Transliterasi Aksara Jawa Tulisan Tangan ke Tulisan Latin Menggunakan CNN

Abstract

Abstrak— Aksara jawa adalah hal yang menarik untuk diteliti. Namun sayangnya aksara jawa sudah tidak banyak lagi diminati. Maka dari itu, dengan adanya penelitian ini diharapkan dapat lebih menarik minat masyarakat umum untuk melakukan penelitian terhadap aksara jawa. Dalam penelitian ini kami mencoba mengusulkan sistem untuk melakukan pengenalan tulisan tangan aksara jawa dengan benar. Sistem segmentasi yang dirancang menerapkan kombinasi dua metode yaitu projection profile dan connected component labeling. Kedua metode tersebut adalah metode untuk segmentasi yang masih memiliki beberapa kekurangan untuk kasus aksara jawa. Kami mencoba menggabungkan dua metode tersebut untuk menutupi kekurangan-kekurangan sebelumnya. Metode klasifikasi yang digunakan adalah metode pembelajaran mendalam convolutional neural network. Data uji yang digunakan berupa 20 citra tulisan tangan aksara jawa yang diambil menggunakan kamera smartphone. Penelitian ini memperoleh hasil akurasi 90% pada tahap segmentasi karakter. Sehingga dapat diambil kesimpulan jika kombinasi metode projection profile dan connected component labeling dapat melakukan segmentasi citra dengan baik. Metode convolutional neural network pada saat melakukan learning terhadap data pembelajaran mendapatkan akurasi 0,9962. Pada saat pengujian, metode CNN mendapatkan akurasi 80% menggunakan 20 citra pengujian. Hal ini membuktikan bahwa CNN adalah metode yang baik untuk digunakan dalam pengenalan karakter.

Kata Kunci— projection profile, connected component labeling, aksara jawa, segmentasi, OCR