DETEKSI JARAK SPASI ANTAR BARIS TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN FRAMEWORK YOLO

Tulisan tangan memiliki peran penting dalam komunikasi, terutama dalam
bidang pendidikan, di mana keterbacaan dan keteraturan tulisan mencerminkan
kemampuan individu. Evaluasi manual terhadap tulisan tangan cenderung subjektif
dan memerlukan waktu yang lama. Oleh karena itu, diperlukan sistem otomatis
yang objektif dan efisien.
Penelitian ini mengusulkan metode deteksi jarak antar baris tulisan tangan
secara otomatis menggunakan Convolutional Neural Network (CNN) dengan
framework YOLO. Dataset terdiri dari citra latih dan citra uji, yang dikategorikan
sebagai "sempit" dan "lebar." Citra diperoleh melalui pemindaian, kemudian
diproses menggunakan metode thresholding untuk segmentasi area tulisan. Proses
anotasi dilakukan dengan Library LabelMe untuk menyiapkan data pelatihan
model.
Hasil pelatihan model menunjukkan bahwa dengan konfigurasi batch size
16, epoch 150, learning rate 0.01 menghasilkan performa dengan mAP@0.25
sebesar 46%, mAP@0.5 sebesar 47%, mAP@0.75 sebesar 38%, Precision sebesar
41%, Recall sebesar 55%. Threshold 0.4 dipilih untuk proses cropping, sementara
threshold 0.2 digunakan untuk segmentasi zona middle guna memastikan deteksi
yang lebih akurat. Model YOLO mampu mengidentifikasi jarak antar baris tulisan
tangan secara otomatis, meskipun masih terdapat beberapa kesalahan klasifikasi.
Penelitian ini menunjukkan bahwa pendekatan berbasis CNN dapat
mendukung otomatisasi evaluasi tulisan tangan. Pengembangan lebih lanjut dapat
dilakukan dengan meningkatkan variasi dataset dan mengoptimalkan parameter
model untuk meningkatkan akurasi deteksi.