DIAS WARAHASTRA BIWADA (2022) PERBANDINGAN ARSITEKTUR ALEXNET, LENET DAN DROCNN DENGAN DEEP LEARNING DALAM KLASIFIKASI PEMBELAJARAN PENGUCAPAN HURUF HIJAIYAH. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (714kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (289kB)
Abstrak.pdf
Restricted to Registered users only
Download (399kB)
Bab I.pdf
Download (489kB)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
Bab III.pdf
Restricted to Registered users only
Download (276kB)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
Bab V.pdf
Restricted to Registered users only
Download (236kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (240kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (957kB)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)
Abstract
Belajar Al-Quran dimulai dengan mempelajari huruf hijaiyah. Umumnya pembelajaran Alquran dilakukan di TPA/TPQ. Namun karena adanya perkembangan teknologi dan perkembangan zaman, seluruh dunia dihadapkan dengan adanya perkembangan zaman yang membuat sesuatu menjadi lebih terbantu karena adanya teknologi untuk membantu pekerjaan manusia contohnya membantu pekerjaan guru pada TPA. Pembelajaran yang ini mempelajari untuk pengejaan huruf hijaiyah dengan benar, dengan memanfaatkan teknologi Deep Learning yang sudah semakin berkembang di dunia saat ini. Penelitian ini menggunakan teknologi Deep Neural Netwok dengan memanfaatkan teknik Speech Recognition. Data suara yang digunakan di uji menggunakan beberapa metode dari Convolutional Neural Network atau disebut CNN yaitu Alexnet, LeNet, dan Drocnn. Menggunakan arsitek tersebut bertujuan untuk membandingkan hasil akhir dari beberapa metode Convolutional Neural Network.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | CONVOLUTIONAL NEURAL NETWORK, ALEXNET, LENET, DROCNN |
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Eko Kurnawan |
Date Deposited: | 23 Nov 2023 07:04 |
Last Modified: | 23 Nov 2023 07:04 |
URI: | https://etd.umy.ac.id/id/eprint/31976 |