Software pembelajaran penulisan aksara Jawa dengan convolutional neural network sebagai deteksi tulisan tangan

ABSTRAK:

Aksara Jawa merupakan aksara tradisional Nusantara yang digunakan untuk menulis bahasa Jawa. Dilakukan upaya pelestarian Aksara Jawa oleh pemerintah salah satunya pada dunia pendidikan. Pembuatan sitem deteksi tulisan tangan aksara jawa dapat membantu dalam pembelajaran aksara jawa. Pendeteksian tulisan tangan dilakukan dengan deep learning untuk mendapatkan pengenalan yang baik. Metode yang digunakan pada penelitian ini merupakan metode Convolutional Neural Network. Tujuan Penelitian ini untuk mengukur nilai accuracy, precision, recall dan f-measure. Metode ini digunakan karena telah banyak penelitian yang menghasilkan akurasi yang sangat baik sebagai deteksi tulisan tangan. Citra yang digunakan diambil dari tulisan tangan anak Sekolah Dasar kelas 4 dan kelas 5. Dilakukan manipulasi data pada citra untuk mendapatkan gambar yang cukup untuk dilakukan deep learning seperti resize, grayscale, shear, zoom, dan rotation. Training dilakukan dengan 350 epoch dan dihasikan accuracy sebesar 96,2% dan validation accuracy sebesar 96%. Dari hasil training yang dilakukan, diketahui bahwa semakin banyak epoch akan semakin baik pula hasilnya. Dilakukan Pengujian pada model dengan 100 data, dari hasil pengujian diketahui accuracy 98,8%, precision 88%, recall 88%, dan f-measure 88%.

ABSTRACT:

The Javanese alphabet is the traditional Indonesian alphabet used to write downthe Javanese language. The government conserves the alphabet by implementing it in theeducation world. Making the Javanese alphabet handwriting detection system can help itslearning process. The detection is done using deep learning to achieve a sufficientintroduction. The researcher employs the Convolutional Neural Network method. Theresearch objective is to measure the accuracy, precision, recall, and f-measure level. Theresearcher chose the method since many researchers have used it to generate high-accuracyhandwriting detection. He took the handwriting samples of four and five-grade elementarystudents. He manipulated the image data to get adequate information about the image tocarry out deep learning, such as resizing, grayscale, shear, zoom, and rotation. The trainingwas carried out for 350 epochs and resulted in an accuracy of 96.2% and a validationaccuracy of 96%. The training result shows that the more epochs, the better the result. Thetesting on the model of 100 data shows the accuracy, precision, recall, and f-measure of98.8%, 88%, 88%, and 88%, respectively.

مستخلص البحث:

ألجبدية اجلاوية هي أجبدية تقليدية لألرخبيل تستخدم لكتابة اللغة اجلاوية. بذلت احلكومة جهودا للحفاظ عليها، و
أحدها يف عامل التعليم. ميكن أن يساعد إنشاء نظام الكشف عن خط اليد اجلاوي يف تعلم النص اجلاوي. يتم الكشف عن خط اليد
من خالل التعلم العميق للحصول على اعرتاف جيد. الطريقة املستخدمة يف هذا البحث هي طريقة الشبكات العصبونية اإللتفافية.
اهلدف من البحث هو قياس قيمةالدقة والضبط واالستدعاء والفاء القياسي. مت استخدام هذه الطريقة ألن هناك عدة الدراسات اليت
تنتج دقة ممتازة مثل الكشف عن خط اليد. الصور املستخدمة مأخوذة من خط يد طالب املدارس االبتدائية يف الصفني الرابع واخلامس.
مت إجراء معاجلة البياانت على الصورة للحصول علج الرمادي والقص والتكبري أوى صور كافية للتعلم العميق مثل تغيري احلجم وتدر
التصغري والدوران. مت إجراء التدريب على٣٥٠حقبة وأسفر عن دقة٩٦.٢% وضبط٩٦%. من نتائج التدريب الذي مت إجراؤه،
كلما زاد عدد العصور، كانت النتائج أفضل. أجري االختبار على من املعروف أنهمناذج حتتوي على١٠٠بياانت، من نتائج ذلك
االختبار وجدت قيمة الدقة٩٨.٨%، الضبط٨٨%، االستدعاء٨٨%، و الفاء القياسي٨٨.%