Deteksi Pola Huruf Hijaiyah Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Aplikasi Mobile

Authors

  • Ahmad Fausi Febrian Politeknik Negeri Ujung Pandang
  • Muh. Azim Politeknik Negeri Ujung Pandang
  • Rahma Nangsah Mal Politeknik Negeri Ujung Pandang
  • Muhammad Hafizh Arrasyid Politeknik Negeri Ujung Pandang

Keywords:

Hijaiyah, CNN, Aplikasi Mobile, Pengenalan Pola

Abstract

Pengenalan pola huruf hijaiyah telah menjadi bidang penelitian yang penting dalam pengembangan teknologi. Dalam beberapa tahun terakhir penggunaan Convolutional Neural Network (CNN) telah meningkatkan kemampuan deteksi huruf hijaiyah. Penelitian ini membahas pengenalan pola huruf hijaiyah menggunakan CNN berbasis aplikasi mobile. Dataset yang digunakan mencakup berbagai gaya tulisan tangan yang diproses dengan citra dan dilatih menggunakan model CNN untuk meningkatkan akurasi pengenalan. Aplikasi ini dirancang untuk memberikan umpan balik langsung dan interaktif sehingga membuat proses belajar menjadi lebih menarik dan efektif terutama bagi anak-anak yang sedang belajar membaca Al-Qur'an. Hasil penelitian menunjukkan bahwa penggunaan CNN dapat meningkatkan akurasi pengenalan huruf hijaiyah secara signifikan. Aplikasi ini tidak hanya mendukung proses belajar mandiri tetapi juga memudahkan orang tua dan guru dalam memberikan bimbingan. Penelitian ini memberikan kontribusi positif terhadap pengembangan teknologi pengenalan pola huruf hijaiyah dan membuka peluang untuk inovasi lebih lanjut di bidang pendidikan berbasis teknologi. Potensi integrasi teknologi modern ini diharapkan dapat memberikan dampak yang luas dalam meningkatkan kualitas pendidikan agama.

Abstract views: 109 , PDF downloads: 106

Downloads

Download data is not yet available.

References

Rajagede, R. A., Dewa, C. K., & Afiahayati. (2017). Recognizing Arabic letter utterance using convolutional neural network. 2017 18th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD), 181-186. https://doi.org/10.1109/SNPD.2017.8022720

Muqsith, F. I., Supriyati, E., & Listyorini, T. (2025). Klasifikasi pengucapan huruf Hijaiyah berbasis Android menggunakan CNN dengan fitur mel-spectrogram. Jurnal Informatika: Jurnal Pengembangan IT, 10(1). https://doi.org/10.30591/jpit.v10i1.8145

Rahmatulloh, A., Gunawan, R. I., Darmawan, I., Rizal, R., & Rahmat, B. Z. (2022). Optimization of Hijaiyah letter handwriting recognition model based on deep learning. 2022 International Conference Advancement in Data Science, E-learning and Information Systems (ICADEIS), 1-7. https://doi.org/10.1109/ICADEIS56544.2022.10037496

Bouchriha, L., Zrigui, A., Mansouri, S., Berchech, S., & Omrani, S. (2022). Arabic Handwritten Character Recognition Based on Convolution Neural Networks. https://doi.org/10.1007/978-3-031-16210-7_23

Alsaeedi, A., Al Mutawa, H., Snoussi, S., Natheer, S., Omri, K., & Al Subhi, W. (2018). Arabic words Recognition using CNN and TNN on a Smartphone. 2018 IEEE 2nd International Workshop on Arabic and Derived Script Analysis and Recognition (ASAR), 57-61. https://doi.org/10.1109/ASAR.2018.8480267

Nayef, B. H., Abdullah, S. N. H. S., Sulaiman, R., & Alyasseri, Z. (2021). Optimized leaky ReLU for handwritten Arabic character recognition using convolution neural networks. Multimedia Tools and Applications, 81, 2065 - 2094. https://doi.org/10.1007/s11042-021-11593-6

Alshayeji, M., Abed, S., & Sindhu, S. C. B. (2024). Automatic Arabic handwritten character recognition using ensemble of convolutional neural networks from scratch. Multimedia Tools and Applications. https://doi.org/10.1007/s11042-024-20282-z

Elbashir, M., Mustafa, M. E., & Mohamed, M. (2018). Convolutional Neural Network Model for Arabic Handwritten Characters Recognition. IJARCCE. https://doi.org/10.17148/IJARCCE.2018.71101

Hamdi, Y., Boubaker, H., Dhieb, T., Elbaati, A., & Alimi, A. (2019). Hybrid DBLSTM-SVM Based Beta-Elliptic-CNN Models for Online Arabic Characters Recognition. 2019 International Conference on Document Analysis and Recognition (ICDAR), 545-550. https://doi.org/10.1109/ICDAR.2019.00093

Jbrail, M. W., & Tenekeci, M. (2022). Character recognition of Arabic handwritten characters using deep learning. Journal of Studies in Science and Engineering, 99. https://doi.org/10.53898/josse2022213

Downloads

Published

2025-03-01

How to Cite

Febrian, A. F., Azim, M., Mal, R. N., & Arrasyid, M. H. (2025). Deteksi Pola Huruf Hijaiyah Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Aplikasi Mobile. Progressive Information, Security, Computer, and Embedded System, 3(1), 1–14. Retrieved from https://journal.diginus.id/PISCES/article/view/466

Issue

Vol. 3, No. 1 Maret (2025)

Section

Articles

License

Copyright (c) 2025 Ahmad Fausi Febrian, Muh. Azim, Rahma Nangsah Mal, Muhammad Hafizh Arrasyid

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.