<![CDATA[Perkembangan teknologi Artificial Intelligence dan Machine Learning berperan penting dalam pengenalan tulisan tangan. Tantangan utama dalam pengenalan angka tulisan tangan adalah variasi bentuk antar individu. Penelitian ini mengimplementasikan algoritma Random Forest untuk mengklasifikasikan angka tulisan tangan secara otomatis, menggunakan dataset MNIST berformat CSV. Model dilatih pada 8.000 data dan diuji pada 2.000 data. Hasil evaluasi menunjukkan akurasi sebesar 95,20%, dengan 1.904 prediksi benar. Nilai rata-rata precision, recall, dan f1-score masing-masing mencapai 0,95, menunjukkan kinerja yang stabil dan akurat. Efektivitas model tercermin dari kemampuannya mengenali sebagian besar angka secara konsisten, dengan f1-score tertinggi sebesar 0,98. Efisiensi tercapai melalui waktu pelatihan yang cepat tanpa tuning parameter lanjutan. Dengan akurasi mencapai 95,20%, nilai f1-score rata-rata sebesar 0,95, serta waktu pelatihan yang cepat tanpa perlu tuning parameter, algoritma Random Forest menunjukkan kemampuan yang sangat baik dalam mengenali angka-angka dengan bentuk konsisten seperti angka 1, untuk menangani variasi tulisan tangan dengan kesalahan klasifikasi yang dapat dijelaskan secara visual. Oleh karena itu, Random Forest merupakan metode yang potensial untuk sistem pengenalan karakter tulisan tangan, terutama pada aplikasi digitalisasi dokumen dan otomasi sistem ujian.]]>
Copyrights © 2025
