LODDOSINSTITUTELODDOSINSTITUTE

Jurnal Sistem Informasi, Teknik Informatika dan Teknologi PendidikanJurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan

Aksara Batak Toba merupakan salah satu warisan budaya Indonesia yang eksistensinya semakin menurun seiring perkembangan zaman, sehingga upaya pelestarian melalui digitalisasi menjadi krusial. Penelitian sebelumnya telah berhasil mengenali karakter dasar (Ina Ni Surat) tulisan tangan digital dengan akurasi tinggi, namun belum mencakup pengenalan aksara secara lengkap, termasuk tanda diakritik (Anak Ni Surat) yang berfungsi mengubah bunyi vokal. Tantangan utama dalam pengenalan aksara lengkap adalah variasi bentuk tulisan tangan yang tinggi dan kompleksitas visual dalam membedakan diakritik yang kecil. Penelitian ini bertujuan mengembangkan dan mengevaluasi model pengenalan pola yang robust untuk klasifikasi Aksara Batak Toba secara lengkap (karakter dasar dan diakritik) dari citra tulisan tangan menggunakan Transfer Learning EfficientNet B0 yang fine‑tuned dengan bobot pre‑trained ImageNet, menghasilkan akurasi klasifikasi sebesar 99% pada data pengujian.

Implementasi Transfer Learning dengan arsitektur EfficientNet B0 berhasil mencapai akurasi 99% dalam klasifikasi lengkap Aksara Batak Toba, menunjukkan efektivitas fine‑tuning pada bobot pre‑trained ImageNet untuk menangkap fitur aksara daerah meskipun dengan variasi tulisan tangan tinggi.Analisis Confusion Matrix mengindikasikan bahwa mekanisme compound scaling pada EfficientNet B0 serta penggunaan Dropout 0.3 secara signifikan meningkatkan kemampuan model membedakan karakter diakritik kecil dan mencegah overfitting, sehingga menghasilkan generalisasi yang kuat pada data baru.Penelitian ini memberikan kontribusi penting bagi digitalisasi aksara Nusantara dan membuka peluang pengembangan selanjutnya pada perangkat seluler real‑time serta integrasi ke sistem OCR untuk manuskrip kuno.

Penelitian selanjutnya dapat menyelidiki penerapan model EfficientNet B0 untuk pengenalan aksara Batak Toba pada perangkat seluler dengan kemampuan inferensi waktu nyata, serta mengevaluasi dampak latensi, konsumsi energi, dan akurasi pada berbagai konfigurasi hardware. Selain itu, perlu dikembangkan integrasi pengklasifikasi ini ke dalam pipeline OCR yang lengkap, mencakup segmentasi, deteksi baris, dan penggunaan model bahasa untuk mengubah tulisan tangan manuskrip menjadi teks digital yang dapat diedit. Selanjutnya, eksplorasi teknik augmentasi data lanjutan dan pembelajaran few‑shot dapat meningkatkan performa pada kelas diakritik yang jarang serta pada manuskrip yang mengalami degradasi berat, sehingga memperluas kemampuan model dalam kondisi data yang terbatas.

  1. APLIKASI PENGENALAN AKSARA JAWA “HANACARAKA” BERBASIS AUGMENTED REALITY | Susilo | JIPETIK:Jurnal... journal.upgris.ac.id/index.php/jipetik/article/view/9719APLIKASI PENGENALAN AKSARA JAWA AuHANACARAKAAy BERBASIS AUGMENTED REALITY Susilo JIPETIK Jurnal journal upgris ac index php jipetik article view 9719
  2. Vol. 5 No. 2 (2026): Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan IN PROGRESS... loddosinstitute.org/journal/index.php/JUSTIKPEN/issue/view/59Vol 5 No 2 2026 Jurnal Sistem Informasi Teknik Informatika dan Teknologi Pendidikan IN PROGRESS loddosinstitute journal index php JUSTIKPEN issue view 59
  3. Design of Batak Toba Script Recognition System Using Convolutional Neural Network Algorithm | Sinkron... jurnal.polgan.ac.id/index.php/sinkron/article/view/12617Design of Batak Toba Script Recognition System Using Convolutional Neural Network Algorithm Sinkron jurnal polgan ac index php sinkron article view 12617
Read online
File size372.63 KB
Pages8
DMCAReport

Related /

ads-block-test