PEMANFAATAN TEKNOLOGI OPTICAL CHARACTER RECOGNITION (OCR) UNTUK MENGENALI ALFABET AKSARA JAWA BERBASIS ANDROID DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Erviana, Erviana (2023) PEMANFAATAN TEKNOLOGI OPTICAL CHARACTER RECOGNITION (OCR) UNTUK MENGENALI ALFABET AKSARA JAWA BERBASIS ANDROID DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB 3.pdf - Published Version Download (3MB)
	Text BAB 4.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5 - LAMPIRAN.pdf - Published Version Download (506kB)

Abstract

Bahasa Jawa adalah salah satu bahasa daerah di negara Indonesia yang pada dasarnya tertuang dalam aksara Jawa. Terdapat cukup banyak kendala dalam mempelajari aksara Jawa, maka dari itu penelitian ini menghasilkan aplikasi mobile transliterasi alfabet aksara Jawa yang memanfaatkan teknologi Optical Character Recognition (OCR). Optical Character Recognition (OCR) adalah sebuah sistem pengenalan huruf atau aplikasi yang mampu mengidentifikasi citra huruf dan angka, lalu mengonversikannya menjadi format file teks. Teks yang akan diidentifikasi tidak lagi di input secara manual tetapi akan ditangkap menggunakan lensa kamera. Hasil pengenalan teks akan ditampilkan beserta cara membaca yang akan tertulis dalam huruf latin. Untuk mengenali pola citra Aksara Jawa dan klasifikasi model maka digunakan Convolutional Neural Network (CNN). CNN merupakan salah satu metode pendekatan deep learning, yang digunakan dalam pengenalan objek dan melakukan klasifikasi objek berdasarkan kemiripan dan memiliki kemampuan untuk mengenali adegan. Pada penelitian ini, penerapan metode CNN dalam proses training data menggunakan batch size 16 dan mendapatkan nilai loss sebesar 0,3997 dan nilai accuracy sebesar 0,9267. Aplikasi yang dihasilkan dapat mentransliterasi teks melalui gambar yang ditangkap oleh kamera smartphone dan dapat digunakan sebagai penunjang dalam mengenali aksara Jawa dari buku maupun literasi fisik lainnya. Berdasarkan hasil uji coba dari aplikasi yang telah dirancang, mendapatkan nilai akurasi sebesar 80%.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Deep Learning, CNN, Aksara Jawa, OCR, Transliterasi
Subjects:	000 Karya Umum > 005 Pemograman > 005.43 Sistem Operasi
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	22 Feb 2024 05:10
Last Modified:	22 Feb 2024 05:10
URI:	https://repositori.buddhidharma.ac.id//id/eprint/1988

Actions (login required)

View Item