Implementasi Algoritma CNN Dalam Aplikasi Pengenalan Aksara Sunda
DOI:
https://doi.org/10.36423/index.v6i2.1986Abstract
Aksara sunda telah digunakan sejak zaman kerajaan-kerajaan Sunda kuno dan masih digunakan hingga saat ini dalam berbagai konteks budaya dan Pendidikan. Penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNet V1 untuk pengenalan aksara Sunda dalam aplikasi berbasis Android. Aksara Sunda, sebagai bagian dari warisan budaya Indonesia, memerlukan perhatian khusus dalam proses pembelajaran dan pelestariannya. Dalam penelitian ini, kami mengembangkan model CNN yang dilatih menggunakan dataset gambar aksara Sunda, yang mencakup berbagai variasi dan gaya tulisan. Model MobileNet V1 dipilih karena efisiensinya dalam pemrosesan di perangkat mobile, memungkinkan inferensi cepat dengan penggunaan sumber daya yang minimal. Proses pelatihan dilakukan menggunakan teknik transfer learning, yang mempercepat konvergensi dan meningkatkan akurasi model. Hasil evaluasi menunjukkan bahwa model mencapai kinerja akurasi sebesar 90,37% dalam pengenalan aksara Sunda. Aplikasi ini dirancang untuk memberikan pengalaman interaktif bagi pengguna, terutama anak-anak, dalam belajar mengenali aksara Sunda dengan cara yang menyenangkan. Melalui implementasi ini dapat, diiharapkan dapat berkontribusi pada pelestarian budaya dan meningkatkan kesadaran masyarakat tentang pentingnya aksara Sunda. Temuan ini juga menunjukkan potensi penerapan CNN dalam bidang pendidikan, khususnya dalam konteks pembelajaran bahasa dan budaya lokal. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan lebih lanjut dalam aplikasi pendidikan berbasis teknologi.
References
A. Febriansyah, Pengenalan Tulisan Tangan Aksara Sunda Dengan Menggunakan Convolutional Neural Network Sebagai Feature Extractor Dan Extreme Learning Machine …. elibrary.unikom.ac.id, 2021. [Online]. Available: https://elibrary.unikom.ac.id/id/eprint/5591/
M. A. Prameswari, “Classification of Handwritten Sundanese Script via Transfer Learning on CNN-Based Architectures,” Proceedings - 2023 3rd International Conference on Electronic and Electrical Engineering and Intelligent System: Responsible Technology for Sustainable Humanity, ICE3IS 2023. pp. 401–406, 2023. doi: 10.1109/ICE3IS59323.2023.10335382.
E. D. S. Mulyani, H. J. Pramana, L. Listiani, N. N. F. SM, R. A. Wiyono, and F. P. Pratiwi, “Classification of Rice Leaf Diseases Based on Texture and Leaf Colour,” in 2022 4th International Conference on Cybernetics and Intelligent System (ICORIS), 2022, pp. 1–6. doi: 10.1109/ICORIS56080.2022.10031403.
C. Umam and L. B. Handoko, “Convolutional Neural Network (CNN) Untuk Identifkasi Karakter Hiragana,” Prosiding …. download.garuda.kemdikbud.go.id, 2020. [Online]. Available: http://download.garuda.kemdikbud.go.id/article.php?article=3195516&val=28102&title=CONVOLUTIONAL NEURAL NETWORK CNN UNTUK IDENTIFKASI KARAKTER HIRAGANA
I. Dokare, “Recognition of handwritten devanagari character using convolutional neural network,” 2021 3rd International Conference on Signal Processing and Communication, ICPSC 2021. pp. 353–359, 2021. doi: 10.1109/ICSPC51351.2021.9451716.
