Pengklasifikasian Citra Tulisan Anak Melalui Metode CNN sebagai Pendukung Pendeteksian Dini Disgrafia

Rita Wiryasaputra

Abstract


Era digitalisasi tidak membuat kegiatan menulis dengan tangan dilupakan, karena kegiatan tersebut dibutuhkan untuk berkomunikasi secara tertulis dalam pengoptimalan fungsi otak dan termasuk elemen penting dalam pendidikan anak usia dini. Disgrafia merupakan gangguan  belajar yang berpengaruh pembentukan huruf, spasi, ejaan, dan kecepatan menulis. Gangguan disgrafia yang tidak terdeteksi secara dini, berdampak pada anak dan lingkungan keluarganya yang cenderung terintimidasi dan frustasi. Beberapa negara memiliki peningkatan penderita disgrafia. Pemeriksaan metode konvensional memiliki keterbatasan dalam waktu dan biaya, dimana seorang asesor harus mengevaluasi dan memantau anak penderita disgrafia secara intensif. Convolutional Neural Network merupakan subdomain Deep Learning yang efektif dalam pengenalan objek gambar. Model 4 lapisan convolution dengan fungsi aktivasi ReLU Dengan rasio 80% data training: 20% data testing dengan 50 epoch, tingkat keakurasian mencapai 97%. Pemeriksaan dini disgrafia dapat membantu perbaikan kemampuan komunikasi verbal menulis anak. Siswa penderita disgrafia dapat mencapai kapasitas maksimal akademik dan menjadi orang sukses dengan bantuan dan dukungan pembelajaran yang tepat.

Keywords


disgrafia, CNN, machine learning

Full Text:

PDF

References


A.Z.A Zainuddin, Khuan Y. Lee, & W. Mansor. (2018). Extreme Learning Machine for Distinction of EEG Signal Pattern of Dyslexic Children in Writing. IEEE-EMBS Conference on Biomedical Engineering and Sciences (IECBES).

Drotár, P., & Dobeš, M. (2020). Dysgraphia detection through machine learning. Scientific Reports, 10(1). https://doi.org/10.1038/s41598-020-78611-9

Döhla, D., & Heim, S. (2016). Developmental Dyslexia and Dysgraphia: What can We Learn from the One About the Other? Frontiers in Psychology, 6. https://doi.org/10.3389/fpsyg.2015.02045

Felix, Wijaya, J., Sutra, S. P., Kosasih, P. W., & Sirait, P. (2020). Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun. Jurnal SIFO Mikroskil, 21(1).

Isa, I. S., Syazwani Rahimi, W. N., Ramlan, S. A., & Sulaiman, S. N. (2019). Automated Detection of Dyslexia Symptom Based on Handwriting Image for Primary School Children. Procedia Computer Science, 163. https://doi.org/10.1016/j.procs.2019.12.127

Kariyawasam, R., Nadeeshani, M., Hamid, T., Subasinghe, I., & Ratnayake, P. (2019). A Gamified Approach for Screening and Intervention of Dyslexia, Dysgraphia and Dyscalculia. 2019 International Conference on Advancements in Computing, ICAC 2019. https://doi.org/10.1109/ICAC49085.2019.9103336

Kariyawasam, R., Nadeeshani, M., Hamid, T., Subasinghe, I., Samarasinghe, P., & Ratnayake, P. (2019, December). Pubudu: Deep Learning Based Screening And Intervention of Dyslexia, Dysgraphia And Dyscalculia. 2019 14th Conference on Industrial and Information Systems (ICIIS). https://doi.org/10.1109/ICIIS47346.2019.9063301

Sihwi, S. W., Fikri, K., & Aziz, A. (2019). Dysgraphia Identification from Handwriting with Support Vector Machine Method. Journal of Physics: Conference Series, 1201. https://doi.org/10.1088/1742-6596/1201/1/012050

Valentina, R., Rostianingsih, S., Tjondrowiguno, A. N., & Surabaya, J. S. (2020). Pengenalan Gambar Botol Plastik dan Kaleng Minuman Menggunakan Metode Convolutional Neural Network. Jurnal Infra, 8(1).

Zahia, S., Garcia-Zapirain, B., Saralegui, I., & Fernandez-Ruanova, B. (2020). Dyslexia detection using 3D convolutional neural networks and functional magnetic resonance imaging. Computer Methods and Programs in Biomedicine, 197, 105726. https://doi.org/10.1016/j.cmpb.2020.105726

Zolna, K., Asselborn, T., Jolly, C., Casteran, L., Nguyen-Morel, M.-A., Johal, W., & Dillenbourg, P. (2019). The Dynamics of Handwriting Improves the Automated Diagnosis of Dysgraphia.




DOI: http://dx.doi.org/10.22441/incomtech.v11i3.13769

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

Publisher Address:
Magister Teknik Elektro, Universitas Mercu Buana
Jl. Meruya Selatan 1, Jakarta 11650
Phone (021) 31935454/ 31934474
Fax (021) 31934474
Email: incomtech@mercubuana.ac.id
Website of Master Program in Electrical Engineering
http://mte.pasca.mercubuana.ac.id

pISSN: 2085-4811
eISSN: 2579-6089
Jurnal URL: http://publikasi.mercubuana.ac.id/index.php/Incomtech
Jurnal DOI: 10.22441/incomtech

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional

.

Web
Analytics Made Easy - StatCounter
View My Stats

The Journal is Indexed and Journal List Title by: