Sistem Pengenalan Tulisan Tangan (Handwriting Recognition) menggunakan Convolutional Neural Network (CNN) dengan Python dan TensorFlow

Irawan Ameng, Andre (2025) Sistem Pengenalan Tulisan Tangan (Handwriting Recognition) menggunakan Convolutional Neural Network (CNN) dengan Python dan TensorFlow. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.

	Text 2043043-S1-Jurnal.pdf Download (377kB)
	Text 2043043-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Andre Irawan Ameng, 2024, Sistem Pengenalan Tulisan Tangan Menggunakan Convolutional Neural Network (CNN) dengan Python dan TensorFlow. Skripsi, Jurusan Teknologi Informasi, Sekolah Tinggi Manajemen Informatika dan Komputer Widya Cipta Dharma, Pembimbing Utama (I) Pitrasacha Adytia, S.T., M.T., Pembimbing Pendamping (II) Ahmad Abul Khair, S.Kom., M.T. Kata Kunci: Pengenalan Tulisan Tangan, Convolutional Neural Network (CNN), Teknologi Informasi, Digitalisasi Tulisan. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan tulisan tangan otomatis berbasis Convolutional Neural Network (CNN) guna membantu mahasiswa dalam memahami tulisan tangan dengan lebih mudah. Sistem ini dirancang untuk mengenali tulisan tangan dalam bentuk huruf individu dan menyusunnya menjadi kata tunggal yang dapat dikonversi menjadi teks digital. Dataset yang digunakan terdiri dari huruf alfabet dengan berbagai variasi gaya tulisan untuk memastikan keandalan sistem dalam mengenali karakter yang berbeda. Penelitian ini dilakukan melalui beberapa tahapan, yaitu pengumpulan dan pemrosesan data, pelatihan model, evaluasi, serta pengujian sistem dalam lingkungan akademik. Model dikembangkan menggunakan Python dan TensorFlow, dengan preprocessing data yang mencakup normalisasi, pengubahan ukuran gambar, serta augmentasi untuk meningkatkan akurasi pengenalan tulisan. Hasil penelitian menunjukkan bahwa algoritma CNN memiliki potensi yang baik dalam mengenali tulisan tangan dengan tingkat akurasi yang menjanjikan. Meskipun saat ini sistem hanya mampu mengenali huruf secara individu dan menyusunnya menjadi kata tunggal, penelitian ini menjadi langkah awal dalam mengembangkan teknologi pengenalan tulisan tangan yang lebih kompleks di masa depan. Implementasi sistem ini diharapkan dapat meningkatkan efektivitas komunikasi akademik serta berkontribusi dalam digitalisasi tulisan tangan di lingkungan pendidikan. i ============================================================ Andre Irawan Ameng, 2024, Handwriting Recognition System Using Convolutional Neural Network (CNN) with Python and TensorFlow. Thesis, Department of Information Technology, Widya Cipta Dharma College of Informatics and Computer Management, Main Supervisor (I) Pitrasacha Adytia, S.T., M.T., Co-Supervisor (II) Ahmad Abul Khair, S.Kom., M.T. Keywords: Handwriting Recognition, Convolutional Neural Network (CNN), Information Technology, Handwriting Digitalization. This study aims to develop an automatic handwriting recognition system based on Convolutional Neural Network (CNN) to help students better understand handwritten text from lecturers. The system is designed to recognize individual handwritten letters and compile them into a single word that can be converted into digital text. The dataset used consists of alphabetic characters with various handwriting styles to ensure the system's reliability in recognizing different character variations. The research process includes several stages, such as data collection and processing, model training, evaluation, and system testing in an academic environment. The model was developed using Python and TensorFlow, with data preprocessing techniques such as normalization, image resizing, and augmentation to improve recognition accuracy. The results indicate that the CNN algorithm has strong potential for handwriting recognition with promising accuracy levels. Although the current system is limited to recognizing individual letters and assembling them into a single word, this research serves as a foundational step toward developing more advanced handwriting recognition technology in the future. The implementation of this system is expected to enhance academic communication efficiency and contribute to the digitalization of handwritten text in educational settings.

Item Type:	Thesis (S1 Teknik Informatika)
Additional Information:	Pembimbing 1:Pitrasacha Adytia, S.T., M.T Pembimbing 2:Ahmad Abul Khair, S.Kom., M.T
Uncontrolled Keywords:	Pengenalan Tulisan Tangan, Convolutional Neural Network (CNN), Teknologi Informasi, Digitalisasi Tulisan.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Teknik Informatika
Depositing User:	Mr Andre Irawan Ameng
Date Deposited:	10 Feb 2025 07:01
Last Modified:	10 Feb 2025 07:01
URI:	http://repository.wicida.ac.id/id/eprint/6047

Actions (login required)

View Item