SISTEM CERDAS IDENTIFIKASI AKSARA JAWA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS CANVAS PYTHON (Studi Kasus: SMPN 2 Nglegok)

Abstract

Aksara Jawa merupakan sistem tulisan tradisional yang kaya nilai budaya, namun semakin jarang digunakan seiring perkembangan jaman. Kondisi ini mendorong perlunya upaya pelestarian melalui pendekatan teknologi interaktif. Penelitian ini bertujuan mengimplementasikan algoritma deep learning pada sistem canvas digital yang memungkinkan pengguna berlatih menulis aksara Jawa secara realtime dengan fitur pengenalan aksara langsung. Penelitian ini menggunakan metode penelitian terapan dengan algoritma Convolutional Neural Network (CNN) yang diintegrasikan pada media canvas digital berbasis tkinter Python. Dataset terdiri dari 24.388 citra dari 244 kelas aksara Jawa beserta sandhangan setelah augmentasi, dengan rasio pembagian 70:15:15 untuk data latih, validasi, dan uji. Arsitektur CNN terdiri dari 4 blok konvolusi dengan optimizer AdamW, dilanjutkan fine-tuning 15 epoch untuk meningkatkan performa. Proses penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data, pra-pemrosesan, perancangan arsitektur, pelatihan model, dan evaluasi. Hasil evaluasi menunjukkan performa model yang baik dengan akurasi 92.62%, precision 0.93, recall 0.93, dan f1-score bernilai 0.93. Pengujian pada canvas digital menunjukkan sebagian besar aksara dapat dikenali dengan tingkat keyakinan yang tinggi. Sistem ini diharapkan menjadi media pembelajaran interaktif yang berkontribusi pada pelestarian dan pembelajaran aksara Jawa di era digital.