Transliterasi Aksara Jawa Tulisan Tangan ke Tulisan Latin Menggunakan CNN

Transliteration of Javanese Script Handwriting into Latin Writing Using CNN

Aksara jawa adalah hal yang menarik untuk diteliti. Namun sayangnya aksara jawa sudah tidak banyak lagi diminati. Maka dari itu, dengan adanya penelitian ini diharapkan dapat lebih menarik minat masyarakat umum untuk melakukan penelitian terhadap aksara jawa. Dalam penelitian ini kami mencoba mengusulkan sistem untuk melakukan pengenalan tulisan tangan aksara jawa dengan benar. Sistem segmentasi yang dirancang menerapkan kombinasi dua metode yaitu projection profile dan connected component labeling. Kedua metode tersebut adalah metode untuk segmentasi yang masih memiliki beberapa kekurangan untuk kasus aksara jawa. Kami mencoba menggabungkan dua metode tersebut untuk menutupi kekurangan-kekurangan sebelumnya. Metode klasifikasi yang digunakan adalah metode pembelajaran mendalam convolutional neural network. Data uji yang digunakan berupa 20 citra tulisan tangan aksara jawa yang diambil menggunakan kamera smartphone. Penelitian ini memperoleh hasil akurasi 90% pada tahap segmentasi karakter. Sehingga dapat diambil kesimpulan jika kombinasi metode projection profile dan connected component labeling dapat melakukan segmentasi citra dengan baik. Metode convolutional neural network pada saat melakukan learning terhadap data pembelajaran mendapatkan akurasi 0,9962. Pada saat pengujian, metode CNN mendapatkan akurasi 80% menggunakan 20 citra pengujian. Hal ini membuktikan bahwa CNN adalah metode yang baik untuk digunakan dalam pengenalan karakter.

Javanese script is an interesting thing to study. But unfortunately the Javanese script is not much in demand anymore. Therefore, the existence of this research is expected to be more attractive to the general public to conduct research on the Javanese script. In this research, we try to propose a system to correctly recognize Javanese script handwriting. The segmentation system is designed to apply a combination of two methods, namely projection profile and connected component labeling. Both of these methods are methods for segmentation which still has some shortcomings for the Javanese script case. We try to combine the two methods to cover the previous deficiencies. The classification method used is a convolutional neural network deep learning method. Test data used in the form of 20 handwritten images of Javanese script taken using a smartphone camera. This study obtained an accuracy of 90% at the character segmentation stage. So it can be concluded if the combination of the projection profile and connected component labeling methods can segment the image well. Convolutional neural network method when learning learning data gets an accuracy of 0.9962. At the time of testing, the CNN method gained 80% accuracy using 20 test images. This proves that CNN is a good method to be used in character recognition.