TRANSFER LEARNING IMPLEMENTATION ON SUNDANESE SCRIPT RECOGNITION USING CONVOLUTIONAL NEURAL NETWORK

MUHAMMAD KHALIFA U, Agus Sihabuddin, S.Si., M.Kom., Dr.

2022 | Skripsi | S1 ILMU KOMPUTER

Dengan bertumbuhnya jumlah data, penggunaan data pun mulai berkembang. Visualisasi data, analisis data hingga pembelajaran mesin. Penggunaan data pada metode pembelajaran mesin berbeda terhadap masalah dan tipe data. klasifikasi adalah salah satu pengaplikasian paling umum untuk pembelajaran mesin yang dapat diaplikasikan dengan menggunakan bebagai jenis data seperti data dalam bentuk tabular dan data citra. Secara umum, setiap permasalahan yang akan dipecahkan membutuhkan algoritma spesifik. sebagai terobosan, transfer learning datang dengan tujuan untuk membuat solusi untuk memecahkan masah berbeda tapi berkaitan. untuk melihat implementasi dari transfer learning, menggunakan model pembelajaran mesin dengan berbagai jenis dataset untuk memecahkan masalah klasifikasi. menggunakan convolutional neural network untuk hasil tulis tangan menunjukkan kapabilitas transfer learning. aksara sunda dengan 32 jenis karakter adalah data yang tepat pada permasalahan ini. mdel yang dibuat menggunakan 4 dataset tulis tangan yang berbeda yakni karakter alphabet, karakter devanagari, karakter arab, dan aksara jawa. hasil dari penelitian ini menunjukan bahwa penggunaan metode non transfer learning masih lebih baik daripada metode transfer learning dari segi performa tetapi waktu pelatihan yang dipakai jauh lebih sedikit dengan implementasi transfer learning. Model terbaik untuk transfer learning didapatkan menggunakan aksara arab dengan akurasi 91.86% dan loss 0.2814

With the growth of the number of data, the utilization of it also starts to flourish. Data visualization, data analysis to machine learning. Machine learning method of data usage differs on the problem and the data types. Classification as one of the most common applications of machine learning can be applied into various data types such as tabular data and image data. In general, each problem needs a specific algorithm to be solved. As a breakthrough, Transfer Learning comes with a goal to create a solution to solve different but related tasks. To see the transfer learning implementation, utilizing machine learning models trained with a variety of dataset to solve a classification using convolutional neural network for handwriting shows the capability of transfer learning. Sundanese script with a variety of 32 characters of difference is a great fit to be used on this problem. The model was created using 4 different handwriting dataset which are Alphabet character, Devanagari character and Aksara Jawa. The result shows that the non transfer learning model is better than the transfer learning model performance-wise but the training time spent is lesser by the transfer learning implementation. The best model performed for transfer learning is using the Arabic dataset with the accuracy of 91.86% and loss of 0.2814.

Kata Kunci : Transfer learning, Classification, CNN, Model deployment