PENGENALAN TULISAN TANGAN LATIN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Wibowo, Anton Tri (2024) PENGENALAN TULISAN TANGAN LATIN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (175kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (907kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (81kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (197kB)
	Archive (SOURCE CODE) 11.17.1127 - Anton Tri Wibowo.zip Restricted to Repository staff only Download (13kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Tulisan tangan latin masih sering digunakan dalam penulisan resep dokter meskipun telah ada perkembangan teknologi digital. Namun, variasi gaya tulisan dan kualitas tulisan tangan dapat menyebabkan kesalahan pembacaan yang berpotensi fatal. Kesalahan pembacaan resep medis menjadi permasalahan serius yang dapat berujung fatal, baik di tingkat global maupun di Indonesia. Dalam beberapa kasus, kesalahan tersebut dapat mengakibatkan kematian pasien akibat pemberian obat yang dosis atau jenisnya salah. Menurut penelitian yang diterbitkan dalam jurnal BMJ Quality and Safety, kesalahan pembacaan resep menjadi penyebab utama dari kesalahan dalam penggunaan obat, menyebabkan lebih dari 7.000 kematian setiap tahun di Amerika Serikat. Di Indonesia, masalahnya bisa lebih kompleks karena kekurangan standar dalam penulisan resep medis dan kurangnya kesadaran akan pentingnya kejelasan tulisan tangan. Penelitian ini bertujuan untuk mengenali tulisan tangan latin yang masih sering digunakan pada resep dokter. Untuk mengimplementasikan penelitian ini digunakan algoritma Convolutional Neural Network (CNN) dan menggunakan bahasa pemrograman pyhton dengan semua library yang dibutuhkan untuk menjalankan fungsi – fungsi yang dibutuhkan untuk membantu pengerjaan dalam sistem yang akan dibuat. Akurasi dari 2 percobaan yang menguji model CNN yang dibuat dengan metode confusion matrix menunjukkan hasil, untuk dataset yang menggunakan 62 kelas menghasilkan nilai overall accuracy sebesar 86,11 %, presisi sebesar 71,33 %, recall sebesar 76,44 %, dan f1-score sebesar 71, 41 %, sedangkan pada pengujian menggunakan dataset dengan jumlah kelas 47 menghasilkan nilai overall accuracy sebesar 89,68%, presisi sebesar 87,28%, recall sebesar 89,42 % dan f1- score sebesar 87,76 %.

Actions (login required)

View Item