Pengenalan Aksara Sunda Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Dan Deteksi Tepi Canny

Nisa Amalia, Eka Wahyu Hidayat, Aldy Putra Aldya

Abstract


Aksara sunda merupakan salah satu warisan budaya bangsa Indonesia yang berasal dari suku sunda. Aksara sunda sudah dinyatakan sebagai aksara asli yang dilindungi kelangsungannya dan wajib untuk dilestarikan. Akan tetapi, banyak dari masyarakat saat ini yang tidak  mengetahui dan mengerti dengan aksara sunda, sehingga untuk memudahkan pengenalan aksara sunda dapat dikembangkan kegiatan yang berkaitan dengan komputerisasi sesuai dengan perkembangan zaman, salah satunya dengan pengenalan pola citra aksara sunda. Jaringan Saraf Tiruan backpropagation mampu mengenali pola yang akan digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa dengan pola yang dipakai selama pelatihan. Canny dikenal sebagai deteksi tepi yang optimal, algoritma ini memberikan tingkat kesalahan yang rendah. Hasil dari prototype program yang mengkombinasikan JST backpropagation dengan canny mengahasilkan akurasi yang cukup tinggi untuk pengenalan aksara sunda swara yaitu rata-rata 90% untuk data latih dengan jumlah 70 data aksara sunda, dan 76.19% untuk data uji dengan jumlah 21 data aksara sunda.

Keywords


Aksara Sunda; Jaringan Saraf Tiruan Backpropagation; Deteksi Tepi Canny

Full Text:

PDF

References


I. Baidillah And Dkk, Direktori Aksara Sunda Untuk Unicode, Pemerintah Provinsi Jawa Barat Dinas Pendidikan Propinsi Jwa Bsart, 2008.

R. R. Riansyah, Y. I. Nurhasanah And I. A. Dewi, “Sistem Pengenalan Aksara Sunda Menggunakan Metode Modified Direction Feature Dan Learningvector Quantization,” Jurnal Teknik Informatika Dan Sistem Informasi, Vol. 3, 2017.

R. S. Ernawati, E. W. Hidayat And A. Rahmatulloh, “Implementasi Teknologi Augmented Reality Sebagai Media Pengenalan Aksara Sunda Berbasis Android,” Jutisi (Jurnal Teknik Informatika Dan Sistem Informasi), Vol. 3, 2017.

A. F. Achmad, R. D. Atmaja And S. Aulia, “Perancangan Dan Analisis Sistem Pengenalan Kata Aksara Sunda Menggunakan Metode Learning Vector Quantization Berbasis Pengolahan Citra,” In E-Proceeding Of Engineering, 2017.

D. D. Lestari, B. Hidayat And N. Andhini, “Perancangan Pengenal Kata Dalam Aksara Sunda Menggunakan Metode Deteksi Tepi Dan Lvq Berbasis Pengolahan Citra Pada Android,” E-Proceeding Of Engineering, Vol. 2, 2015.

I. Ramadhan And G. Hermawan, “Pengenalan Pola Citra Tulisan Tangan Aksara Sundadengan Metode Convolutional Neural Network,” 2018.

I. Faturrahman, Arini And F. Mintarsih, “Pengenalan Pola Huruf Hijaiyah Khat Kufi Dengan Metode Deteksi Tepi Sobel Berbasis Jaringan Syaraf Tiruan Backpropagation,” Backpropagation, Vol. 11, 2018.

S. E. Ardyandrea , A. D. Ratri And S. Aulia, “Analisis Dan Perancangan Aplikasi Penerjemah Aksara Jawa Menggunakan Metode Backpropagation,” E-Proceeding Of Engineering, Vol. 4, 2017.

N. E. W. Nugroho And A. . R. Widiarti, “Transliterasi Citra Aksara Hiragana Mempergunakan Jaringan Backpropagation,” Salatiga, 2016.

P. T. K. Putra And N. K. A. Wirdiani, “Pengolahan Citra Digital Deteksi Tepi Untuk Membandingkan Metode Sobel, Robert Dan Canny,” Merpati, 2014.

Sukatmi, “Perbandingan Deteksi Tepi Citra Digital Dengan Metode Prewitt, Sobel Dan Canny,” Jurnal Ilmiah Manajemen Informatika Dan Komputer, Vol. 01, 2017.

A. N. Hermana And M. S. Juerman, “Implementasi Algoritma Canny Dan Backpropagation Dalam Pengenalan Pola Rumah Adat,” Itenas Library, 2015.

A. Pattiserlihun, A. Setiawan And S. Trihandaru, “Aplikasi Jaringan Syaraf Tiruan Pada Pengenalan Pola Tulisan Dengan Metode Backpropagation,” In Prosiding Seminar Nasional Sains Dan Pendidikan Sains Uksw.

F. P. Putri And A. Kusnadi, “Pengenalan Tulisan Tangan Offline Dengan Algoritma Generalized Hough Transform Danbackpropagation,” Ultima Computing, 2018.

E. Hara, H. Fitriawan And Y. Mulyani, “Penggunaan Deteksi Tepi (Canny) Pada Sistem Pengenalan Tulisan Tangan Aksara Lampung Berbasis Jaringan Syaraf Tiruan,” Jurnal Rekayasa Dan Teknologi Elektro, Vol. 10, 2016.




DOI: https://doi.org/10.24114/cess.v5i1.14839

Article Metrics

Abstract view : 1408 times
PDF - 888 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License