Implementasi Convolutional Neural Network dalam Mengenali Image Angka Tulisan Tangan

Abstract. Advances in information technology and artificial intelligence, particularly in the field of machine learning, have had a significant impact on various aspects of daily life. Machine learning's ability to learn from data and experience, identify patterns, make decisions, and even perform tasks previously only possible for humans, has revolutionized numerous industries. Within the realm of machine learning, deep learning stands out as a prominent approach. Deep learning employs artificial neural networks with intricate structures to comprehend and process data. One popular deep learning algorithm is the Convolutional Neural Network (CNN). CNNs have found extensive applications, especially in image recognition tasks. By leveraging CNNs, computers can accurately identify objects and patterns within images. The deep learning process underlying CNNs involves complex mathematical computations. It begins with feature extraction to maximize the significance of features from images, which are transformed into matrices. Subsequently, the available data is trained to develop a highly accurate CNN model. This research delves into the mathematical underpinnings of how deep learning, specifically using CNN algorithms, can recognize handwritten digit images. The employed CNN algorithm achieves an impressive accuracy of 99% in recognizing handwritten digit images. Abstrak. Perkembangan teknologi informasi dan kecerdasan buatan, terutama dalam bidang machine learning, telah memiliki dampak signifikan pada berbagai aspek kehidupan sehari-hari. Kemampuan machine learning memungkinkan komputer untuk belajar dari data dan pengalaman, mengidentifikasi pola, membuat keputusan, dan bahkan melakukan tugas-tugas yang sebelumnya hanya bisa dilakukan oleh manusia.Dalam dunia machine learning, terdapat salah satu pendekatan yaitu deep learning. Deep learning adalah artificial intelligence yang menggunakan neural networks dengan struktur yang lebih kompleks untuk memahami dan memproses data. Salah satu algoritma deep learning yang populer adalah Convolutional Neural Network (CNN). CNN telah digunakan dalam berbagai permasalahan, terutama dalam permasalahan mengenai pengenalan image. Penggunaan CNN memungkinkan komputer untuk mengenali objek dan pola dalam gambar dengan akurasi yang tinggi. Proses deep learning yang terjadi di dalam algoritma CNN merupakan perhitungan matematika. Diawali dari proses feature extraction untuk memaksimalkan fitur-fitur penting dari image yang sudah diubah menjadi matriks dan melatih data yang ada hingga didapatkan model dengan algoritma CNN berakurasi tinggi. Penelitian ini berfokus pada bagaimana deep learning dengan menggunakan algoritma CNN dapat mengenali image angka tulisan tangan. Algoritma CNN yang digunakan dapat menghasilkan model berakurasi 99% dalam mengenali image angka tulisan tangan.