IMPLEMENTASI METODE DEEP LEARNING DENGAN MENGGUNAKAN ALGORITMA CONVOLUTION NEURAL NETWORK (CNN) PADA CITRA TULISAN TANGAN AKSARA SUNDA

• ARIF PURNAMA
• 2021

---

ABSTRAK

 

Arif Purnama (15170176), Implementasi Metode Deep Learning dengan Menggunakan Algoritma Convolutional Neural Network (CNN) pada Citra Tulisan Tangan Aksara Sunda

 

Aksara sunda menjadi salah satu budaya dari tanah sunda yang harus dilestarikan. Saat ini, tidak semua masyarakat mengenal aksara sunda karena adanya pergeseran nilai budaya serta ada anggapan bahwa aksara sunda sulit untuk dipelajari karena memiliki bentuk yang unik dan rumit. Penggunaan deep learning sudah banyak diterapkan terutama pada bidang computer vision untuk mengklasifikasi citra, salah satu algoritma yang umum digunakan adalah convolutional neural network. Penerapan algoritma convolutional neural network (CNN) pada citra tulisan tangan aksara sunda dapat mempermudah masyarakat dalam mempelajari aksara sunda, penelitian ini bertujuan untuk mengetahui akurat algoritma convolutional neural network dalam melakukan klasifikasi citra aksara sunda. Pengumpulan data dilakukan melalui penyebaran angket kepada narasumber. Pengujian sistem menggunakan uji akurasi, pengujian terhadap model CNN menggunakan data testing mendapatkan akurasi 97,5% dan pengujian model menggunakan aplikasi mobile mencapai 98%. Sehingga berdasarkan hasil pengujian, implementasi metode deep learning menggunakan algoritma convolution neural network dapat mengklasifikasi citra tulisan tangan aksara sunda dengan baik

 

ABSTRACT

Arif Purnama (15170176), Implementation of Deep Learning Method Using Convolutional Neural Network (CNN) Algorithm on Sundanese Script Handwriting Image.

 

The Sundanese script is one of the cultures of the Sundanese land that must be preserved. Currently, not all people know the Sundanese script because of a shift in cultural values and there is an assumption that the Sundanese script is difficult to learn because it has a unique and complicated shape. The use of deep learning has been widely applied, especially in the field of computer vision to classify images, one of the algorithms commonly used is the convolutional neural network. The application of the convolutional neural network (CNN) algorithm on handwritten images of Sundanese script can make it easier for people to learn Sundanese script, this study aims to determine the accuracy of the convolutional neural network algorithm in classifying Sundanese script images. Data collection was carried out through distributing questionnaires to informants. Testing the system using an accuracy test, testing the CNN model using data testing gets an accuracy of 97.5% and testing the model using a mobile application reaches 98%. So based on the test results, the implementation of the deep learning method using the convolution neural network algorithm can classify Sundanese script handwritten images well

• Deep Learning
• Convolutional Neural Network
• Computer Vision
• Aksara Sunda
• Klasifikasi Gambar

DAFTAR PUSTAKA

Abhirawan, H., Jondri, & Arifianto, A. (2017). Pengenalan Wajah Menggunakan Convolutional Neural Networks (CNN). e-Proceeding of Engineering, 4(3), 4907–4916. https://openlibrary.telkomuniversity.ac.id/pustaka/files/137607/jurnal_eproc/pengenalan-wajah-menggunakan-convolutional-neural-network.pdf

Aditya, S., & Gunawan, A. (2018). Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah. Jurnal Teknik Elektro, 18(1), 15–21.

Aggarwal, C. C. (2018). Neural Networks and Deep Learning. In Artificial Intelligence. Springer. https://doi.org/10.1201/b22400-15

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

Andriyani, W. (2020, Agustus 26). Korelasi antara Artificial Intelligence, Machine Learning dan Deep Learning - Algoritma. https://algorit.ma/blog/artificial-intelligence-deep-learning/

Arfienda, P. (2019). Materi Pendamping Memahami Convolutional Neural Networks Dengan Tensorflow. https://algorit.ma/blog/convolutional-neural-networks-tensorfflow/

Baidillah, I., Darsa, U. A., Abdurahman, O., Permadi, T., Gunardi, G., Suherman, A., Ampera, T., Purba, H. S., Nugraha, D. T., & Sutisna, D. (2008). Direktori Aksara Sunda untuk Unicode. In Pemerintah Provinsi Jawa Barat Dinas Pendidikan Provinsi Jawa Barat (1 ed.). Dinas Pendidikan Provinsi Jawa Barat.

