VISUALISASI GRAD-CAM PADA PREDIKSI KARAKTER HURUF ARAB

Penelitian ini fokus pada eksplorasi visualisasi class activation pada karakter Arab menggunakan model kustom, dibandingkan dengan model populer AlexNet dan LeNet. Metode visualisasi Class Activation Mapping (CAM) digunakan untuk memahami proses identifikasi karakter oleh model, memungkinkan observasi terhadap area fokus saat model mengenali karakter tertentu. Dengan melatih Convolutional Neural Network (CNN) menggunakan dataset besar untuk pengenalan karakter Arab, dan menerapkan visualisasi CAM, penelitian bertujuan mengidentifikasi komponen kunci yang mendukung akurasi tinggi dalam pengenalan karakter. Harapannya, penelitian ini tidak hanya memberikan pemahaman mendalam tentang proses pengenalan karakter Arab oleh model, tetapi juga dapat membantu mengidentifikasi potensi kesalahan selama proses tersebut. Hasilnya diharapkan dapat meningkatkan kemampuan model dalam mengenali aksara Arab, termasuk pengolahan teks Arab yang rusak atau kabur. Kesimpulannya, penelitian ini diharapkan membuka jalan untuk pengembangan teknologi yang lebih efektif dalam memahami dan memproses teks Arab dengan tingkat akurasi yang lebih tinggi.