<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="13965">
<titleInfo>
<title><![CDATA[IMPLEMENTASI ARSITEKTUR LeNet-5 UNTUK PENGENALAN TULISAN TANGAN AKSARA JAWA]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>0422106801 - Dewi Rosmala , S.Si, M.IT.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Muhamad Rizky Rifaldy/152016057</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Teknik Kimia]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2022]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Pengenalan pola merupakan salah satu metode untuk melakukan pengenalan citra tulisan tangan dan dengan adanya deep neural network metode ini semakin berkembang. salah satu arsitektur deep neural network yaitu LeNet - 5 yang diketahui dapat menghasilkan tingkat akurasi yang tinggi pada penelitian - penelitian yang telah dilakukan untuk pengenalan tulisan tangan. pada penelitian ini LeNet - 5 diimplementasikan untuk pengenalan tulisan tangan aksara jawa. hasil dari penelitian ini adalah arsitektur LeNet - 5 menggunakan optimizers adam dengan learning rate 0,001 dapat menghasilkan nilai rata - rata akurasi 84%, precision 85%, recall 84%, dan f-score 84% untuk data uji yang didapat dari kaggle dan rata - rata akurasi 74%, precision 76%, recall 74%, dan f-score 72% untuk data uji tulis tangan.</note>
<subject authority=""><topic><![CDATA[Convolutional Neural Network; Pengenalan Tulisan T]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[20220829]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[617IF/22]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[617IF/22]]></numerationAndChronology>
<sublocation><![CDATA[]]></sublocation>
<shelfLocator><![CDATA[617IF/22]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="13761" url="" path="/152016057_617IF.pdf" mimetype="application/pdf"><![CDATA[IMPLEMENTASI ARSITEKTUR LeNet-5 UNTUK PENGENALAN TULISAN TANGAN AKSARA JAWA]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[13965]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2023-01-05 10:47:09]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2023-01-05 10:47:25]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>