagai pemodel sekuensia. Hasil evaluasi menunjukkan bahwa Model dengan ID 9 merupakan arsitektur yang paling optimal yang memadukan MobileNetV3Small, dua lapisan LSTM berkapasitas masif 1024 unit, dan dropout 0,2. Skenario ini berhasil mencapai tingkat akurasi pengujian tertinggi sebesar 97,38% dan F1-score 97,37% dengan waktu komputasi pelatihan yang efisien, yakni 16 menit 55 detik. Model tersebut sukses dikonversi ke dalam format TensorFlow Lite dan diintegrasikan ke dalam aplikasi mobile berbasis Flutter secara offline. Pengujian performa aplikasi menunjukkan bahwa sistem beroperasi sangat responsif dengan waktu inferensi 250-450 milidetik, konsumsi memori yang ringan, serta beban komputasi CPU di bawah 5%. Sehingga, kombinasi CNN-LSTM dengan pemanfaatan Transfer Learning terbukti sangat andal, akurat, dan efisien untuk teknologi pengenalan tulisan tangan huruf hijaiah sambung pada perangkat mobile.

Item Type:	Thesis (Undergraduate)
Additional Information:	Softfile/KK.26/UISI-01/IF
Uncontrolled Keywords:	Aplikasi Mobile, CNN-LSTM, Huruf Hijaiah Sambung, MobileNetV3, Transfer Learning
Contributors:	Contribution Name Email Thesis advisor Ngatini, S.Si., M.Si. ngatini@uisi.ac.id
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Ahmad Agustio Fathoni
Date Deposited:	18 Aug 2026 10:50
Last Modified:	18 Aug 2026 10:50
URI:	https://repository.uisi.ac.id/id/eprint/8790

Actions (login required)

View Item