Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Perancangan Aplikasi Pengenalan Aksara Jawa Digital Menggunakan Convulotional Neural Network dan Computer Vision

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 3 No. 2 (2023) · pp. 364–377

DOI
10.51454/decode.v3i2.209
ISSN
2775-1813, 2775-2984
Published
2023-08-13
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Aksara Jawa merupakan salah satu aksara tertua yang terkenal dan sering digunakan oleh masyarakat pulau Jawa untuk penulisan sehari-harinya. Namun pada zaman sekarang penggunaan aksara Jawa sudah jarang digunakan oleh masyarakat dan ketertarikan para generasi muda untuk mempelajari budaya Jawa yang berupa aksara ini sangat minim. Pada penelitian ini akan membahas tentang penggunaan teknologi Deep Learning dan Computer Vision untuk pembelajaran aksara Jawa dan sebagai sarana dalam pelestarian budaya Jawa. Penulis menggunakan metode studi literatur dengan mencari dan membaca dari penelitian-penelitian terdahulu untuk menemukan keterbaruan dalam penelitian. Pada penelitian ini akan menggunakan teknologi Deep Learning, Computer Vision, dan algoritma Deep Learning yaitu Convolutional Neural Network untuk mengklasifikasikan gambar aksara Jawa tulisan tangan digital. Tujuan dari dilakukannya penelitian ini yaitu untuk menguji akurasi dari penggunaan teknologi Deep Learning dan Computer Vision dalam pengenalan dan klasifikasi gambar aksara Jawa tulisan tangan digital berdasarkan kelompoknya. Dari penelitian yang telah dilakukan didapatkan akurasi yang cukup memuaskan dari penggunaan algoritma Convolutional Neural Network sebesar 84% dalam pengenalan gambar aksara Jawa tulisan tangan digital.

Collaboration network of the authors

8 authors · 8 co-authorship links · 2 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Pradita
  • University of Indonesia
  • Sebelas Maret University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Darryl NathanaelUniversitas Pradita1
Dicky HuangAffiliation unknown1
Herman WidjajaUniversitas Pradita1
Nanda PerdanaUniversitas Pradita1
H. R. SanabilaUniversity of Indonesia1
Denis Eka CahyaniSebelas Maret University1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Perancangan Aplikasi Pengenalan Aksara Jawa Digital Menggunakan Convulotional Neural Network dan Computer Vision</dc:title><dc:creator>Jonathan, Alvin</dc:creator><dc:creator>Wasito, Ito</dc:creator><dc:description>&lt;jats:p&gt;Aksara Jawa merupakan salah satu aksara tertua yang terkenal dan sering digunakan oleh masyarakat pulau Jawa untuk penulisan sehari-harinya. Namun pada zaman sekarang penggunaan aksara Jawa sudah jarang digunakan oleh masyarakat dan ketertarikan para generasi muda untuk mempelajari budaya Jawa yang berupa aksara ini sangat minim. Pada penelitian ini akan membahas tentang penggunaan teknologi Deep Learning dan Computer Vision untuk pembelajaran aksara Jawa dan sebagai sarana dalam pelestarian budaya Jawa. Penulis menggunakan metode studi literatur dengan mencari dan membaca dari penelitian-penelitian terdahulu untuk menemukan keterbaruan dalam penelitian. Pada penelitian ini akan menggunakan teknologi Deep Learning, Computer Vision, dan algoritma Deep Learning yaitu Convolutional Neural Network untuk mengklasifikasikan gambar aksara Jawa tulisan tangan digital. Tujuan dari dilakukannya penelitian ini yaitu untuk menguji akurasi dari penggunaan teknologi Deep Learning dan Computer Vision dalam pengenalan dan klasifikasi gambar aksara Jawa tulisan tangan digital berdasarkan kelompoknya. Dari penelitian yang telah dilakukan didapatkan akurasi yang cukup memuaskan dari penggunaan algoritma Convolutional Neural Network sebesar 84% dalam pengenalan gambar aksara Jawa tulisan tangan digital.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2023-08-13</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v3i2.209</dc:identifier><dc:identifier>10.51454/decode.v3i2.209</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 3 No 2 (2023); 364-377</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/209/90</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>