Pemodelan Konversi Citra Aksara Lampung Ke Teks Alfabet Menggunakan Metode Convolutional Neural Network
Kemajuan teknologi, termasuk kecerdasan buatan (Artificial Intelligence), telah membuka peluang baru dalam pendidikan dan menawarkan berbagai manfaat bagi berbagai pihak. Salah satu aspek penting dalam konteks budaya adalah pengembangan teknologi yang dapat mengonversi aksara tradisional menjadi teks digital. Penelitian ini bertujuan mengembangkan model konversi citra aksara Lampung ke teks alfabet menggunakan metode Convolutional Neural Network (CNN), yang merupakan bagian dari ranah Deep Learning. Model ini dirancang untuk mengenali pola dan karakteristik aksara Lampung dalam kalimat dan mengubahnya menjadi teks yang dapat dibaca. Dataset yang digunakan terdiri dari citra induk dan anak aksara Lampung, dengan pengujian dilakukan pada citra kalimat aksara Lampung. Arsitektur CNN yang digunakan melibatkan dua lapisan konvolusi (32 dan 64 filter) dengan kernel 3x3, fungsi aktivasi ReLU, dropout, dan batch normalization, pooling, dan flatten mengubah data 2D menjadi vektor 1D. Cabang induk dan anak masing-masing memiliki lapisan dense dengan 200 unit dan aktivasi ReLU, diakhiri dengan lapisan dense terakhir yang menggunakan aktivasi softmax untuk klasifikasi. Model ini dilatih dengan berbagai pengaturan hyperparameter dan menunjukkan hasil yang sangat memuaskan, dengan akurasi 99,40% untuk citra induk dan 99,77% untuk citra anak. Pengujian pada aksara kalimat yang menghiutng klasifikasi karakter menunjukkan akurasi 73.05%. Kemudian pengujian aksara kalimat yang menghitung kebenaran segmentasi dan klasifikasi menghasilkan akurasi 57.32% yang memperlihatkan keandalan cukup tinggi dalam klasifikasi aksara Lampung ke teks alfabet. Hasil ini mengesankan karena penelitian sebelumnya hanya fokus pada klasifikasi aksara tunggal, sedangkan penelitian ini telah memperluas cakupannya dengan mengklasifikasikan aksara dalam bentuk kalimat.
URI
https://repo.itera.ac.id/depan/submission/SB2407300089
Keyword
Lampung Script, Image to Text, Convolutional Neura