Implementasi Cnn Arsitektur Mobilenetv2 Untuk Klasifikasi Tulisan Aksara Jawa

Dieky Septhian; Nindo Syafi'al; Wahyu Anggara

Authors

Dieky Septhian Universitas Nusantara PGRI Kediri
Nindo Syafi'al
Wahyu Anggara

Keywords:

Aksara Jawa, CNN, Klasifikasi, MobileNetV2

Abstract

Aksara Jawa adalah salah satu aksara yang digunakan di Indonesia. Aksara Jawa memiliki 20 huruf yang masing-masing memiliki bentuk yang unik. Klasifikasi tulisan aksara Jawa merupakan salah satu tugas yang penting, terutama dalam bidang digitalisasi naskah-naskah kuno berhuruf Jawa. Dalam penelitian ini, klasifikasi tulisan aksara Jawa dilakukan menggunakan metode CNN arsitektur MobileNetV2. Dataset yang digunakan adalah dataset tulisan aksara Jawa yang tersedia di Kaggle. Dataset tersebut berisi sekitar 2644 gambar tulisan tangan aksara Jawa yang dibagi menjadi 20 kelas, yaitu kelas ha, na, ca, ra, ka, da, ta, sa, wa, la, pa, dha, ja, ya, nya, ma, ga, ba, tha, dan nga. Model CNN MobileNetV2 dilatih 10 epoch dengan model ini memiliki akurasi 87,41% dan presisi 86,95%. tanpa fine-tune dan dengan fine tune memilki memliki 86,46%.. Hasil pengujian menunjukkan bahwa model memiliki akurasi sebesar 87,41% tanpa fine-tune. Akurasi ini dapat ditingkatkan dengan menambahkan lebih banyak data pelatihan atau dengan meningkatkan jumlah epoch pelatihan.

Downloads

Download data is not yet available.

References

Putra, A. S., & Izzati Muhimmah, S. T. (2020). Pendeteksian Huruf Jawa pada Naskah Kuno menggunakan Binarisasi Otsu. AUTOMATA, 1(2).

Pirmansyah, F., & Wahyudi, T. (2023). IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA C4. 5 UNTUK PREDIKSI EVALUASI ANGGOTA SATUAN PENGAMANAN STUDI KASUS PT. YIMM PULOGADUNG. Jurnal Indonesia: Manajemen Informatika dan Komunikasi, 4(3), 1566-1580.

Sanjaya, U. P., Alawi, Z., Zayn, A. R., & Dirgantara, G. (2023). Optimasi Convolutional Neural Network dengan Standard Deviasi untuk Klasifikasi Pneumonia pada Citra X-rays Paru. Generation Journal, 7(3), 40-47.

Harahap, F. A. A., Nafisa, A. N., Purba, E. N. D. B., & Putri, N. A. (2023). Implementasi Algoritma Convolutional Neural Network Arsitektur Model MobileNetV2 dalam Klasifikasi Penyakit Tumor Otak Glioma, Pituitary dan Meningioma. Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), 5(1), 53-61.

Haksoro, E. I., & Setiawan, A. (2021). Pengenalan Jamur Yang Dapat Dikonsumsi Menggunakan Metode Transfer Learning Pada Convolutional Neural Network. Jurnal ELTIKOM: Jurnal Teknik Elektro, Teknologi Informasi dan Komputer, 5(2), 81-91.

Peryanto, A., Yudhana, A., & Umar, R. (2020). Rancang bangun klasifikasi citra dengan teknologi deep learning berbasis metode convolutional neural network. Format J. Ilm. Tek. Inform, 8(2), 138.