IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK PADA TRANSLITERASI AKSARA JAWA KE AKSARA LATIN DENGAN PENERAPAN FUNGSI HINGE LOSS
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5350Abstract Views: 326 File Views: 307
Abstract
Masyarakat jawa, terutama di wilayah kraton seperti Yogyakarta dan Surakarta, menggunakan aksara jawa untuk melestarikan tradisi penulisan dalam Bahasa jawa. Aksara jawa atau yang sering disebut Hanacaraka sering digunakan untuk menulis berbagai jenis naskah, termasuk cerita, catatan sejarah, tembang kuno, dan ramalan primbon. Selain itu, aksara jawa memiliki keterkaitan dengan aksara bali, keduanya merupakan perkembangan Bahasa kawi. Seiring berkembangnya zaman generasi milenial sudah mulai asing dengan aksara jawa. Padahal pulau jawa merupakan pulau terbesar dan memiliki beragam budaya, jika generasi ke generasi aksara jawa mulai dilupakan akan berdampak buruk terhadap kelesestarian budaya.
Pada era digitalisasi ini pembuatan transliterasi aksara jawa ke aksara latin digital dapat membantu mengatasi masalah tersebut. Penelitian ini bertujuan untuk melakukan klasifikasi citra terhadap aksara jawa untuk mendukung proses transliterasi tersebut, adapun algoritma yang digunakan dalam klasifikasi citra yaitu convolutional neural network.
Penerapan fungsi Hinge loss pada convolutional neural network merupakan tipe lain dari loss function yang biasa digunakan sebagai alternatif dari cross entropy untuk permasalahan klasifikasi citra. Namun, performa hinge loss terkadang lebih baik dari cross entropy dan terkadang lebih buruk dari cross entropy. Hasil terbaik pada implementasi convolutional neural network pada transliterasi aksara jawa ke aksara latin dengan penerapan fungsi hinge loss didapatkan pada rasio dataset 80:10:10 menggunakan arsitektur VGG19 dan loss function categorical hinge loss dengan menerapkan layer dropout 0,5 dan L2 Regulatization 0,0001 mendapatkan hasil akurasi 100%, precision, recall 100%, dan f1-score 100%.
Downloads
References
Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434
Dewi, A. O. P. (2020). Kecerdasan Buatan sebagai Konsep Baru pada Perpustakaan. Anuva: Jurnal Kajian Budaya, Perpustakaan, Dan Informasi, 4(4), 453–460. https://doi.org/10.14710/anuva.4.4.453-460
Hanindria, I. S., & Hendry. (2022). Pengklasifikasian Aksara Jawa Metode Convolutional Neural Network. Jurnal Teknik Informatika Dan Sitem Informasi, 9(3), 2727–2737. https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2177
Ichwan, M., & Olga Zerlinda, A. (2022). MIND (Multimedia Artificial Intelligent Networking Database Implementasi Arsitektur InceptionResNet-v2 dan Squared Hinge Loss (Studi Kasus Klasifikasi Pose Yoga). Journal MIND Journal | ISSN, 7(2), 124–138. https://doi.org/10.26760/mindjournal.v7i2.124-138
Ilham, F., & Rochmawati, N. (2020). Transliterasi Aksara Jawa Tulisan Tangan ke Tulisan Latin Menggunakan CNN. Journal of Informatics and Computer Science (JINACS), 1(04), 200–208. https://doi.org/10.26740/jinacs.v1n04.p200-208
Kholik, A. (2021). Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram. Jurnal Data Mining Dan Sistem Informasi, 2(2), 10. https://doi.org/10.33365/jdmsi.v2i2.1345
Komputer, V., & Segmentasi, D. A. N. (2010). admin,+1-IMPLEMENTASI+VISI+KOMPUTER+DAN+SEGMENTASI+CITRA (1). 2010(Snati), 1–5.
Kusuma Putra, A., Bunyamin, H., & Maranatha Jl drg Surya Sumantri No, K. (2020). Pengenalan Simbol Matematika dengan Metode Convolutional Neural Network (CNN). Jurnal Strategi, 2(November), 426.
Maharani, A. A. S. M. K., & Bimantoro, F. (2020). Pengenalan Pola Tulisan Tangan Aksara Sasak Menggunakan Metode Linear Discriminant Analysis dan Jaringan Syaraf Tiruan Jenis Backpropagation. Jurnal Teknologi Informasi, Komputer, Dan Aplikasinya (JTIKA ), 2(2), 237–247. https://doi.org/10.29303/jtika.v2i2.105
Nurul A’ayunnisa, Salim, Y., & Azis, H. (2022). Analisis Performa Metode Gaussian Naïve Bayes untuk Klasifikasi Citra Tulisan Tangan Karakter Arab. Indonesian Journal of Data and Science, 3(3), 115–121. https://doi.org/10.56705/ijodas.v3i3.54
Putra, A. S. (2020). Identifikasi Aksara Jawa pada Naskah Kuno dengan Metode CNN.
Rahmawati, A. A., Putri, I. A., Gede, I., & Mas Diyasa, S. (2023). Seminar Nasional Informatika Bela Negara (SANTIKA) Rancang Bangun Klasifikasi Aksara Jawa Menggunakan Convolutional Neural Network Berbasis Website. 3, 191–195.
Rita Widiarti A, & Suparwito H. (2023). Penelitian Pendahuluan Transliterasi Citra Aksara BaliMenggunakan Ciri Momen Invarian Dan AlgoritmaKlasifikasi SVM Atau CNN. Jurnal Teknik Informatika Dan Sistem Informasi, 10(1), 580–289.
Stefanus Christian Adi Pradhana, Untari Novia Wisesty S.T., M.T., Febryanthi Sthevanie S.T., M. T. (2020). Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network. E-Proceeding of Engineering, 7(1), 2558–2567.
