KLASIFIKASI CITRA AKSARA JAWA MENGGUNAKAN ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN)

Gunawan, Bagus (2023) KLASIFIKASI CITRA AKSARA JAWA MENGGUNAKAN ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (175kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (525kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (166kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (494kB)
	Text (BAB V) BAB V.pdf Download (33kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (797kB)
	Archive (SOURCE CODE) Source Code - Bagus Gunawan.zip Restricted to Repository staff only Download (104MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (672kB)

Abstract

Aksara Jawa adalah salah satu warisan budaya di Indonesia berupa tulisan yang digunakan dalam karya sastra berbahasa Jawa. Dalam aksara Jawa, terdapat beberapa kategori dan salah satunya adalah aksara nglegena. Aksara nglegena adalah aksara dasar berjumlah 20 (dua puluh) aksara. Dalam kategori tersebut, terdapat aksara yang bentuknya serupa dengan aksara lainnya yang masih satu kategori tersebut sehingga menimbulkan kesulitan bahkan cenderung salah baca bagi orang awam yang tidak mengerti bahasa Jawa. Perlu pengembangan aplikasi berbasis artificial intelligence dengan kemampuan mengenali aksara Jawa berkategori aksara nglegena untuk membantu orang awam dalam mempelajari aksara tersebut. Pada penelitian ini, model pada aplikasi yang dikembangkan menggunakan algoritma artificial neural network (ANN) dengan input bertipe citra aksara Jawa berkategori aksara nglegena. Citra aksara Jawa tersebut memiliki latar belakang warna polos seperti aksara Jawa yang ditulis pada kertas polos. Prapemrosesan pada citra tersebut dilakukan sebelum dimasukkan pada model aplikasi tersebut. Pada penelitian ini, prapemrosesan data meliputi grayscaling, blurring, thresholding, dilating, trimming whitespace, resizing, dan filling with whitespace. Dengan 2 (dua) model beralgoritma ANN dengan arsitektur 4096-64-30-25, didapatkan akurasi dan durasi fitting masing-masing 2 (dua) data. Model ANN untuk dataset tersegmentasi top-left align (rata kiri-atas) menghasilkan rerata akurasi 82,988% dengan durasi 33,399 detik. Sedangkan model ANN untuk dataset tersegmentasi center align (rata tengah) menghasilkan rerata akurasi 88,209% dengan durasi 38,249 detik. Dengan data tersebut, diharapkan model yang dikembangkan dapat digunakan pengembang aplikasi yang memerlukan proses klasifikasi aksara Jawa. Saran untuk penelitian ini adalah model dapat dimasukkan dataset yang terkombinasi berdasarkan akurasi masing-masing kategori citra. Akurasi tersebut dapat dipantau menggunakan confusion matrix. Algoritma pada model juga dapat diganti dengan tahap prapemrosesan data yang sama.

Actions (login required)

View Item