Penerapan Metode OCR dan NLP dalam Aplikasi Transliterasi Aksara Jawa Berbasis Android
Abstrak
Aksara Jawa merupakan salah satu warisan budaya Nusantara yang kian jarang digunakan dalam kehidupan sehari-hari, sehingga generasi muda mengalami kesulitan dalam membaca dan menulisnya. Minimnya pemanfaatan media digital untuk pembelajaran dan pelestarian aksara ini memperburuk kondisi tersebut. Penelitian ini bertujuan mengembangkan aplikasi transliterasi aksara Jawa berbasis Android yang memanfaatkan kecerdasan buatan untuk melakukan transliterasi secara otomatis, akurat, dan mudah diakses. Aplikasi memiliki dua fitur utama yaitu transliterasi teks Latin ke aksara Jawa menggunakan model Natural Language Processing berbasis Gemini AI, yang mampu memahami konteks bahasa secara generatif tanpa memerlukan pelatihan ulang lokal dan transliterasi berbasis gambar melalui metode Optical Character Recognition (OCR) dengan model Convolutional Neural Network (CNN) dari TensorFlow untuk mengenali pola visual karakter. Sistem dibangun dengan backend Flask dan diintegrasikan dengan antarmuka Android. Hasil pengujian menunjukkan transliterasi teks menghasilkan keluaran yang konsisten sesuai kaidah penulisan, sementara model OCR mencapai akurasi 96,25% dalam mengenali karakter Hanacaraka. Dengan kombinasi teknologi NLP dan OCR, aplikasi ini berpotensi menjadi media digital yang efektif, interaktif, dan mudah diakses untuk mendukung pelestarian aksara Jawa di era digital.
Kata kunci— Aksara Jawa, Transliterasi, OCR, NLP, CNN
Referensi
S. A. Nugroho and R. Wulandari, "Pengembangan media pembelajaran aksara Jawa interaktif berbasis multimedia (studi kasus SD Mardi Rahayu 01 Ungaran)," Jurnal Ilmiah Komputer Grafis, vol. 13, 2020.
Abdul Robby, G., Tandra, A., Susanto, I., Harefa, J., & Chowanda, A. (2019). Implementation of optical character recognition using tesseract with the javanese script target in android application. Procedia Computer Science, 157, 499-505.
Sari, C. A., Kuncoro, M. W., Setiadi, D. R. I. M., & Rachmawanto, E. H. (2018). Roundness and eccentricity feature extraction for Javanese handwritten character recognition based on K-nearest
neighbor. In 2018 International Seminar on Research of Information Technology and Intelligent Systems (ISRITI) (pp. 5-10).
M. I. Maulana, "Menurunnya Minat Tulisan Aksara Jawa di Lingkup Mahasiswa," Heuristik: Jurnal Pendidikan Sejarah, vol. 3, no. 2, pp. 62-76, Agustus
Nulis Aksara Jawa. (n.d.). Google Play Store. Retrieved from
https://play.google.com/store/apps/details?id=com.mu hfau.nulisjawa
Nulis Aksara. (n.d.). Google Play Store. Retrieved from https://play.google.com/store/apps/details?id=com.gar nesapps.aksara
Hana. (n.d.). Google Play Store. Retrieved from https://play.google.com/store/apps/details?id=dansvel. hana
R. Hidayatullah, H. C. Nugroho, dan R. Arifin, “Pengenalan Karakter Optikal Aksara Jawa Menggunakan Connectionist Temporal Classification (CTC),” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 8, no. 1, pp. 171–177, Jan.
, doi: 10.29207/resti.v8i1.5750. https://jurnal.umpwr.ac.id/intek/article/view/5750/241 6
S. Sutarman and E. Yulianto, "Transliterasi Aksara Jawa ke Latin Menggunakan Metode Rule-Based," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 2, pp. 123–130,
https://scholar.google.com/scholar_lookup?title
=Transliterasi+Aksara+Jawa+ke+Latin+Menggunaka n+Metode+Rule-
Based&author=Sutarman&publication_year=2017
C. Shorten and T. M. Khoshgoftaar, "A survey on Image Data Augmentation for Deep Learning," Journal of Big Data, vol. 6, no. 1, pp. 1–48, 2019. https://journalofbigdata.springeropen.com/articles/10. 1186/s40537-019-0197-0
Google DeepMind. (2023). Gemini: Our most capable and general AI model.
Kesaulya, G. N. A., Fariza, A., & Karlita, T. (2022). Javanese Script Text Image Recognition Using Convolutional Neural Networks. In IES 2022 - 2022 International Electronics Symposium: Energy Development for Climate Change Solution and Clean Energy Transition, Proceeding (pp. 534-539). IEEE. https://doi.org/10.1109/IES55876.2022.9888527
"Penerapan Optical Character Recognition untuk Pengenalan Karakter," Jurnal Buana Informatika, vol. 15, no. 1, pp. 69-78, Apr.
https://ojs.uajy.ac.id/index.php/jbi/article/view/ 9159/3521
A. P. Santoso dan R. H. Nugroho, “Pengklasifikasian Aksara Jawa Metode Convolutional Neural Network,” Jurnal Teknologi Informasi dan Sistem Informasi, vol. 8, no. 1, 2020. https://jurnal.mdp.ac.id/index.php/jatisi/article/downl oad/2177/961
T. L. M. Suryanto, W. N. Simarmata, dan A. Faroqi,
"System Usability Scale (SUS) sebagai Metode Pengujian Kegunaan pada Situs Program Studi," Prosiding Seminar Nasional Teknologi Informasi,pp.285–290, 2022.
https://sitasi.upnjatim.ac.id/index.php/sitasi/article/do wnload/314/61
T. W. Ramdhani, I. Budi, dan B. Purwandari, "Optical Character Recognition Engines Performance Comparison in Information Extraction," International Journal of Advanced Computer Science and Applications, vol. 12, no. 8, pp. 120-127, 2021. https://scispace.com/pdf/optical-character-recognition-engines-performance-comparison- 2uucfxppfp.pdf
