Classification of Calligraphy Writing Types Using Convolutional Neural Network Method (CNN)

Oddy Virgantara Putra,Aziz Musthafa,Muhammad Nur,Muhamad Rido

doi:10.21070/pels.v2i0.1136

Abstract

Calligraphy is the art of beautiful Arabic writing in which a series of letters are formed in appropriate proportions, maintaining distance and accuracy containing verses from the Qur'an or Hadith. There is a challenge to recognize the type of calligraphy using machine learning. This study aims to classify the types of calligraphy writing for ordinary people who do not understand the differences between each type of calligraphy writing. This study builds a model using the Convolutional Neural Network (CNN) method. The image used will go through a noise cleaning, resizing, and cropping process. This method is to carry out the process of classifying the type of calligraphy using a dataset consisting of 230 of 2 different types of calligraphy, namely the Naskhi and Riq'ah types. 80% is used as training data and 20% for test data. In the modeling process there are two convolutional layers and two MaxPooling layers followed by a Fully connected layer. The CNN modeling results used to test the built data have an average percentage result of 89% accuracy from the training data used. For further research, it can be developed with other types of calligraphy.

Highlights

Abstrak- Kaligrafi adalah ilmu seni menulis Arab dengan indah dimana serangkaian huruf dibentuk dalam proporsi yang sesuai, menjaga jarak dan akurasi yang berisi ayat-ayat dari Al-Qur’an atau Hadits
Hasil pemodelan Convolutional Neural Network (CNN) yang digunakan untuk menguji data yang dibangun memiliki hasil persentase rata-rata accuracy 89% dari data latih yang digunakan
Hasil nilai loss dari proses pelatihan pada data train dan data validasi Pada gambar 5 dan 6 yang menyatakan bahwa hasil persentase pengujian Algoritma CNN yaitu dengan rata-rata accuracy 89% pada data train dan rata-rata accuracy 75% pada data validasi

Summary

PENDAHULUAN

Kaligrafi merupakan seni tulis Islam yang indah dalam Bahasa Arab yang merupakan keterampilan tangan dengan dipadukan rasa seni yang terkandung dalam hati penulisnya. Beberapa penelitian yang terkait dalam pengklasifikasian jenis tulisan kaligrafi yang telah dilakukan seperti Arabic handwriting recognition system using convolutional neural network. Klasifikasi dilakukan dalam penelitian ini menggunakan dataset tulisan tangan dengan gambar bitmap Red Green Blue (RGB) yang menjadi sumber data yang unik. Dalam penelitian ini menunjukan bahwa metode CNN mempunyai potensi untuk pengenalan objek dalam membedakan jenis tanaman yang bisa menjadi pertimbangan dalam menentukan objek pada citra[5]. Peneliti menggunakan model CNN dengan tiga convolutional layers yang disetiap layer memiliki 128 filter, dengan ukuran kernel 5x5, dan 1HL dimana setiap layer memiliki neuron sebanyak 128, ukuran citra yang digunakan 64x64. Dataset yang digunakan untuk klasifikasi pada citra yaitu 25200 data dengan hasil presisi 71,44%, dan recall 69,18%. Dalam penelitian ini akan berfokus pada penerapan metode CNN dalam membangun model untuk melakukan klasifikasi jenis tulisan kaligrafi. Adapun jenis kaligrafi yang akan di klasifikasi pada penelitian ini ada dua jenis kaligrafi yaitu khat naskhi dan khat riq’ah

METODE

HASIL DAN PEMBAHASAN

Findings

KESIMPULAN