Klasifikasi Karakter Tulisan Aksara Jawa Menggunakan Algoritma Convolutional Neural Network

Abstract

CNN (Convolutional Neural Networks) merupakan model yang dikembangkan berdasarkan jaringan neural networks dan banyak digunakan untuk deteksi dan pengenalan obyek yang secara khusus dikembangkan untuk memproses data dua dimensi. Tulisan aksara jawa memiliki keunikan bentuk pada karakter ditiap hurufnya dan memiliki 20 karakter huruf tersebut memiliki pelafalan konsonan yang berbeda-beda. Seiring berjalannya waktu, aksara jawa mulai tidak familiar dikalangan umum karena termasuk bahasa daerah yang susah dipelajari dan harus tetap dilestarikan. Dengan menggunakan CNN, penelitian ini mengembangkan program dengan kemampuan pengolahan citra dan mesin CNN untuk pengenalan karakter dan klasifikasi aksara Jawa. Perangkat lunak yang dikembangkan menggunakan deteksi kontur dan deteksi tepi cerdas menggunakan perpustakaan gambar karakter Java OpenCV dalam proses segmentasi. Mesin CNN kemudian melakukan proses klasifikasi pada Java script yang disegmentasi menjadi 20 kelas. Untuk evaluasi, dibentuk empat model segmentasi untuk diklasifikasi yakni model canny, model countour, model canny+contour dan model contour+canny. Keempat model tersebut akan dibandingkan tingkat akurasi, loss dan waktu runtime yang dihasilkan. Dari penelitian ini dihasilkan akurasi tertinggi didapatkan pada model segmentasi contour + canny dengan nilai akurasi 0.5307 dan loss 5.5167. Sedangkan akurasi terendah didapatkan pada model segmentasi canny + contour dengan nilai akurasi 0.4135 dan loss 5.1892.