<![CDATA[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.]]>
Copyrights © 2026
