Penerapan Algoritma Convolutional Neural Networks untuk Pengenalan Tulisan Tangan Aksara Jawa: Implementation of Convolutional Neural Networks Algorithm for Javanese Handwriting Recognition

Lutfi Abdiansah; Sumarno Sumarno; Ade Eviyanti; Nuril Lutvi Azizah

doi:10.57152/malcom.v5i2.1814

Authors

Lutfi Abdiansah Universitas Muhammadiyah Sidoarjo
Sumarno Sumarno Universitas Muhammadiyah Sidoarjo
Ade Eviyanti Universitas Muhammadiyah Sidoarjo
Nuril Lutvi Azizah Universitas Muhammadiyah Sidoarjo

DOI:

https://doi.org/10.57152/malcom.v5i2.1814

Keywords:

Aksara Jawa, Akurasi, Convolutional Neural Network, Deep Learning, Pengenalan Tulisan Tangan

Abstract

Aksara Jawa adalah sistem tulisan tradisional yang dulunya banyak digunakan di Jawa Timur dan Jawa Tengah, terdiri dari 20 huruf utama serta beberapa atribut tambahan. Namun, penggunaannya dalam kehidupan sehari-hari semakin berkurang. Penelitian ini bertujuan mengembangkan sistem pengenalan aksara Jawa menggunakan Convolutional Neural Network (CNN) sebagai upaya pelestarian. Dataset yang digunakan mencakup 1000 citra tulisan tangan aksara Jawa, dengan 700 citra untuk pelatihan dan 300 citra untuk validasi. Proses penelitian meliputi pengumpulan data, preprocessing, pembangunan arsitektur CNN, dan evaluasi model. Arsitektur CNN dirancang untuk menangkap fitur utama aksara, termasuk membedakan huruf yang memiliki kemiripan visual. Hasil evaluasi menunjukkan performa yang baik, dengan akurasi mencapai 99,83% pada pengenalan aksara yang diinputkan, serta grafik akurasi dan loss yang konsisten antara data pelatihan dan validasi. Temuan ini menunjukkan bahwa CNN memiliki potensi besar dalam pengenalan aksara Jawa, meskipun optimasi lebih lanjut tetap diperlukan untuk meningkatkan akurasi dan efisiensi sistem guna mendukung penerapannya secara lebih luas.

Downloads

Download data is not yet available.

References

S. D. Hartiyani, A. Prayogo, and E. Erlinawati, “Aplikasi Multimedia Pembelajaran Aksara Jawa Berbasis Android Untuk Siswa Sekolah Dasar,” EDUSAINTEK J. Pendidikan, Sains dan Teknol., vol. 10, no. 2, pp. 679–693, 2023, doi: 10.47668/edusaintek.v10i2.805.

D. Fakhruddin, A. Sachari, and N. Haswanto, “Pengembangan Desain Informasi dan Pembelajaran Aksara Jawa melalui Media Website,” ANDHARUPA J. Desain Komun. Vis. Multimed., vol. 5, no. 01, pp. 1–23, 2019, doi: 10.33633/andharupa.v5i01.1990.

M. Muslih and E. H. Rachmawanto, “Convolutional Neural Network (Cnn) Untuk Klasifikasi Citra Penyakit Diabetes Retinopathy,” SKANIKA, vol. 5, no. 2, pp. 167–176, 2022, doi: 10.36080/skanika.v5i2.2945.

K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.

R. Kusumaningrum, I. Z. Nisa, R. P. Nawangsari, and A. Wibowo, “Sentiment analysis of Indonesian hotel reviews: from classical machine learning to deep learning,” Int. J. Adv. Intell. Informatics, vol. 7, no. 3, pp. 292–303, 2021, doi: 10.26555/ijain.v7i3.737.

A. Mulyanto, E. Susanti, F. Rossi, W. Wajiran, and R. I. Borman, “Penerapan Convolutional Neural Network (CNN) pada Pengenalan Aksara Lampung Berbasis Optical Character Recognition (OCR),” J. Edukasi dan Penelit. Inform., vol. 7, no. 1, p. 52, 2021, doi: 10.26418/jp.v7i1.44133.

R. Aryanto, M. Alfan Rosid, and S. Busono, “Penerapan Deep Learning untuk Pengenalan Tulisan Tangan Bahasa Aksara Lota Ende dengan Menggunakan Metode Convolutional Neural Networks,” J. Inf. dan Teknol., vol. 5, no. 1, pp. 258–264, 2023, doi: 10.37034/jidt.v5i1.313.

E. D. B. Sudewo, M. K. Biddinika, and A. Fadlil, “Javanese Script Hanacaraka Character Prediction With Resnet-18 Architecture,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 10, no. 2, pp. 363–370, 2024, doi: 10.33330/jurteksi.v10i2.3017.

