Implementasi Cnn Arsitektur Mobilenetv2 Untuk Klasifikasi Tulisan Aksara Jawa
DOI:
https://doi.org/10.29407/z1cbjw36Keywords:
Aksara Jawa, CNN, Klasifikasi, MobileNetV2Abstract
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
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Dieky Septhian, Nindo Syafi'al, Wahyu Anggara
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
