Perbandingan Arsitektur LeNet dan AlexNet Pada Metode Convolutional Neural Network Untuk Pengenalan American Sign Language

American Sign Language (ASL) merupakan bahasa isyarat yang digunakan untuk berkomunikasi bagi penderita tuna rungu. Metode yang digunakan untuk mengenali ASL yaitu Convolutional Neural Network (CNN). Arsitektur yang digunakan LeNet dan AlexNet. Hasil dari masing-masing arsitektur kemudian dibandingk...

Full description

Saved in:
Bibliographic Details
Published inJurnal komputer terapan Vol. 7; no. 1; pp. 53 - 61
Main Authors Al Rivan, Muhammad Ezar, Riyadi, Alwyn Giovri
Format Journal Article
LanguageEnglish
Indonesian
Published Politeknik Caltex Riau 01.06.2021
Subjects
AlexNet
ASL
CNN
Klasifikasi
LeNet
Online AccessGet full text

Cover

More Information
Summary:American Sign Language (ASL) merupakan bahasa isyarat yang digunakan untuk berkomunikasi bagi penderita tuna rungu. Metode yang digunakan untuk mengenali ASL yaitu Convolutional Neural Network (CNN). Arsitektur yang digunakan LeNet dan AlexNet. Hasil dari masing-masing arsitektur kemudian dibandingkan kinerjanya. Penelitian dilakukan dengan 2 skema jumlah data yang digunakan, yaitu skema pertama 100 data per huruf dan skema kedua 1.000 data per huruf untuk menguji kinerja dari kedua arsitektur. Hasil penelitian setelah diuji dengan data baru, yaitu skema pertama untuk arsitektur LeNet menghasilkan akurasi keseluruhan 48,332% dan arsitektur AlexNet menghasilkan akurasi keseluruhan 32,584%. Skema kedua untuk arsitektur LeNet menghasilkan akurasi keseluruhan 92,468% dan arsitektur AlexNet menghasilkan akurasi keseluruhan 91,618%. Secara keseluruhan perbandingan dapat dikatakan bahwa arsitektur LeNet adalah arsitektur terbaik dalam penelitian ini.
ISSN:2443-4159
2460-5255
DOI:10.35143/jkt.v7i1.4489