Rancang Bangun Klasifikasi Aksara Jawa Menggunakan Convolutional Neural Network Berbasis Website
Keywords:
Aksara Jawa, Klasifikasi, CNN, AI Project Cycle, WebsiteAbstract
Aksara Jawa di Indonesia memiliki nilai sangat tinggi, keunikan Aksara menjadi salah satu hal untuk dilestarikan. Pemerintah menjalankan upaya pelestarian pada zaman modern ini adalah dengan memasukkan Aksara Jawa ke dalam kurikulum pembelajaran di dunia Pendidikan. Pengenalan citra dengan Convolutional Neural Network (CNN) diharapkan dapat memberikan efisiensi dalam pengembangan metode pembelajaran Aksara Jawa untuk kedepannya tentunya dengan membangun model supaya bisa secara efektif mengklasifikasikan Aksara Jawa dengan baik. Metode yang digunakan dalam penelitian ini adalah AI Project Cycle. AI Project Cycle merupakan serangkaian tahapan yang harus dijalankan dalam pengembangan dan implementasi proyek AI. Tahapan AI Project Cycle, yaitu problem scoping, data acquisition, data exploration, modelling, evaluation, dan deployment. Akurasi yang didapatkan dengan menggunakan model Convolutional Neural Network (CNN) sebesar 97,42%. Hasil dari penelitian ini menghasilkan sebuah aplikasi berbasis website yang digunakan untuk mendeteksi Aksara Jawa. Setelah dilakukan proses pengujian dapat disimpulkan bahwa website berfungsi dengan baik dan mampu memprediksi Aksara Jawa dengan benar
References
I. G. S. M. Diyasa, A. Fauzi, M. Idhom, and A. Setiawan, “Multi-face Recognition for the Detection of Prisoners in Jail using a Modified Cascade Classifier and CNN,” J. Phys. Conf. Ser., vol. 1844, no. 1, 2021, doi: 10.1088/1742-6596/1844/1/012005.
L. Hakim, H. R. Rahmanto, S. P. Kristanto, and D. Yusuf, “Klasifikasi Citra Motif Batik Banyuwangi Menggunakan Convolutional Neural Network,” J. Teknoinfo, vol. 17, no. 1, p. 203, 2023, doi: 10.33365/jti.v17i1.2342.
I. G. S. M. Diyasa and R. Romadhon, “Klasifikasi Karakter Tulisan Aksara Jawa Menggunakan Algoritma Convolutional Neural Network,” Semin. Keinsinyuran Progr. Stud. Progr. Profesi Ins., vol. 3, no. 1, pp. 927–936, 2023, doi: 10.22219/skpsppi.v3i1.7720.
P. Pribadi and A. Prasetyo, “Aplikasi Alat Bantu Belajar Menulis Aksara Jawa Berbasis Multimedia Untuk Kelas 3 Sekolah Dasar,” J. Ilm. IT CIDA, vol. 2, no. 1, pp. 29–43, 2018, doi: 10.55635/jic.v2i1.22.
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.
A. Hidayat and R. N. Shofa, “Self Organizing Maps (SOM) Suatu Metode untuk Pengenalan Aksara Jawa,” J. Siliwangi, vol. 2, no. 7, pp. 64–70, 2016, [Online]. Available: https://jurnal.unsil.ac.id/index.php/jssainstek/article/view/53/36
Nurdin, Noviana, Munar, and Taufiq, “CD Interaktif Pengenalan Sejarah Kebudayaan Islam Pada Madrasah Ibtidaiyah,” J. Teknol. Terap. Sains, vol. 1, no. 2, pp. 1–13, 2020, [Online]. Available: https://ojs.unimal.ac.id/index.php/tts/article/view/3251
S. Yuliany, Aradea, and Andi Nur Rachman, “Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN),” J. Buana Inform., vol. 13, no. 1, pp. 54–65, 2022, doi: 10.24002/jbi.v13i1.5022.
R. Novaliandy and A. R. Widiarti, “Klasifikasi Aksara Jawa Cetak Menggunakan Jaringan Syaraf Tiruan Backpropagation,” Pros. Semin. Nas. Ilmu …, pp. 307–312, 2022, [Online]. Available: https://mail.puterabatam.com/index.php/prosiding/article/view/5351
I. S. Hanindria and H. Hendry, “Pengklasifikasian Aksara Jawa Metode Convolutional Neural Network,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 3, pp. 2727–2737, 2022, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2177
T. Rahardjo, N. Degeng, and Y. Soepriyanto, “Pengembangan Multimedia Interaktif Mobile Learning Berbasis Anrdroid Aksara Jawa Kelas X Smk Negeri 5 Malang,” J. Kaji. Teknol. Pendidik., vol. 2, no. 3, pp. 195–202, 2019, doi: 10.17977/um038v2i32019p195.
A. Sindar and R. M. Sinaga, “Implementasi Teknik Threshoding Pada Segmentasi Citra Digital,” J. Mantik Penusa, vol. 1, no. 2, pp. 48–51, 2017.
M. Yunus, “Perbandingan Metode-Metode Detection Untuk Proses Segmentasi Citra Digital,” J. Teknol. Informasii, vol. 3, no. 2, pp. 146–160, 2012.
T. Muhamad Hafiez, D. Iskandar, A. Wiranata S.K, and R. Fitri Boangmanalu, “Optimasi Klasifikasi Gambar Varietas Jenis Tomat dengan Data Augmentation dan Convolutional Neural Network,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 11, no. 2, pp. 175–186, 2022, doi: 10.30591/smartcomp.v11i2.3524.
R. A. Pengestu, B. Rahmat, and F. T. Anggraeni, “Implementasi algoritma CNN untuk klasifikasi citra lahan dan perhitungan luas,” J. Inform. dan Sist. Inf., vol. 1, no. 1, pp. 166–174, 2020.
B. Adityo Kurniawan, A. Taryana, Y. Ramadhani, and A. Fadli, “Rancang Bangun Aplikasi Quest Board Untuk Masyarakat Menggunakan Metode Devops Berbasis Android,” J. Pendidik. dan Teknol. Indones., vol. 3, no. 4, pp. 151–164, 2023, doi: 10.52436/1.jpti.285.
