Article Per Year (5 Year)
p-Index From 2021 - 2026
3.979
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND COMPUTER SCIENCE JOURNAL OF EDUCATION SCIENCE JOURNAL OF INFORMATICS AND COMPUTER SCIENCE INFOKUM Brilliance: Research of Artificial Intelligence DCS: Jurnal Pengabdian Masyarakat Jurnal Pengabdian Kepada Masyarakat Bidang Pendidikan
Nurul Hamdi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Mathematics Public Health Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
PENGEMBANGAN MODEL DETEKSI POLA KARAKTER BAHASA ARAB PADA CITRA AL-QUR’AN MENGGUNAKAN PENDEKATAN HYBRID TRANSFORMASI SLANT DAN ADABOOST Juanda Nurgaza; Rizka Albar; Nurul Hamdi; Rizki Julia Utama; Zuhar Musliyana
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol. 11 No. 2 (2025): OKTOBER 2025
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.v11i2.5785

Abstract

Perkembangan computer vision dan machine learning telah memberikan kontribusi signifikan dalam pengembangan sistem cerdas untuk analisis teks digital, termasuk pengenalan aksara Arab pada citra Al-Qur’an. Penelitian ini bertujuan untuk mengembangkan model hybrid dalam mendeteksi pola karakter Bahasa Arab, khususnya Dhamir Raf’a Munfasil (kata ganti terpisah dalam posisi nominatif), pada citra Al-Qur’an digital menggunakan kombinasi Transformasi Slant dan algoritma AdaBoost. Model yang diusulkan mengintegrasikan ekstraksi fitur menggunakan Transformasi Slant untuk menangkap karakteristik domain frekuensi dari pola karakter, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma ensemble learning AdaBoost guna meningkatkan kinerja pendeteksian. Sistem diuji menggunakan 150 baris teks Al-Qur’an yang memuat 14 pola. Pengukuran kinerja dilakukan menggunakan metrik precision dan recall. Hasil eksperimen menunjukkan bahwa model hybrid Slant–AdaBoost memberikan performa yang lebih baik dibandingkan metode tunggal, dengan nilai precision sebesar 86% dan recall sebesar 93%, yang menunjukkan peningkatan akurasi dan keandalan dalam pendeteksian pola. Temuan penelitian ini membuktikan bahwa kombinasi transformasi fitur dan klasifikasi berbasis boosting mampu meningkatkan kinerja sistem pengenalan pola karakter Bahasa Arab secara signifikan. Penelitian ini berkontribusi pada pengembangan sistem informasi cerdas untuk analisis teks Al-Qur’an digital dan pengenalan aksara Arab.
Co-Authors Albar, Rizka Alfianda Bako, Arpaini Dahlina, Dahlina Desy Sukma Elfitha Dwipayana, Mahendar Elfitha, Desy Sukma Evi Afriana Fazlina, Putri Ferdiansyah, Dean Fikri, Muhammad Fajar Fiqram, Muhammad Herawati Herawati Herawati Herawati Heri Aprian Harahap Juanda Nargaza Juanda Nurgaza Junidar Junidar Junidar, Junidar Junidar, Junidar Kautsar, Al Kurnia Rahmayanti Lena Hati M Aqil Mahendra, Aldi Rizki Marniati Marniati Muhammad Juanda Saputra Nargaza, Juanda Nurgaza, Juanda Nuzulidar Nuzulidar Nuzulidar, Nuzulidar Pardi Pardi Pardi Pardi, Pardi Periskila Dina Kali Kulla Prayudi, Dedi Putri Serianti Rangga Darta Syaputra Rizki Julia Utama Said Ashlan, Said Saputra, Muhammad Juanda Serianti, Putri Syaputra, Rangga Darta TB, Desita Ria Yusian Utama, Rizki Julia Wibawa, M. Bayu Zainal Muttaqin Zuhar Musliyana Zuhar Musliyana, Zuhar