Ayunda Dwita Septyani, 3011510011 (2019) IDENTIFIKASI TULISAN TANGAN AKSARA JAWA PADA ANAK DENGAN MACHINE LEARNING. Undergraduate thesis, Universitas Internasional Semen Indonesia.
![[img]](https://repository.uisi.ac.id/style/images/fileicons/text.png) |
Text (ABSTRAK)
5. ABSTRAK.pdf Download (639kB) |
|
Text (DAFTAR ISI)
7. DAFTAR ISI.pdf Download (646kB) |
|
Text (BAB I PENDAHULUAN)
10. BAB I PENDAHULUAN.pdf Download (626kB) |
|
Text (DAFTAR PUSTAKA)
16. DAFTAR PUSTAKA.pdf Download (629kB) |
|
Text (JURNAL)
JURNAL - AYUNDA DWITA SEPTYANI (3011510011).docx Restricted to Repository staff only Download (289kB) | Request a copy |
|
Text (FULLTEXT)
SKRIPSI-AYUNDA DWITA SEPTYANI(301150011).pdf Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (FULLTEXT DOC)
SKRIPSI-AYUNDA DWITA SEPTYANI(301150011).docx Restricted to Repository staff only Download (4MB) | Request a copy |
Abstract
Bahasa Jawa merupakan salah satu warisan budaya yang tertua di negara Indonesia. Dalam dunia pendidikan bahasa Jawa menjadi salah satu muatan lokal. Salah satu kompetensi dasar yang ada dalam mata pelajaran bahasa Jawa adalah aksara Jawa. Aksara Jawa seringkali menjadi kompetensi yang sulit dimengerti dan dipahami oleh siswa. Siswa mengalami kesulitan dalam menghafal aksara Jawa karena mempunyai berbagai macam bentuk penulisan yang rumit, selain itu waktu untuk pembelajaran aksara Jawa sangat terbatas dan juga kurangnya media untuk pembelajaran aksara Jawa sehingga membuat guru tidak dapat menyelesaikan materi dengan baik dan penguasaan kompetensi baca maupun tulis aksara Jawa siswa sangat terbatas. Penelitian ini bertujuan untuk mengetahui performa dari algoritma machine learning dalam mengenali citra tulisan tangan aksara Jawa. Penelitian ini diawali dengan tahap pengumpulan data dari responden yang diminta untuk menyalin tulisan aksara Jawa sesuai dengan contoh. Kemudian prapemrosesan data, penerapan algoritma machine learning dengan menggunakan algortima k-NN dan Random Forest Classifier, pengukuran performa dan tahap yang terakhir pembuatan laporan. Dari hasil pengujian yang dilakukan terhadap data test diperoleh nilai akurasi untuk metode Random Forest Classifier (RFC) yang memiliki tingkat akurasi sebesar 59%, precision 64%, recall 59%, f-measure 59% dan untuk metode k-Nearest Neighbors memiliki tingkat akurasi sebesar 62%, precision 63%, recall 62%, f-measure 62%. Sehingga performa dari dua model tersebut dapat dikatakan optimal dalam mengklasifikasikan gambar tulisan tangan aksara Jawa.
| Item Type: | Thesis (Undergraduate) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | 008/KK.19/UISI-01/IF | |||||||||
| Uncontrolled Keywords: | Aksara Jawa, k-Nearest Neighbors, Random Forest Classifier | |||||||||
| Contributors: |
|
|||||||||
| Subjects: | T Technology > T Technology (General) | |||||||||
| Divisions: | Department of Informatics | |||||||||
| Depositing User: | Raudhatul Munawwarah | |||||||||
| Date Deposited: | 29 Jul 2020 15:01 | |||||||||
| Last Modified: | 29 Jul 2020 15:01 | |||||||||
| URI: | https://repository.uisi.ac.id/id/eprint/483 |
Actions (login required)
 |
View Item |
