eprintid: 6296
rev_number: 15
eprint_status: archive
userid: 233
dir: disk0/00/00/62/96
datestamp: 2021-12-14 02:34:32
lastmod: 2021-12-14 02:34:32
status_changed: 2021-12-14 02:34:32
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 71170183, Nathania Saphira
creators_id: nathania.saphira@ti.ukdw.ac.id
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Krisnawati, Lucia Dwi
contributors_name: Mahastama, Aditya Wikan
corp_creators: Universitas Kristen Duta Wacana
title: PENGENALAN KARAKTER OPTIK (OCR) AKSARA JAWA DENGAN CONVOLUTION NEURAL NETWORK
ispublished: pub
subjects: PL
subjects: T1
divisions: tek_informatika
full_text_status: restricted
keywords: Aksara Jawa, Convolutional Neural Network, CNN, GoogLeNet, Inception, OCR, akurasi, presisi, recall, f1-score, Batch Normalization
abstract: Aksara Jawa merupakan salah satu peninggalan budaya Indonesia berupa tulisan tradisional dari suku Jawa yang meskipun saat ini sudah jarang digunakan, namun masih dilestarikan oleh berbagai pihak dalam bentuk fisik maupun digital. Dengan tujuan membantu mempermudah pelestarian aksara Jawa secara digital, penulis melakukan penelitian untuk mengembangkan sistem pengenalan karakter optik (OCR) dengan metode Convolutional Neural Network (CNN) yang dievaluasi berdasarkan parameter akurasi, presisi, recall, dan f1-score. Berfokus pada pengaplikasian salah satu arsitektur CNN, yaitu GoogLeNet yang menerapkan jaringan Inception, penulis melatih model dengan data hasil scan dari buku manuskrip lama dengan tulisan aksara Jawa yang tercetak yang sudah tersegmentasi. Data yang digunakan hanya data dengan jumlah minimal 10 data untuk setiap kelas karakternya. Model juga dilatih dengan berbagai variasi parameter serta penambahan lapisan normalisasi dan hasilnya divalidasi dan diuji berdasarkan metriks evaluasi akurasi, presisi, recall, dan f1-score untuk melihat seberapa baik performa CNN terhadap pelatihan model. Dari penelitian ini, didapatkan bahwa pelatihan model memiliki hasil yang paling baik jika dilatih dengan batch size ukuran 32 dan epoch sebanyak 100 dengan struktur arsitektur tanpa penggunaan lapisan normalisasi (Batch Normalization) dengan hasil evaluasi pengujian yang tidak terlalu tinggi (dibawah 70%). Namun, setelah dianalisis lebih dalam, penerapan CNN untuk melatih model agar dapat mengenali karakter optik aksara Jawa ini termasuk cukup efektif jika dianalisis dan dievaluasi secara weighted-averaged, mengingat jumlah data yang digunakan bervariasi setiap kelas karakternya.
date: 2021-07-31
date_type: published
pages: 76
institution: Universitas Kristen Duta Wacana
department: Informatika
thesis_type: skripsi
thesis_name: other
citation:   71170183, Nathania Saphira  (2021) PENGENALAN KARAKTER OPTIK (OCR) AKSARA JAWA DENGAN CONVOLUTION NEURAL NETWORK.  Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/6296/1/71170183_bab1_bab5_daftar%20pustaka.pdf
document_url: https://katalog.ukdw.ac.id/6296/2/71170183_bab2%20s.d%20bab4_lampiran.pdf