Implementasi deep learning dalam pengenalan kosa kata bahasa Arab berbasis gambar tulisan tangan dengan model Convolutional Neural Network (CNN) dan EfficientNet

Mohamad Aris Murtadho, M.Pd.I, 198610312025211003 (2025) Implementasi deep learning dalam pengenalan kosa kata bahasa Arab berbasis gambar tulisan tangan dengan model Convolutional Neural Network (CNN) dan EfficientNet. In: Analisis Tantangan Pembelajaran Bahasa Asing. Akademia Pustaka, Tulungagung, pp. 158-164. ISBN 978-623-157-207-3

	Text Sampul Book Chapter.docx Download (437kB)
	Image Fix BungaRam Implementasi Deep Learning dalam Pengenalan Kosa Kata Bahasa Arab.docx - Cover Image Download (27kB)

Abstract

Pengenalan kosa kata dalam bahasa Arab memainkan peran kunci dalam proses pembelajaran, mengingat karakteristik morfologisnya yang kompleks dan unik. Pemanfaatan teknologi deep learning menawarkan solusi potensial untuk meningkatkan akurasi dan efisiensi dalam mengenali kosa kata tersebut. Penelitian ini mengembangkan dan mengevaluasi dua model deep learning, yakni Convolutional Neural Network (CNN) dan EfficientNet, untuk pengenalan kosa kata bahasa Arab berbasis gambar tulisan tangan. Proses meliputi tahapan preprocessing data, pelatihan model pada dataset berlabel, serta evaluasi performa menggunakan metrik akurasi dan loss. Hasil penelitian mengungkapkan bahwa EfficientNet-B7 mencapai akurasi tertinggi sebesar 95,4%, sementara CNN konvensional memperoleh 91,2%. Temuan ini menegaskan kemampuan deep learning dalam aplikasi pengenalan kosa kata bahasa Arab dan berpotensi mendukung pengembangan sistem pembelajaran bahasa yang lebih interaktif. Kesimpulannya, teknologi deep learning sangat menjanjikan untuk meningkatkan pembelajaran bahasa Arab, dengan rekomendasi penelitian lanjutan fokus pada perluasan dataset dan pengembangan model multimodal.

Actions (login required)

View Item