Skripsi
Implementasi Algoritma Convolutional Neural Network Untuk Pengenalan Karakter Hanzi Mandarin Berbasis Aplikasi Mobile
ABSTRAK
MUHAMMAD AKBAR AZIS, 2026. Implementasi Algoritma Convolutional Neural Network Untuk Pengenalan Karakter Hanzi Mandarin Berbasis Aplikasi Mobile (dibimbing oleh Rohayati dan Muhammad Resha)
Permasalahan yang terjadi adalah kesulitan pengguna dalam mengenali karakter Hanzi karena bentuknya kompleks dan memiliki kemiripan visual antar karakter. Oleh karena itu, peneliti menawarkan solusi dengan mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam aplikasi mobile berbasis Android untuk mengenali karakter Hanzi New HSK 1. Penelitian ini bertujuan untuk mengimplementasikan CNN dalam mengenali dan mengklasifikasikan karakter Hanzi serta mengembangkan aplikasi yang dapat membantu proses pengenalan dan pembelajaran Hanzi. Data ini diperoleh melalui studi pustaka dan penggunaan dataset citra yang terdiri dari 150 karakter Hanzi dan 1 kelas non-Hanzi. Metode yang digunakan dalam penelitian adalah Research and Development (R&D) dengan model pengembangan Waterfall, sedangkan analisis performa model menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan 151 kelas dengan accuracy sebesar 97,38%, precision 97%, recall 97%, dan F1-score 97%. Pengujian sistem menunjukkan waktu prediksi sebesar 0,32–1,02 detik, dengan jarak scan optimal 5-15 cm. Aplikasi dikembangkan menggunakan Flutter, Flask, dan MySQL serta menyediakan fitur scan, kamus Hanzi, kuis, dan riwayat prediksi. Pengujian usability menggunakan SUS memperoleh skor 91,16 dengan kategori Excellent.
Kata Kunci: Hanzi, CNN, Flutter, Flask, Scan.
Tidak tersedia versi lain