Pengenalan Angka Tulisan Tangan Menggunakan Metode Machine Learning Random Forest
DOI:
https://doi.org/10.35968/jsi.v12i2.1476Kata Kunci:
Pengenalan Angka, Machine Learning, Random ForestAbstrak
Perkembangan teknologi Artificial Intelligence dan Machine Learning berperan penting dalam pengenalan tulisan tangan. Tantangan utama dalam pengenalan angka tulisan tangan adalah variasi bentuk antar individu. Penelitian ini mengimplementasikan algoritma Random Forest untuk mengklasifikasikan angka tulisan tangan secara otomatis, menggunakan dataset MNIST berformat CSV. Model dilatih pada 8.000 data dan diuji pada 2.000 data. Hasil evaluasi menunjukkan akurasi sebesar 95,20%, dengan 1.904 prediksi benar. Nilai rata-rata precision, recall, dan f1-score masing-masing mencapai 0,95, menunjukkan kinerja yang stabil dan akurat. Efektivitas model tercermin dari kemampuannya mengenali sebagian besar angka secara konsisten, dengan f1-score tertinggi sebesar 0,98. Efisiensi tercapai melalui waktu pelatihan yang cepat tanpa tuning parameter lanjutan. Dengan akurasi mencapai 95,20%, nilai f1-score rata-rata sebesar 0,95, serta waktu pelatihan yang cepat tanpa perlu tuning parameter, algoritma Random Forest menunjukkan kemampuan yang sangat baik dalam mengenali angka-angka dengan bentuk konsisten seperti angka 1, untuk menangani variasi tulisan tangan dengan kesalahan klasifikasi yang dapat dijelaskan secara visual. Oleh karena itu, Random Forest merupakan metode yang potensial untuk sistem pengenalan karakter tulisan tangan, terutama pada aplikasi digitalisasi dokumen dan otomasi sistem ujian.Referensi
Awaludin, M., & Amelia, L. V. (2022). Penerapan Structural Equation Modeling (Sem) Dengan Lisrel Terhadap Perbedaan Tarif Penerbangan Pada Penumpang Domestik Di Bandara Halim Perdanakusuma. Jurnal Sistem Informasi Universitas Suryadarma, 9(1). https://doi.org/10.35968/jsi.v9i1.855
Awaludin, M., & Gani, A. (2024). Pemanfaatan kecerdasan buatan pada algoritma k-means klastering dan sentiment analysis terhadap strategi promosi yang sukses untuk penerimaan mahasiswa baru. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 11(1), 1–6.
Awaludin, M., Yasin, V., & Risyda, F. (2024). The Influence of Artificial Intelligence Technology, Infrastructure and Human Resource Competence on Internet Access Networks. Inform : Jurnal Ilmiah Bidang Teknologi Informasi Dan Komunikasi, 9(2), 111–120. https://doi.org/10.25139/inform.v9i2.8109
Aulia, F. N., & Munir, M. F. (2020). Penerapan algoritma Random Forest untuk klasifikasi citra daun. Jurnal Informatika Politeknik Negeri Malang, 7(2), 45–51. https://ejurnal.polinema.ac.id/index.php/jif/article/view/3547.
Pratama, R., & Widodo, W. (2019). Klasifikasi citra dengan algoritma Random Forest dan ekstraksi fitur HOG. Jurnal Sistem dan Teknologi Informasi, 7(1), 45–52. https://jurnal.stmik-amikbandung.ac.id/index.php/jsti/article/view/589
Rohmah, N., & Sunaryo, S. (2021). Klasifikasi jenis buah menggunakan metode Random Forest. Jurnal Teknologi dan Sistem Komputer, 9(3), 131–137. https://ejournal.uin-suka.ac.id/tasik/article/view/2928
Jatmiko, N. P., & Suciati, N. (2004). Pengenalan Angka Tulisan Tangan Online Menggunakan Metode Structural Matching. JUTI: Jurnal Ilmiah Teknologi Informasi, 132-139.
Prihatiningsih, S., Andriani, F., & Nugraha, N. (2019). Analisa Performa Pengenalan Tulisan Tangan Angka Berdasarkan Jumlah Iterasi Menggunakan Metode Convolutional Neural Network. Jurnal Ilmiah Teknologi dan Rekayasa, 24(1), 58-66
Hadi, F. A., Wirayuda, T. A. B., & Ramadhani, K. N. (2015). Pengenalan Angka Tulisan Tangan Dengan Penerapan Freeman Chain Code yang Dimodifikasi. eProceedings of Engineering, 2(2)
Akbar, R., & Sarwoko, E. A. (2016). Studi Analisis Pengenalan Pola Tulisan Tangan Angka Arabic (Indian) menggunakan Metode K-Nearest Neighbors dan Connected Component Labeling. Jenderal Soedirman Universit
Palangkaraya, M. H. Q. S. (2017). Pengenalan Huruf Dan Angka Tulisan Tangan Mengunakan Metode Convolution Neural Network (CNN). Speed-Sentra Penelitian Engineering dan Edukasi, 9(2)
Rahmawan, F., Habibi, R., & Setyawan, M. Y. H. (2023). Rekognisi Huruf Tulisan Tangan Menggunakan Convolutional Neural Network. Jurnal Sistem Cerdas, 6(3), 262-276.
Mawaddah, S., & Suciati, N. (2020). Pengenalan Karakter Tulisan Tangan Menggunakan Ekstraksi Fitur Bentuk Berbasis Chain Code. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(4), 683-692.
Widoretno, S., Sarosa, M., & Muslim, M. A. (2013). Implementasi Pengenalan Karakter Seseorang Berdasarkan Pola Tulisan Tangan. Jurnal EECCIS, 7(1), 97-102.
Putra, A., & Wirayuda, T. (2014). Klasifikasi Tulisan Tangan Berupa Angka Menggunakan Random Forest dan Histogram of Oriented Gradient. eProceedings of Engineering, 1(1)
Wahyu SJ, S., Arif Rahman, S., & Agus Zainal, A. (2011). Seleksi Fitur Menggunakan Random Forest Dan Neural Network.
Indra, D., Hayati, L. N., Daris, M. A., As' ad, I., & Mansyur, U. (2024). Penerapan Metode Random Forest dalam Klasifikasi Huruf BISINDO dengan Menggunakan Ekstraksi Fitur Warna dan Bentuk. Komputika: Jurnal Sistem Komputer, 13(1), 29-40.
Widoretno, S., Sarosa, M., & Muslim, M. A. (2013). Implementasi Pengenalan Karakter Seseorang Berdasarkan Pola Tulisan Tangan. Jurnal EECCIS, 7(1), 97-102.
