Pengenalan Simbol Matematika Dengan Metode Convolutional Neural Network

Putra, Alvin Kusuma(1672028) (2020) Pengenalan Simbol Matematika Dengan Metode Convolutional Neural Network. Undergraduate thesis, Universitas Kristen Maranatha.

	Text 1672028_Abstract_TOC.pdf - Accepted Version Download (78Kb)
	Text 1672028_Chapter1.pdf - Accepted Version Download (49Kb)
	Text 1672028_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (455Kb)
	Text 1672028_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (56Kb)
	Text 1672028_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (322Kb)
	Text 1672028_Conclusion.pdf - Accepted Version Download (48Kb)
	Text 1672028_Cover.pdf - Accepted Version Download (144Kb)
	Text 1672028_References.pdf - Accepted Version Download (106Kb)

Abstract

Pengenalan tulisan tangan simbol matematika memiliki masalah dalam bidang pattern recognition dan hal itu yang membuat lebih sulit untuk dideteksi daripada tulisan tangan biasa. Struktur penulisan yang kompleks dan simbol matematika yang beragam membuat tulisan tangan ekspresi matematika sulit dilakukan proses segmentasi, rekognisi simbol dan analisis struktur. Proses tersebut digunakan untuk mengubah ekspresi matematika tulisan tangan menjadi format teks digital seperti LaTeX atau MathML. Dalam hal ini, proses rekognisi simbol atau pengenalan simbol menjadi fokus dalam penelitian, dengan membandingkan beberapa model yang terdapat dalam metode Convolutional Neural Network dan mencari nilai akurasi yang terbesar. Convolutional Neural Network (CNN) adalah salah satu metode yang dapat digunakan untuk mengenali tulisan tangan dengan sangat akurat, dalam penelitian ini CNN akan digunakan untuk mengenali simbol dalam ekspresi matematika dan akan diuji dengan model ResNet34 dan DenseNet121. Penelitian ini juga menjelaskan bagaimana menerapkan metode deep learning seperti CNN yang dapat membedakan suatu objek dalam gambar, dan setelah dua model diuji, kami belajar bahwa kedua model memiliki kinerja dan arsitektur yang berbeda, model DenseNet121 menjadi model yang lebih baik jika dibandingkan dengan model ResNet34 dalam tingkat akurasi.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Machine Learning, Deep Learning, Convolutional Neural Network, FastAI.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Information Technology > 72 Information Technology Department
Depositing User:	Perpustakaan Maranatha
Date Deposited:	07 Feb 2022 07:42
Last Modified:	07 Feb 2022 07:42
URI:	http://repository.maranatha.edu/id/eprint/29715

Actions (login required)

View Item