Model Pengenalan Karakter Aksara Jawa Hanacaraka Dengan Convolutional Neural Network

Hidayat, Mochamad Rafly (2024) Model Pengenalan Karakter Aksara Jawa Hanacaraka Dengan Convolutional Neural Network. Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_COVER.pdf - Published Version Download (41kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_LEMBAR PENGESAHAN.pdf - Published Version Download (140kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_SURAT PERSETUJUAN PULIKASI.pdf - Published Version Download (100kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_LEMBAR PERNYATAAN.pdf - Published Version Download (124kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_KATA PENGANTAR.pdf - Published Version Download (36kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_DAFTAR ISI.pdf - Published Version Download (40kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_BAB I.pdf - Published Version Download (65kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_BAB II.pdf - Published Version Download (1MB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_BAB III.pdf - Published Version Restricted to Repository staff only Download (238kB) | Request a copy
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_BAB IV.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_BAB V.pdf - Published Version Download (61kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_DAFTAR PUSTAKA.pdf - Published Version Download (52kB)
	Text UNIKOM_MOCHAMAD RAFLY HIDAYAT_KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (123kB)

Abstract

Penelitian ini bertujuan untuk merancang model pengenalan aksara Jawa Hanacaraka menggunakan arsitektur Convolutional Neural Network (CNN). Fokus utama penelitian ini adalah menilai akurasi CNN dalam mengidentifikasi aksara Jawa, khususnya pada dataset yang memiliki karakteristik tulisan tegak tanpa adanya variasi posisi. Model ini memiliki potensi besar untuk diterapkan dalam berbagai aplikasi praktis, baik dalam bentuk aplikasi mobile,web maupun desktop. Dengan demikian, model ini dapat berkontribusi pada pelestarian aksara Jawa di tengah perkembangan era digital. Data yang diperoleh dari berbagai sumber, termasuk tulisan tangan dan platform online seperti Kaggle, Github, dan Google. Data tersebut kemudian melewati proses prapemrosesan untuk menormalisasi ukuran gambar serta mengurangi noise sebelum dibagi menjadi set pelatihan, validasi, dan pengujian. Arsitektur CNN dirancang dengan cermat, mempertimbangkan berbagai aspek seperti jumlah lapisan, fungsi aktivasi, dan konfigurasi lainnya. Model ini dilatih menggunakan set pelatihan dan divalidasi secara berkala untuk menghindari overfitting serta meningkatkan kemampuan generalisasi pada data baru. Hasil evaluasi terhadap set pengujian menunjukkan bahwa model ini memiliki kemampuan yang sangat baik dalam mengenali aksara Jawa Hanacaraka, dengan tingkat akurasi yang mencapai 97%. Penerapan model ini dapat digunakan dalam aplikasi mobile, desktop, atau berbasis web, yang memungkinkan pengenalan aksara Jawa secara otomatis dan efisien, serta mendukung pelestarian aksara Jawa di era digital.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Dataset, Aksara Jawa Hanacaraka, Akurasi,Karakteristik
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Sistem Komputer (02)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	28 Jul 2025 06:21
Last Modified:	28 Jul 2025 06:21
URI:	http://elibrary.unikom.ac.id/id/eprint/10690

Actions (login required)

View Item