Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Infomedia
adinda rahma wati
IPB University
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) untuk Pengenalan Karakter Hiragana dan Katakana pada Aplikasi Pembelajaran Bahasa Jepang adinda rahma wati
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 11, No 1 (2026): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v11i1.9302

Abstract

Pembelajaran huruf Jepang, yaitu Hiragana dan Katakana, sering kali menjadi tantangan bagi pemula karena kemiripan bentuk karakter serta kesulitan dalam menghafal dan menulis huruf dengan benar. Penelitian ini bertujuan mengembangkan sistem pengenalan karakter Hiragana dan Katakana menggunakan teknologi Deep Learning berbasis Convolutional Neural Network (CNN). Sistem dirancang untuk mengenali tulisan tangan dan hasil scan gambar karakter secara otomatis dan real-time. Model pengenalan karakter Hiragana menggunakan metode CNN-SVM yang dilatih menggunakan 12.006 citra dari 46 kelas karakter, sedangkan model Katakana menggunakan CNN dengan 71.959 citra dari 47 kelas karakter. Hasil evaluasi pada data uji menunjukkan akurasi sebesar 99,44% untuk Hiragana dan 96,52% untuk Katakana. Implementasi sistem pada website pembelajaran memungkinkan pengguna memperoleh umpan balik secara interaktif selama proses pembelajaran berlangsung. Hasil penelitian menunjukkan bahwa metode CNN berpotensi mendukung aplikasi pembelajaran bahasa Jepang yang lebih interaktif dan efektif bagi pengguna pemula.
Co-Authors