Chaidir, I., Erwanto, Y., & Handono, F. W. (2020). Perancangan Aplikasi Pembelajaran Aksara Sunda Berbasis Android. J I M P - Jurnal Informatika Merdeka Pasuruan, 4(3), 41–47. https://doi.org/10.37438/jimp.v4i3.231

Chollet, F. (2018). Deep Learning with Python. Manning Publication Co.

Dadang, W. (2018). Memahami Kecerdasan Buatan berupa Deep Learning - Machine Learning. https://warstek.com/deepmachinelearning/

Dqlab. (2020). Belajar Machine Learning dengan Library Python Populer. https://www.dqlab.id/belajar-machine-learning-dengan-library-python

Farhan, A. A., Atmaja, R. D., & Aulia, S. (2017). Perancangan Dan Analisis Sistem Pengenalan Kata Aksara Sunda Menggunakan Metode Learning Vector Quantization Berbasis Pengolahan Citra. e-Proceeding of Engineering, 4(1), 500–507.

Fatah, H. (2020). Analisis Pengaruh Aplikasi Pembelajaran Aksara Sunda Terhadap Pemahaman Siswa Dengan Metode Tam. Sistemasi, 9(1), 82. https://doi.org/10.32520/stmsi.v9i1.590

Harafani, H.-. (2020). Forward Selection pada Support Vector Machine untuk Memprediksi Kanker Payudara. Jurnal Infortech, 1(2), 131–139. https://doi.org/10.31294/infortech.v1i2.7398

Hemera Academy. (2021, Januari 18). TensorFlow - Machine Learning Framework buatan Google - Hemera Academy. https://itlearningcenter.id/tensorflow-adalah/

Keras. (2020). Tentang Keras. https://keras.io/about/

Lestari, E. W. (2018). Prototipe Knowledge Management System Sebagai Media Pembelajaran Distance Learning Dengan Pendekatan SECI Dan MVC?: Studi Kasus STMIK Cikarang. Paradigma, XX(2), 9–18. https://doi.org/10.31294/p.v20i2.3624

Lorentius, C. A., Adipranata, R., & Tjondrowiguno, A. (2019). Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network. Jurnal In, 7(1), 221–227.

Mahmud, K. H., Adiwijaya, & Al Faraby, S. (2019). Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network. e-Proceeding of Engineering, 6(1), 2127–2136.

Maulana, F. F., & Rochmawati, N. (2019). Klasifikasi Citra Buah Menggunakan Convolutional Neural Network. Journal of Informatics and Computer Science, 01, 104–108.

Nurwansah, I. (2015). Aksara Sunda Font Standar dan Ragamnya. Tim Programmer Aksara Sunda (PRADA).

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.

Passinggrade. (2021). Aksara Sunda. https://passinggrade.co.id/aksara-sunda/

Purnamawati, S., Rachmawati, D., Lumanauw, G., Rahmat, R. F., & Taqyuddin, R. (2018). Korean letter handwritten recognition using deep convolutional neural network on android platform. Journal of Physics: Conference Series, 978(1), 1–9. https://doi.org/10.1088/1742-6596/978/1/012112

Riansyah, R. R., Nurhasanah, Y. I., & Dewi, I. A. (2017). Sistem Pengenalan Aksara Sunda Menggunakan Metode Modified Direction Feature dan Learning Vector Quantization. Jurnal Teknik Informatika dan Sistem Informasi, 3(1). https://doi.org/10.28932/jutisi.v3i1.563

Rohim, A., Sari, Y. A., & Tibyani. (2019). Convolution neural network (cnn) untuk pengklasifikasian citra makanan tradisional. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(7), 7038–7042. http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5851/2789

Suartika E.P, I. W., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101. Jurnal Teknik ITS, 5(1), A65–A69. https://www.neliti.com/id/publications/191064/klasifikasi-citra-menggunakan-convolutional-neural-network-cnn-pada-caltech-101

Sutoyo, I. (2020). Perancangan Sistem Informasi Pembayaran SPP Terpadu Menggunakan Model Prototipe. Idealis, 14(2), 498–503.

Triakno Nurhikmat, 14611209. (2018). Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Wayang Golek. Universitas Islam Indonesia. https://dspace.uii.ac.id/handle/123456789/7843

Umam, C., & Budi Handoko, L. (2020). Convolutional Neural Network (CNN) Untuk Identifkasi Karakter Hiragana. PROSIDING SEMINAR NASIONAL LPPM UMP, 0(0),527–533. https://semnaslppm.ump.ac.id/index.php/semnaslppm/article/view/199

Wulandari, I., Yasin, H., & Widiharih, T. (2020). Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (CNN). Jurnal Gaussian, 9(3), 273–282. https://doi.org/10.14710/j.gauss.v9i3.27416

Zaccone, G., Karim, M. R., & Menshawy, A. (2017). Deep Learning with Tensorflow. Packt Publishing.