M. A. S. M. Afendi and M. Yusoff, “A sound event detection based on hybrid convolution neural network and random forest,” IAES Int. J. Artif. Intell., vol. 11, no. 1, pp. 121–128, 2022, doi: 10.11591/ijai.v11.i1.pp121-128.

A. Kirana, H. Hikmayanti, and J. Indra, “Pengenalan Pola Aksara Sunda dengan Metode Convolutional Neural Network,” Sci. Student J. Information, Technol. Sci., vol. 1, no. 2, pp. 95–100, 2020, [Online]. Available: http://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/download/19/15

D. S. Wita and D. Y. Liliana, “Klasifikasi Identitas Dengan Citra Telapak Tangan Menggunakan Convolutional Neural Network (CNN),” J. Rekayasa Teknol. Inf., vol. 6, no. 1, p. 1, 2022, doi: 10.30872/jurti.v6i1.7100.

E. H. Rachmawanto and P. N. Andono, “Deteksi Karakter Hiragana Menggunakan Metode Convolutional Neural Network,” J. Nas. Pendidik. Tek. Inform., vol. 11, no. 3, pp. 183–191, 2022, doi: 10.23887/janapati.v11i3.50144.

W. Setiawan, “Perbandingan Arsitektur Convolutional Neural Network Untuk Klasifikasi Fundus,” J. Simantec, vol. 7, no. 2, pp. 48–53, 2020, doi: 10.21107/simantec.v7i2.6551.

I. Gusti, A. Gede, and A. Kadyanan, “Pengembangan Aplikasi Deep Learning untuk Identifikasi Kain Endek Bali,” J. Ilmu Komput., vol. 14, no. 1, pp. 32–39, 2022.

I. Akil and I. Chaidir, “Deteksi Karakter Huruf Arab Dengan Menggunakan Convolutional Neural Network,” INTI Nusa Mandiri, vol. 15, no. 2, pp. 183–188, 2021, doi: 10.33480/inti.v15i2.2179.

R. N. S. Amriza and D. Supriyadi, “Komparasi Metode Machine Learning dan Deep Learning untuk Deteksi Emosi pada Text di Sosial Media,” J. Penelit. Ilmu dan Tek. Komput., vol. 13, no. 2, pp. 130–139, 2021.

I. Arifin, R. F. Haidi, and M. Dzalhaqi, “Penerapan Computer Vision Menggunakan Metode Deep Learning pada Perspektif Generasi Ulul Albab,” J. Teknol. Terpadu, vol. 7, no. 2, pp. 98–107, 2021, doi: 10.54914/jtt.v7i2.436.

Efanntyo and A. R. Mitra, “Perancangan Aplikasi Sistem Pengenalan Wajah Dengan Metode Convolutional Neural Network ( CNN ) Untuk Pencatatan Kehadiran Karyawan,” J. Instrumentasi dan Teknol. Inform., vol. 3, no. 1, pp. 1–11, 2021.

N. P. Wulandari and D. Fitrianah, “Analisa Perbandingan Algoritma CNN Dan MLP Dalam Mendeteksi Penyakit COVID-19 Pada Citra X-Ray Paru,” J. Sains, Apl. Komputasu dan Teknol. Inf., vol. 3, no. 2, p. 44, 2021.

D. J. P. Manajang, S. R. U. . Sompie, and A. Jacobus, “Implementasi Framework Tensorflow Object Detection Dalam Mengklasifikasi Jenis Kendaraan Bermotor,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 1821–1831, 2021, doi: 10.35957/jatisi.v8i4.1269.

M. Ihsan, R. K. Niswatin, and D. Swanjaya, “Deteksi Ekspresi Wajah Menggunakan Tensorflow,” Joutica, vol. 6, no. 1, p. 428, 2021, doi: 10.30736/jti.v6i1.554.

N. F. Hasan, K. Kusrini, and H. Al Fatta, “Analisis Arsitektur Jaringan Syaraf Tiruan Untuk Peramalan Penjualan Air Minum Dalam Kemasan,” J. Rekayasa Teknol. Inf., vol. 3, no. 1, p. 1, 2019, doi: 10.30872/jurti.v3i1.2290.

S. Prihatiningsih, N. Shafiy M, F. Andriani, and N. Nugraha, “Analisa Performa Pengenalan Tulisan Tangan Angka Berdasarkan Jumlah Iterasi Menggunakan Metode Convolutional Neural Network,” J. Ilm. Teknol. dan Rekayasa, vol. 24, no. 1, pp. 58–66, 2019, doi: 10.35760/tr.2019.v24i1.1934.