The Sriwijaya University Library

  • Home
  • Information
  • News
  • Help
  • Login
  • Librarian
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of PENGENALAN ANGKA YANG TIDAK TERBACA DI LEMBAR C1 PEMILU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
Bookmark Share

Skripsi

PENGENALAN ANGKA YANG TIDAK TERBACA DI LEMBAR C1 PEMILU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Rahmadhani, Muhammad Apriliansyah - Personal Name;

Penelitian ini berangkat dari rendahnya akurasi digitalisasi hasil Pemilu pada SIREKAP, khususnya dalam membaca angka tulisan tangan pada lembar C1. Variasi bentuk tulisan, kualitas citra rendah, tinta melebar, lipatan, dan orientasi angka yang tidak standar menyebabkan OCR konvensional sulit mengenali karakter secara konsisten. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan model pengenalan angka berbasis CNN dengan arsitektur MobileNetV2. Dataset simulatif berisi 4.400 citra berukuran 160×160 piksel dengan 11 kelas (0–9 dan X) yang dirancang menyerupai kondisi nyata, termasuk variasi bold, miring, terbalik, superskrip, subskrip, serta citra kertas gelap atau rusak. Preprocessing meliputi cropping, normalisasi, grayscale, dan augmentasi. Pelatihan dilakukan dua tahap, yaitu initial training dengan backbone dibekukan dan fine-tuning dengan membuka sebagian layer atas menggunakan learning rate rendah. Hasil evaluasi menunjukkan peningkatan kinerja setelah fine-tuning: precision naik dari 0,776 menjadi 0,812, recall dari 0,747 menjadi 0,783, F1-score dari 0,747 menjadi 0,785, dan accuracy dari 75,4% menjadi 78,2%. Pengujian pada 699 citra uji menghasilkan akurasi 81%, dengan performa tertinggi pada kelas 1, 0, 7, dan X, serta performa sedang pada kelas 3, 5, dan 9. Temuan ini menunjukkan bahwa MobileNetV2 dengan pendekatan transfer learning dan fine-tuning efektif meningkatkan akurasi pengenalan angka C1 dan berpotensi menjadi solusi OCR yang lebih akurat dan efisien untuk mendukung digitalisasi hasil Pemilu


Availability
#
Central Library (Reference) T1865042025
T186504
Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1865042025
Publisher
Palembang : Prodi Doktor Ilmu Teknik, Fakultas Teknik Universitas Sriwijaya., 2025
Collation
xvi, 222 hlm.; ilus.; tab.; 29 cm
Language
Indonesia
ISBN/ISSN
-
Classification
006.420 7
Content Type
Text
Media Type
unmediated
Carrier Type
-
Edition
-
Subject(s)
Prodi Doktor Ilmu Teknik
Convolutional Neural Network (CNN)
Specific Detail Info
-
Statement of Responsibility
MI
Other version/related

No other version available

File Attachment
  • PENGENALAN ANGKA YANG TIDAK TERBACA DI LEMBAR C1 PEMILU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
Comments

You must be logged in to post a comment

The Sriwijaya University Library
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?