CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI SUKU KATA PADA AKSARA JAWA

Aprilianta, Kevin (2019) CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI SUKU KATA PADA AKSARA JAWA. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

Preview	Text Cover_123150091_Kevin Aprilianta.pdf Download (926kB) | Preview
Preview	Text Halaman Pengesahan Pembimbing_123150091_Kevin Aprilianta.pdf Download (476kB) | Preview
Preview	Text Abstrak_123150091_Kevin Aprilianta.pdf Download (928kB) | Preview
Preview	Text Daftar Isi_123150091_Kevin Aprilianta.pdf Download (954kB) | Preview

Abstract

ABSTRAK
Aksara Jawa merupakan salah satu kebudayaan khas daerah Jawa. Peran aksara Jawa
terlihat dalam penggunaannya pada penulisan nama lokasi instansi atau lokasi tertentu yang
memiliki nilai sejarah dan pariwisata. Penggunaan aksara Jawa di tempat umum menjadikan
keberadaan aksara ini dilihat oleh banyak orang, tidak hanya oleh masyarakat Jawa saja
sehingga beberapa diantaranya mengalami kesulitan dalam mengenali arti dari aksara Jawa
yang ditemui. Kesulitan tersebut memunculkan ide pengembangan di bidang teknologi yang
melibatkan pengenalan pola dan pengolahan citra mengingat ciri aksara Jawa yang memiliki
keunikan bentuk pola dan penggunaannya yang kerap dijumpai dalam bentuk citra.
Salah satu metode pengenalan pola dan pengolahan citra adalah Convolutional
Neural Network (CNN). CNN merupakan metode yang menggunakan operasi konvolusi
dalam melakukan ekstraksi ciri pada citra sebagai dasar klasifikasi. Bentuk pola yang khas
dari aksara Jawa diolah dan dikenali untuk dapat diklasifikasikan menurut arti dari aksara
tersebut. Proses pada penelitian ini terdiri dari pengolahan data awal, klasifikasi, dan
pembentukan suku kata. Klasifikasi terdiri dari 48 kelas dengan cakupan jenis aksara Jawa
adalah aksara huruf dasar (Carakan) dan aksara pengubah bunyi (Sandhangan).
Pengujian dilakukan dengan skenario confusion matrix multi-class untuk
menentukan tingkat akurasi, presisi, dan recall dari model CNN yang dibangun. Arsitektur
CNN yang dibangun terdiri dari tiga convolution layer dengan disertai operasi max-pooling.
Konfigurasi pelatihan meliputi learning rate sebesar 0,0001 dan jumlah filter untuk setiap
convolution layer adalah sebanyak 32, 64, dan 128 filter. Nilai dropout yang digunakan
sebesar 0,5 dan jumlah neuron pada fully-connected layer sebanyak 1.024 neuron. Performa
rata-rata nilai akurasi mencapai 87,65%, rata-rata nilai presisi adalah 88,01%, dan rata-rata
nilai recall sebesar 87,70%.
Kata kunci: Aksara Jawa, Pengenalan Pola, Convolutional Neural Network.

Item Type:	Thesis (Other)
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Basir Umaryadi
Date Deposited:	03 Sep 2019 05:00
Last Modified:	03 Sep 2019 05:00
URI:	http://eprints.upnyk.ac.id/id/eprint/20903

Actions (login required)

View Item