Pengenalan Aksara Jawa Dengan Menggunakan Algoritma Convolutional Neural Network

Stefanus Christian Adi Pradhana, Untari Novia Wisesty, Febryanthi Sthevanie

Abstract

Abstrak Aksara jawa merupakan salah satu warisan budaya suku Jawa yang penggunaannya perlu dilestarikan. Aksara jawa memiliki bentuk tulisan yang unik dan memiliki makna yang berbeda menyebabkan perlunya pembelajaran atau merupakan warga asli yang sering membaca tulisan tersebut. Dengan teknologi yang telah berkembang sampai saat ini, dapat dimanfaatkan untuk meningkatkan kesadaran dan kemudahan dalam mempelajari budaya jawa tersebut. Pada penelitian ini dibuat sebuah sistem yang mampu mengenali gambar aksara jawa yang ditulis tangan pada lembaran kertas. Algoritma Convolutional Neural Network (CNN) digunakan sebagai basis pembuatan sistem, dimana CNN dapat mengenali tulisan tanpa menggunakan algoritma ekstrasi fitur tambahan. Dalam penelitian ini CNN mampu mengenali gambar tulisan dengan performansi model 95,35% pada saat proses pelatihan menggunakan data training. Hasil klasifikasi pada data test menghasilkan akurasi sebesar 73%, menunjukkan bahwa CNN dapat mengenali sebagian besar gambar tulisan tangan aksara jawa. Kata kunci: Convolutional Neural Network, pengenalan tulisan, aksara jawa _______________________________________________________________ Abstract Javanese script is one of many heritages of Javanese tribe, which in need to be preserved. With how unique its style and how each word has different meaning, to understand Javanese script means the need of learning the script or simply is a native that has frequently read the script. Current technology makes it possible to increase awareness and make easier access to learn the culture. This research has built a system which managed to recognize handwritten Javanese script images that were drawn in papers. Convolutional Neural Network algorithm is the basis of the system, which managed to recognize the script without any extra feature extraction method. The performance of model of the CNN is around 95,35%. The classification result of test data yields around 73% which shows how CNN is capable of recognizing most of handwritten Javanese script. Keywords: Convolutional Neural Network, character recognition, Javanese scrip

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0