ANALISA PERFOMA ALGORTIMA JARINGAN SYARAF TIRUAN DALAM KLASIFIKASI KARAKTER HIRAGANA

Penelitian ini memfokuskan pada pengembangan sebuah aplikasi inovatif berbasis jaringan saraf tiruan untuk mendukung pembelajaran karakter Hiragana dalam konteks pembelajaran bahasa Jepang. Kurangnya alat bantu pembelajaran yang efisien dan interaktif dalam memahami karakter Hiragana menjadi kendala utama, dan untuk mengatasi masalah ini, kami mengusulkan sebuah aplikasi yang menggunakan jaringan saraf tiruan. Konsep dasar jaringan saraf tiruan, yang mirip dengan fungsi otak manusia, memungkinkan aplikasi ini untuk mengklasifikasikan karakter Hiragana dengan akurasi tinggi. Pengembangan aplikasi melibatkan langkah-langkah seperti pengumpulan dataset karakter Hiragana yang sudah diberi label, preprocessing data, pemilihan dan konfigurasi arsitektur jaringan saraf tiruan, serta pelatihan dan evaluasi model. Hasil pengujian menggunakan tiga optimizer (Adam, SGDM, dan RMSP) menunjukkan performa yang baik, dengan akurasi di atas 87% dan nilai F1-score mencapai 95% dengan penggunaan optimizer Adam. Disarankan untuk menggunakan optimizer Adam dalam pengembangan model ini. Untuk penelitian mendatang, peningkatan jumlah data pelatihan dan eksplorasi hyperparameter lainnya perlu dipertimbangkan guna meningkatkan performa model secara signifikan. Hasil penelitian ini diharapkan dapat memberikan solusi efektif dalam memperkaya pengalaman pembelajaran bahasa Jepang, terutama dalam memahami karakter-karakter Hiragana dengan lebih efisien.