DETEKSI MOTORIK HALUS ANAK DARI TULISAN HURUF HIJAIYAH DENGAN CNN RESNET-50 (STUDI KASUS BA AISYIYAH PONOROGO)

Sya'roni, Balya Fauzia (2025) DETEKSI MOTORIK HALUS ANAK DARI TULISAN HURUF HIJAIYAH DENGAN CNN RESNET-50 (STUDI KASUS BA AISYIYAH PONOROGO). S1 thesis, Universitas Muhammadiyah Ponorogo.

	Text (SURAT PERSETUJUAN UNGGAH KARYA ILMIAH) 1.SURAT UNGGAH KARYA ILMIAH.pdf Download (189kB)
	Text (HALAMAN DEPAN) 2.HALAMAN DEPAN.pdf Download (3MB)
	Text (BAB I) 3.BAB I.pdf Download (328kB)
	Text (BAB II) 4.BAB II.pdf Restricted to Repository staff only Download (781kB) | Request a copy
	Text (BAB III) 5.BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV) 6.BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) 7.BAB V.pdf Restricted to Repository staff only Download (312kB) | Request a copy
	Text (DAFTAR PUSTAKA) 8.DAFTAR PUSTAKA.pdf Download (284kB)
	Text (LAMPIRAN) 9.LAMPIRAN.pdf Restricted to Repository staff only Download (498kB) | Request a copy
	Text (SKRIPSI FULL TEXT) SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Kemampuan motorik halus merupakan salah satu aspek penting dalam perkembangan anak usia dini, khususnya dalam kegiatan menulis huruf. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi kemampuan motorik halus anak berdasarkan tulisan huruf Hijaiyah menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Data diperoleh dari anak-anak BA Aisyiyah Tonatan Ponorogo berupa tulisan tangan huruf Hijaiyah, yang diklasifikasikan ke dalam empat kategori: Belum Berkembang (BB), Mulai Berkembang (MB), Berkembang Sesuai Harapan (BSH), dan Berkembang Sangat Baik (BSB). Model dilatih dengan menggunakan metode transfer learning, yaitu memanfaatkan model ResNet-50 yang sebelumnya sudah dilatih pada dataset besar bernama ImageNet. Kemudian, penyesuaian dilakukan pada 30 lapisan terakhir agar model bisa mengenali tulisan huruf Hijaiyah anak dengan lebih baik. Dataset terdiri dari 4.800 gambar untuk pelatihan dan validasi, serta 20 gambar uji untuk pengujian performa. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan tulisan dengan akurasi mencapai 80%. Sistem ini diimplementasikan dalam bentuk aplikasi web berbasis Flask, yang memungkinkan guru melakukan penilaian secara otomatis dan efisien. Penelitian ini menunjukkan bahwa teknologi deep learning dapat digunakan sebagai alat bantu objektif dalam mendeteksi dan mengevaluasi kemampuan motorik halus anak usia dini, khususnya melalui media tulisan huruf Hijaiyah.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Motorik Halus, Hijaiyah, CNN, ResNet-50, Anak Usia Dini, Klasifikasi, Flask
Subjects:	A General Works > AI Indexes (General) T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Department of Informatic Engineering
Depositing User:	Balya Fauzia Sya'roni
Date Deposited:	04 Nov 2025 03:12
Last Modified:	04 Nov 2025 03:12
URI:	https://eprints.umpo.ac.id/id/eprint/17724

Actions (login required)

View Item