PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNG

Abstract

Pengenalan tulisan tangan atau biasa disebut Hand Writing Recognition (HWR)adalahsebuah sistem komputer yang dapat digunakan untuk mengenali huruf yangberasal dari tulisan tangan. HWR sendiri merupakan sistem yang dikembangkandari Optical Character Recognition (OCR), dengan adanya sistem HWR inidiharapkan komputer dapat membaca dan mengenali huruf-huruf ataupun karakteryang dimasukkan oleh user dalam bentuk tulisan tangan. Data yang digunakan padapenelitian ini berupa data gambar tulisan tangan aksara lampung sebanyak 20 aksara. Pada penelitian kali ini penulis akan membandingkan dua model deeplearning yaitu VGG16 dan ResNet50. Hasil dari penelitian ini menunjukan bahwamodel arsitektur VGG16 memberikan hasil akurasi 91% serta waktu training yanglebih baik, sedangkan untuk ResNet50 memberikan hasil akurasi sebesar 65% danmemerlukan waktu komputasi yang lebih lama dan hasil akurasi yang kecil