Implementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network
DOI:
https://doi.org/10.23887/insert.v2i1.37405Keywords:
Aksara Sunda, Deep Learning, Convolutional Neural Network (CNN)Abstract
Aksara Sunda merupakan salah satu aksara daerah Indonesia khususnya masyarakat Sunda. Seiring dengan perkembangan teknologi seperti sekarang ini, bahasa daerah pun semakin tergerus dari waktu kewaktu. Aksara Sunda pun mulai terlupakan, bahkan jarang digunakan oleh masyarakat Sunda dalam kehidupan sehari-hari serta kurangnya memahami Bahasa daerahnya sendiri. Oleh karena itu, perlu adanya pelestarian Bahasa daerah yang dikembangkan menyesuaikan perkembangan jaman agar bisa terus dikenal dan dilestarikan, salahsatunya dengan identifikasi aksara Sunda menggunakan metode Convolutional Neural Network (CNN). Convolutional Neural Network (CNN) adalah bagian dari deep learning yang biasanya digunakan dalam pengolahan data gambar. Hasil dari penelitian ini menggunakan optimasi ADAM dengan penggunaan epoch 20, 50, 100 dan 500. Penggunaan epoch 500, learning rate 0.1 merupakan nilai tertinggi dengan akurasi 98.03%. Berdasarkan hasil data training dengan nilai epoch 100, learning rate 0.001 hasil akurasi sebesar 96.71% data training dan 92.02% data testing.
References
Amalia, N., Hidayat, E. W., & Aldya, A. P. (2020). Pengenalan Aksara Sunda Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Dan Deteksi Tepi Canny. CESS (Journal of Computer Engineering, System and Science), 5(1), 19. https://doi.org/10.24114/cess.v5i1.14839
Carolina, I., & Rusman, A. (2019). Penerapan Extreme Programming Pada Sistem Informasi Penjualan Pakaian Berbasis Web (Studi Kasus Toko ST Jaya). INOVTEK Polbeng - Seri Informatika, 4(2), 157. https://doi.org/10.35314/isi.v4i2.1043
Ernawati, R. S., Hidayat, E. W., & Rahmatulloh, A. (2017). Implementasi Teknologi Augmented Reality Sebagai Media Pengenalan Aksara Sunda Berbasis Android. Jurnal Teknik Informatika Dan Sistem Informasi, 3(3), 512–523. https://doi.org/10.28932/jutisi.v3i3.671
Hara, E., Fitriawan, H., & Mulyani, Y. (2016). Penggunaan Deteksi Tepi ( Canny ) pada Sistem Pengenalan Tulisan Tangan Aksara Lampung Berbasis Jaringan Syaraf Tiruan. ELECTRICIAN – Jurnal Rekayasa Dan Teknologi Elektro, 10(3), 8.
Lestari, D. D. (2015). ANDROID DESIGN OF SUNDANESE SCRIPT WORDS RECOGNATION USING EDGE DETECTION AND LVQ METHOD BASED ON IMAGE PROCESSING ON ANDROID.
Lorentius, C. A., Adipranata, R., & Tjondrowiguno, A. (2020). Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network. E-Proceeding of Engineering, 7(1), 2558–2567.
Nurfita, R. D., & Ariyanto, G. (2018). Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari. Emitor: Jurnal Teknik Elektro, 18(01), 22–27. https://doi.org/10.23917/emitor.v18i01.6236
Pangestu, R. A., Rahmat, B., & Anggraeny, F. T. (2020). Implementasi Algoritma CNN untuk Klasifikasi Citra Lahan dan Perhitungan Luas. Informatika Dan Sistem Informasi, 1(1), 166–174.
Prihatiningsih, S., M, N. S., Andriani, F., & Nugraha, N. (2019). Analisa Performa Pengenalan Tulisan Tangan Angka Berdasarkan Jumlah Iterasi Menggunakan Metode Convolutional Neural Network. Jurnal Ilmiah Teknologi Dan Rekayasa, 24(1), 58–66. https://doi.org/10.35760/tr.2019.v24i1.1934
Riansyah, R. R., Nurhasanah, Y. I., Dewi, I. A., & Belakang, A. L. (2017). Sistem Pengenalan Aksara Sunda Menggunakan Metode Modified Direction Feature Dan Learning Vector Quantization. 3(April), 17–30.
Santoso, A., & Ariyanto, G. (2018). Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah. Emitor: Jurnal Teknik Elektro, 18(01), 15–21. https://doi.org/10.23917/emitor.v18i01.6235
Downloads
Published
Issue
Section
License
INSERT is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
