Klasifikasi Akasara Jawa Dengan CNN
DOI:
https://doi.org/10.30736/jt.v13i2.479Keywords:
Classification, Convolution Neural Network, Javanesse LetterAbstract
It is common knowledge that CNN is a significant method in image classification. This is because CNN can classify Latin letters with a high degree of accuracy. Lenet5 in CNN is tasked with converting 2D features from an image into a convolutional network continuously. CNN architecture consists of several layers, including the Convolution Layer, Relu layer, Subsampling layer, Fully Connected Layer. In this research, CNN is used to classify Javanese script images into 20 classes. These classes include ha, na, ca, ra, ka, da, ta, wa, la, pa, dha, ja, yes, nya, ma, ga, ba, tha, nga. Javanese script used in this research is Ngalena Javanese script. The precision values for each class range from 0.5 to 0.6.
Downloads
References
A. Rita Widiarti and P. Nari Wastu, "Javanese Character Recognition Using Hidden Markov Model," International Science Index, Computer and Information Engineering Vol:3, No:9, 2009.
Bishwajit Purkaystha, Tapos Datta and Md Saiful Islam, “Bengali Handwritten Character Recognition Using Deep Convolutional Neural Network,†2017 20th International Conference of Computer and Information Technology. ICCIT 2017.
Huiqun Deng, George Stathopoulos, and Ching Y. Suen, "Applying Error-Correcting Output Coding to Enhance Convolutional Neural Network for Target Detection and Pattern Recognition",International Conference on Pattern Recognition. 2010.
Kietikul Jearanaitanakij and Ouen Pinngern “Hidden Unit Reduction of Artificial Neural Network on English Capital Letter Recognition†IEEE, 2006, doi: 1-4244-0023-6/06/$20.00.
Kun Guo, Ning Li, “Research on Classification of Architectural Style Image Based on Convolution Neural Network,†2017 IEEE, doi: 978-1-5090-5363-6/17/$31.00.
Phatthanaphong Chomphuwiset “Printed Thai Character Segmentation and Recognition,†2017 4th IEEE International Conference on Soft Computing and Machine Intelligence.
Rismiyati, Khadijah, and A. Nurhadiyatna, “Deep learning for handwritten Javanese character recognition,†Proc. - 2017 1st Int. Conf. Informatics Comput. Sci. ICICoS 2017, vol. 2018-January, pp. 59–63, 2018, doi: 10.1109/ICICOS.2017.8276338.
Roshan Fernandes and Anisha P Rodrigues, “Kannada Handwritten Script Recognition using Machine Learning Techniques,†2019 IEEE, doi: 978-1-7281-3735-3/19/$31.00.
T. Septianto, E. Setyati, and J. Santoso, “Digit Classification of Majapahit Relic Inscription using GLCM-SVM,†vol. 1, no. 2, pp. 46–54, 2018.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Edo Prasetyo N. A Wijaya
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:
Â
- Bagikan — salin dan distribusikan ulang materi dalam media atau format apa pun
- Beradaptasi — me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.
Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.
- Atribusi — Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
- ShareAlike — Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
- Tidak ada batasan tambahan — Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.
Â
Hak Cipta
Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:
Â
Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .
Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).
 
Jutnal teknika oleh Universitas Islam Lamongan berlisensi Creative Commons Attribution-ShareAlike 4.0 International License.
Berdasarkan karya di https://jurnalteknik.unisla.ac.id/index.php/teknika/index
