APLIKASI PENGENALAN HURUF HIJAIYAH MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Pengenalan huruf Hijaiyah memiliki peran signifikan dalam pengenalan tulisan
tangan dan teks otomatis dalam bahasa Arab. Huruf Hijaiyah adalah karakter kunci
dalam bahasa Arab yang digunakan luas dalam tulisan Arab, Al-Quran, dan konten
agama Islam lainnya. Penelitian ini menggunakan metode prototype untuk uji dan
perbaikan konsep, dengan fokus pada pengenalan huruf Hijaiyah menggunakan
algoritma CNN. Desain penelitian ini adalah prototyping dengan CRISP-DM dan
Flask. Teknik pengumpulan data menggunakan dataset tulisan tangan Arabic dari
Kaggle. Hasil pengembangan dan pengujian menunjukkan bahwa aplikasi
pengenalan huruf Hijaiyah mampu mengenali dan memprediksi huruf dengan
tingkat akurasi yang tinggi. Model CNN yang dikembangkan mencapai accuracy
sebesar 0.95% dan validation accuracy sebesar 0.98% dengan 1680 dataset, batch
size 56, dan 105 epoch. Pengujian aplikasi melibatkan black box dan UAT,
menghasilkan 100% keberhasilan dalam pengujian black box dan 90% keberhasilan
dalam UAT dari 3 responden dengan 10 pertanyaan. Integrasi teknologi ini dengan
sistem pembelajaran interaktif, seperti aplikasi mobile atau platform e-learning,
dapat mempermudah proses pembelajaran huruf Hijaiyah. Penggunaan teknik
transfer learning dapat meningkatkan akurasi dan efisiensi model, terutama dengan
dataset yang lebih besar. Penambahan dataset untuk kesalahan juga penting untuk
mengatasi input huruf yang tidak sesuai.
Kata kunci: Pengenalan Huruf Hijaiyah, Convolutional Neural Network (CNN),
Metode Prototype, CRISP-DM, Pembelajaran Bahasa Arab.