A. Hadinegoro and M. S. Reza, “Media Pembelajaran Aksara Jawa Interaktif Menggunakan Text Recognition,” Explore, 2022, [Online]. Available: https://www.journal.utmmataram.ac.id/index.php/explore/article/view/79
A. Willyanto, D. Alamsyah, and H. Irsyad, “Identifikasi tulisan tangan aksara jepang hiragana menggunakan metode CNN arsitektur VGG-16,” Jurnal Algoritme. jurnal.mdp.ac.id, 2021. [Online]. Available: https://jurnal.mdp.ac.id/index.php/algoritme/article/download/1450/429
D. Nathanael and I. Wasito, “Model Klasifikasi Convolutional Neural Network Pada Sistem Penerjemah Audio Aksara Sunda,” Decod. J. Pendidik. …, 2023, [Online]. Available: http://journal.umkendari.ac.id/index.php/decode/article/view/217
A. Mulyanto, E. Susanti, F. Rossi, W. Wajiran, and ..., “Penerapan Convolutional Neural Network (CNN) pada Pengenalan Aksara Lampung Berbasis Optical Character Recognition (OCR),” … (Jurnal Edukasi Dan …, 2021, [Online]. Available: https://jurnal.untan.ac.id/index.php/jepin/article/view/44133
S. N. Rahmawati, E. W. Hidayat, and ..., “Implementasi Deep Learning Pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network,” … Inf. Syst. …, 2021, [Online]. Available: https://ejournal.undiksha.ac.id/index.php/insert/article/view/37405
J. L. Setiani, Implementasi Convolutional Neural Network dengan Arsitektur ResNet50 untuk Identifikasi Jenis Sampah Plastik. e-journal.uajy.ac.id, 2020. [Online]. Available: http://e-journal.uajy.ac.id/id/eprint/22555
R. Rikendry and A. Maharil, “Perbandingan Arsitektur Vgg16 Dan Resnet50 Untuk Rekognisi Tulisan Tangan Aksara Lampung,” J. Inform. dan Rekayasa …, 2022, [Online]. Available: https://jim.teknokrat.ac.id/index.php/informatika/article/view/2030
G. S. Nugraha, M. I. Darmawan, and ..., “Comparison of CNN’s Architecture GoogleNet, AlexNet, VGG-16, Lenet-5, Resnet-50 in Arabic Handwriting Pattern Recognition,” … , Comput. Netw. …, 2023, [Online]. Available: https://kinetik.umm.ac.id/index.php/kinetik/article/view/1667
A. Kirana, H. Hikmayanti, and J. Indra, “Pengenalan Pola Aksara Sunda dengan Metode Convolutional Neural Network,” … Student Journal for …. journal.ubpkarawang.ac.id, 2020. [Online]. Available: http://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/download/19/15
A. S. Prayoga, Augmentasi Data Untuk Pengenalan Pola Citra Tulisan Tangan Aksara Sunda Menggunakan Metode Convolutional Neural Network. elibrary.unikom.ac.id, 2021. [Online]. Available: https://elibrary.unikom.ac.id/id/eprint/5578/
S. Joseph, “Ocr system framework for modi scripts using data augmentation and convolutional neural network,” Lecture Notes in Networks and Systems, vol. 132. pp. 201–209, 2021. doi: 10.1007/978-981-15-5309-7_21.
F. Ilham and N. Rochmawati, “Transliterasi Aksara Jawa Tulisan Tangan ke Tulisan Latin Menggunakan CNN,” J. Informatics Comput. …, 2020, [Online]. Available: https://ejournal.unesa.ac.id/index.php/jinacs/article/view/34691
R. M. Ibrahim, “OFFLINE KURDISH CHARACTER HANDWRITTEN RECOGNITION (OKCHR) USING CNN WITH VARIOUS PREPROCESSING TECHNIQUES,” J. Eng. Sci. Technol., vol. 18, no. 6, pp. 3113–3127, 2023, [Online]. Available: https://api.elsevier.com/content/abstract/scopus_id/85184004562
A. Ashiquzzaman, “An efficient recognition method for handwritten arabic numerals using CNN with data augmentation and dropout,” Advances in Intelligent Systems and Computing, vol. 808. pp. 299–309, 2019. doi: 10.1007/978-981-13-1402-5_23.
K. Limbachiya, “Identification of handwritten Gujarati alphanumeric script by integrating transfer learning and convolutional neural networks,” Sadhana - Acad. Proc. Eng. Sci., vol. 47, no. 2, 2022, doi: 10.1007/s12046-022-01864-9.
R. Chakraborty, “Recognition of Online Handwritten Bangla and Devanagari Basic Characters: A Transfer Learning Approach,” Communications in Computer and Information Science, vol. 1377. pp. 530–541, 2021. doi: 10.1007/978-981-16-1092-9_45.
S. B. Madhu, “Handwritten Kannada Character Recognition Using Convolutional Neural Networks and Transfer Learning,” Journal of Physics: Conference Series, vol. 2571, no. 1. 2023. doi: 10.1088/1742-6596/2571/1/012012.
K. O. M. Aarif, “OCR-Nets: Variants of Pre-trained CNN for Urdu Handwritten Character Recognition via Transfer Learning,” Procedia Computer Science, vol. 171. pp. 2294–2301, 2020. doi: 10.1016/j.procs.2020.04.248.
A. B. Zuhri, D. I. Maulana, and E. S. Maheswara, “Optimation Image Classification Pada Ikan Hiu Dengan Metode Convolutional Neural Network Dan Data Augmentasi,” J. Tika, 2022, [Online]. Available: http://journal.umuslim.ac.id/index.php/tika/article/view/993
A. Nawaz, “OPTICAL CHARACTER RECOGNITION USING OPTIMIZED CONVOLUTIONAL NETWORKS,” 2023 8th International Conference on Fog and Mobile Edge Computing, FMEC 2023. pp. 107–114, 2023. doi: 10.1109/FMEC59375.2023.10305879.
R. Sharma, “Quantum Particle Swarm Optimization Based Convolutional Neural Network for Handwritten Script Recognition,” Comput. Mater. Contin., vol. 71, no. 2, pp. 5855–5873, 2022, doi: 10.32604/cmc.2022.024232.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Evi Dewi Sri Mulyani, Teuku Mufizar, Shinta Siti Sundari, Muhammad Akbar Kasyfurrahman, Luthfi Adilal Mahbub
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
