Sistem Pengenalan Huruf Braille Menggunakan Metode Deep Learning Berbasis Website

Abstract

Huruf Braille digunakan sebagai bahasa tulis bagi penyandang tunanetra. Hingga saat ini, Huruf Braille digunakan pada kegiatan belajar mengajar di sekolah inklusif. Namun, terdapat hambatan kapabilitas fisik yang dialami oleh guru pengajar dalam mengoreksi lembar jawaban  siswa tunanetra yang ditulis dalam Huruf Braille. Kemampuan membaca Huruf Braille juga penting dimiliki oleh pihak keluarga untuk membantu kegiatan belajar siswa di rumah. Penelitian ini menghasilkan output berupa sistem yang dapat mentransliterasikan Huruf Braille ke dalam AlfabetLatin menggunakan metode Deep Learning. Metode deep learning yang diajukan antara lain Base Convolutional Neural Network (CNN), VGG-16, ResNet50, dan Inception-v3. Dataset citra Karakter Braille yang digunakan yaitu dataset repositori AEyeAlliance dengan total 12641 data yang dibagi ke dalam 37 kelas. Model Base CNN yang digunakan menghasilkan training accuracy sebesar 98%, validation accuracy sebesar 99%, dan testing accuracy sebesar 99.1%.