<![CDATA[Pengenalan pola merupakan salah satu bidang penting dalam kecerdasan buatan, khususnya dalam identifikasi karakter tulisan tangan. Tantangan utama dalam proses ini terletak pada variasi bentuk tulisan setiap individu yang sering menyebabkan kesalahan dalam pengenalan karakter. Untuk mengatasi permasalahan tersebut, penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) yang dikenal efektif dalam mengekstraksi fitur visual secara bertingkat melalui operasi konvolusi dan pooling. Menggunakan dataset MNIST yang terdiri atas 60.000 data latih dan 10.000 data uji, model CNN yang dibangun mampu mencapai akurasi sebesar 98–99% dalam mengenali angka tulisan tangan. Hasil ini menunjukkan bahwa CNN memiliki kemampuan yang sangat efektif dan dapat diandalkan untuk tugas pengenalan pola angka tulisan tangan secara otomatis.]]>
Copyrights © 2025
