Ahmad Sodik Pengarang Muslim Hidayat, M.Kom Dosen Pembimbing 2 Adi Suwondo, M.Kom Dosen Pembimbing 1 Dian Asmarajati., M.Kom. Penguji 1 Adi Suwondo, M.Kom Ketua Penguji Iman Ahmad Ihsanuddin, M.Pd Penguji 2

Khat kaligrafi merupakan seni tulisan indah yang memiliki berbagai jenis,seperti Naskhi, Diwani, dan Thuluth, yang masing-masing memiliki karakteristikunik. Namun, keberagaman ini seringkali menjadi tantangan bagi masyarakat untukmengenali dan membedakan jenis khat tersebut. Untuk mengatasi hal ini, penelitianini bertujuan mengembangkan aplikasi berbasis Android yang dapat mengenalijenis khat kaligrafi secara otomatis menggunakan algoritma Convolutional NeuralNetwork (CNN). CNN dipilih karena dikenal sebagai salah satu metode deeplearning yang sangat baik dalam mengenali dan mengklasifikasikan gambar. Dalampenelitian ini, data pelatihan diambil dari tiga jenis khat tersebut, dan model CNNyang dilatih menunjukkan hasil akurasi yang baik. Proses pelatihan menghasilkannilai loss sebesar 3,84% dan accuracy sebesar 98,21%, sementara evaluasi modelmenggunakan data validasi menunjukkan validation loss sebesar 113,95% danvalidation accuracy mencapai 79,20% setelah 10 kali epoch. Selanjutnya, modelini dievaluasi menggunakan confusion matrix dengan hasil akurasi 79%. Serta hasilpengujian pada gambar khat yang di ambil dari kamera 13 dari 20 percobaan benar,mencapai 65%, dan 70% untuk gambar dari galeri 14 dari 20 percobaan benar,dengan rata-rata akurasi sebesar 67%. Dalam mengimplementasikan model CNNke dalam aplikasi Android, model yang telah dilatih diubah ke format TensorFlowLite (.tflite) menggunakan TFLiteConverter. File model kemudian disimpan difolder proyek Android Studio, diproses menggunakan library TensorFlow Lite, dandiintegrasikan ke aplikasi untuk mengenali jenis khat berdasarkan gambar inputan.Kata Kunci : Khat Kaligrafi, Deep Learning, Convolutional Neural Network(CNN), Confusion Matrix, Android.