// <![CDATA[PENGENALAN TULISAN TANGAN BAHASA ARAB MENGGUNAKAN METODE CNN ARSITEKTUR MOBILENET V3-SMALL]]> 0411105902 - Dr. Uung Ungkawa, S.T., M.T. Dosen Pembimbing 1 Habil Muhammad Rizky / 152018045 Penulis
Bahasa Arab merupakan salah satu bahasa yang memiliki jumlah penutur terbesar, Bahasa ini juga menjadi bahasa dalam agama Islam karena merupakan bahasa yang ada di dalam Al-Qur'an. Huruf hijaiyah terdiri dari 28 karakter, digunakan dalam tulisan Arab yang bersambung. Bahasa Arab penting dikuasai oleh umat Muslim, terutama untuk ibadah sehari-hari. Namun, terdapat faktorfaktor yang menghambat pembelajaran bahasa ini, seperti rendahnya motivasi orang tua. Penguasaan kosakata Bahasa Arab sejak usia dini sangat penting, dan diperlukan metode pembelajaran yang efektif untuk meningkatkan pemahaman kosakata anak-anak, khususnya melalui pengenalan tulisan bahasa Arab. Pada penelitian ini dilakukan implementasi model MobilenetV3-Small yang dilatih dengan menggunakan augmentasi data dan penentuan hyperparameter yang optimal,kemudian dilakukan identifikasi pengenalan tulisan tangan bahasa arab dengan total jumlah data sebanyak 5000 data dan 50 kelas dengan split data 70% data train 20% data validasi dan 10% data test,menggunakan kombinasi hyperparameter yaitu dengan Optimizer Adam,Batch size 8,Learning rate 0.00001 Dengan Epoch 21. Hasil akurasi yang didapat untuk accuracy test 95%,accuracy train 97% dan validation accuracy 98% Kata Kunci: Bahasa Arab, Convolutional Neural Network (CNN), MobilenetV3- Small, Tulisan Tangan