PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RECURRENT NEURAL NETWORK (RNN) UNTUK PENGENALAN KARAKTER AKSARA BUGIS

Abstract

Aksara Bugis atau Lontara merupakan salah satu warisan budaya Nusantara yang penggunaannya semakin berkurang akibat dominasi aksara Latin. Penelitian ini bertujuan menganalisis kinerja kombinasi algoritma Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN) berbasis Long Short-Term Memory (LSTM) dalam mengenali karakter aksara Bugis. CNN digunakan untuk mengekstraksi fitur visual citra, sedangkan LSTM dimanfaatkan untuk memahami pola karakter. Sistem dikembangkan dengan menerapkan metode Rational Unified Process (RUP) sebagai pendekatan dalam proses pengembangan perangkat lunak. Dataset penelitian berjumlah 14.079 citra yang diperoleh dari Kaggle dan survei lapangan. Tahap preprocessing meliputi greyscale , normalisasi piksel, dan resize citra menjadi 64×64 piksel. Akurasi metrik , presisi, recall, dan F1-Score digunakan untuk memutar kinerja model. Berdasarkan hasil pengujian terhadap 192 citra, sistem mampu mengenali 182 citra dengan benar dan memperoleh akurasi sebesar 94,79%. Temuan dari pengujian black box menunjukkan bahwa fitur-fitur aplikasi berfungsi sesuai yang diharapkan. Penelitian ini menghasilkan sistem pengenalan aksara Bugis yang akurat dan efisien berbasis deep learning .