Aplikasi Klasifikasi Huruf Jawa Menggunakan Algoritma Convolutional Neural Network dan Random Forest

Novan Windi Eko Purwanto

Abstract


Penelitian ini bertujuan untuk mengembangkan aplikasi klasifikasi huruf Jawa menggunakan algoritma Convolutional Neural Network (CNN) dan Random Forest (RF). Sistem ini dibangun dengan menggunakan bahasa pemrograman Python, HTML, dan CSS, serta framework Flask, dan dikembangkan dengan metode Agile Development yang memungkinkan penyesuaian cepat terhadap perubahan kebutuhan. Aplikasi ini dirancang untuk mengidentifikasi dan mengklasifikasikan huruf aksara Jawa, dengan fokus pada akurasi dan efisiensi model. Algoritma CNN diterapkan untuk memproses gambar huruf aksara Jawa dan menghasilkan akurasi 99,4%, sementara model RF, yang digunakan untuk analisis regresi, mencapai akurasi 42,2%. Hasil evaluasi menunjukkan bahwa CNN secara signifikan lebih efektif dalam klasifikasi dibandingkan RF. Penelitian ini menyimpulkan bahwa penggunaan CNN dalam aplikasi klasifikasi huruf Jawa berbasis web dengan metodologi Agile Development memberikan hasil yang sangat baik dan dapat membantu pengguna dalam mengenali dan memahami huruf aksara Jawa dengan lebih akurat.

References


Adrian, M. R., Putra, M. P., Rafialdy, M. H., & Rakhmawati, N. A. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1), 36–40. https://doi.org/10.26877/jiu.v7i1.7099

Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434

Arbain, A., Muhammad, M. A., Septiana, T., & Septama, H. D. (2022). Learning Hoax News Pada Local Dan Cloud Computing Deployment Menggunakan Google App Engine. Jurnal Informatika Dan Teknik Elektro Terapan, 10(3). https://doi.org/10.23960/jitet.v10i3.2646

Baranwal, A., Bagwe, B. R., & M, V. (2019). Machine Learning in Python. Journal of Machine Learning Research, 12, 128–154. https://doi.org/10.4018/978-1-5225-9902-9.ch008

Dutta, K. K., Sunny, S. A., Victor, A., Nathu, A. G., Ayman Habib, M., & Parashar, D. (2020). Kannada Alphabets Recognition Using Decision Tree and Random Forest Models. Proceedings of the 3rd International Conference on Intelligent Sustainable Systems, ICISS 2020, 534–541. https://doi.org/10.1109/ICISS49785.2020.9315972

Faizin, A., Moh. Lutfi, & Achmyatari. (2022). Perbandingan Arsitektur Lenet Dan Googlenet Dalam Klasifikasi Diabetic Retinopathy Pada Citra Retina Fundus. JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 342–347. https://doi.org/10.36040/jati.v6i1.4581

Farid Naufal, M. (2021). Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(2), 311–318. https://doi.org/10.25126/jtiik.202184553

Hackeling, G. (2014). Mastering Machine Learning with scikitlearn (A. S. Roshni Banerjee (ed.); Vol. 2507, Issue 1). Packt Publishing Ltd.

Hakim, L., Saefuddin, A., & Nisrina, S. (2022). Klasifikasi Varietas Unggul Padi Menggunakan Metode Bagging , Boosting , dan Extremely Randomized Trees. Statistika, 22(2), 127–132.

Hidayat, D., Rachmiatie, A., & Rizkyana, D. (2020). Perilaku Komunikasi dalam Konteks Hanacaraka Masyarakat Kampung Cireundeu. Jurnal Komunikasi Universitas Garut: Hasil Pemikiran Dan Penelitian, 6(2), 495–508. https://journal.uniga.ac.id/index.php/JK/article/view/747

Hikmatia A.E, N., & Ihsan Zul, M. (2021). Aplikasi Penerjemah Bahasa Isyarat Indonesia menjadi Suara berbasis Android menggunakan Tensorflow. Jurnal Komputer Terapan, 7(Vol. 7 No. 1 (2021)), 74–83. https://doi.org/10.35143/jkt.v7i1.4629

Hutauruk, A. C., & Pakpahan, A. F. (2021). Perancangan Sistem Informasi Organisasi Kemahasiswaan Berbasis Web pada Universitas Advent Indonesia Menggunakan Metode Agile Development (Studi Kasus: Universitas Advent Indonesia) Design of Web-Based Student Organization Information System at Adventist . Cogito Smart Journal |, 7(2), 2021.

Ju, Y., Wang, X., & Chen, X. (2019). Research on OMR recognition based on convolutional neural network tensorflow platform. Proceedings - 2019 11th International Conference on Measuring Technology and Mechatronics Automation, ICMTMA 2019, 688–691. https://doi.org/10.1109/ICMTMA.2019.00157

Kholik, A. (2021). Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram. Jdmsi, 2(2), 10–20.

Kurniadi, B. W., Prasetyo, H., Ahmad, G. L., Aditya Wibisono, B., & Sandya Prasvita, D. (2021). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, September, 1–11.

Lee, H., Kim, J., Jung, S., Kim, M., Kim, B., & Kim, S. (2020). Variable importance measures based on ensemble learning methods for convective storm tracking. 2020 Joint 11th International Conference on Soft Computing and Intelligent Systems and 21st International Symposium on Advanced Intelligent Systems, SCIS-ISIS 2020. https://doi.org/10.1109/SCISISIS50064.2020.9322692

Nalatissifa, H., Gata, W., Diantika, S., & Nisa, K. (2021). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja. Jurnal Informatika Universitas Pamulang, 5(4), 578. https://doi.org/10.32493/informatika.v5i4.7575

Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network ( CNN ) Pada Ekspresi Manusia. Jurnal Algor, Vol 2(No 1), 12–21.

Puspitasari, F. D., & Anardani, S. (2023). Aplikasi Klasifikasi Huruf Hijaiyah Menggunakan Algoritma Convolutional Neural Network dan Random Forest. Seminar Nasional Teknologi Informasi Dan Komunikasi, 67–78.

Qotrunnada, F. M., & Utomo, P. H. (2022). Metode Convolutional Neural Network untuk Klasifikasi Wajah Bermasker. Prisma, 5, 799–807.

R.H. Zer, P. P. P. A. N. . F. I., Hayadi, B. H., & Damanik, A. R. (2022). Pendekatan Machine Learning Menggunakan Algoritma C4.5 Berbasis Pso Dalam Analisa Pemahaman Pemrograman Website. Jurnal Informatika Dan Teknik Elektro Terapan, 10(3). https://doi.org/10.23960/jitet.v10i3.2700

Syarif, M., & Nugraha, W. (2020). Pemodelan Diagram UML Sistem Pembayaran Tunai Pada Transaksi E-Commerce. Jurnal Teknik Informatika Kaputama (JTIK), 4(1), 70 halaman.

Wicaksono, S. R. (2021). Blackbox Testing Teori dan Studi Kasus (S. R. Wicaksono (ed.); 1st ed., Issue Juli). CV. Seribu Bintang. https://doi.org/10.5281/zenodo.7659674


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  senatik@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.