MUHAMMAD ALFADHA TURMAHADI (2023) OPTIMALISASI MENGGUNAKAN ADAM, SGD, DAN ADAGRAD DI ARSITEKTUR DROCNN DEEP LEARNING PENGUCAPAN HURUF HIJAIYAH. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (333kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (274kB)
Abstrak.pdf
Restricted to Registered users only
Download (74kB)
Bab I.pdf
Download (79kB)
Bab II.pdf
Restricted to Registered users only
Download (245kB)
Bab III.pdf
Restricted to Registered users only
Download (6kB)
Bab IV.pdf
Restricted to Registered users only
Download (995kB)
Bab V.pdf
Restricted to Registered users only
Download (9kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (76kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (629kB)
Full Text.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Belajar Al-Quran dimulai dengan mempelajari huruf hijaiyah. Untuk belajar Al-Qur'an pun beragam bisa belajar mandiri dirumah dengan bantuan guru ngaji atau pun bisa belajar di TPA/TPQ. Namun karena perkembangan teknologi dan perkembangan zaman, ditambah adanya musibah yang menimpa seluruh dunia termasuk Indonesia. Jadi pembelajaran Al-Qur'an harus dilakukan di rumah masing-masing. Pembelajaran ini mempelajari tentang pengejaan huruf hijaiyah dengan benar, dengan memanfaatkan teknologi Deep Learning yang sudah berkembang di dunia saat ini. Penelitian ini menggunakan beberapa algoritma optimasi dari Convolutional ix ix Neural Network (CNN) yaitu ADAM, SGD, dan ADAGRAD untuk membandingkan mana Optimasi yang terbaik. Data suara yang digunakan di uji menggunakan teknik Speech Recognition. Menggunakan teknik tersebut bertujuan untuk membandingkan hasil akhir dari beberapa metode training model dalam deep learning.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Convolutional Neural Network, Adam, SGD, Adagrad |
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 06 Nov 2023 07:36 |
Last Modified: | 06 Nov 2023 07:36 |
URI: | https://etd.umy.ac.id/id/eprint/40568 |