Penerapan Deep Learning untuk Pengenalan Tulisan Tangan Bahasa Aksara Lota Ende dengan Menggunakan Metode Convolutional Neural Networks

Abstract

Aksara Lota merupakan turunan dari aksara Bugis. Orang Bugis yang hidup di Ende membawa peradaban dan budaya, termasuk aksaranya. Menurut catatan sejarah, naskah Lota berakhir sekitar abad ke-16, dan pada masa pemerintahan Raja XIV Goa, I Mangnrangi Daeng Manrabia bergelar Sultan Alauddin (1593- 1639). Selama proses adaptasi, aksara Ende dikembangkan setelah sistem Ende menjadi aksara Lota. Aksara Ende awalnya ditulis menggunakan ujung pisau pada atas kertas wunu koli (daun lontar) sebelum kertas tadi masuk ke Nusantara. Aksara Lontar sebenarnya asal menurut luar wilayah Flores yaitu Bugis yg dikenal menggunakan Aksara Lontar (aksara Bugis).Media komunikasi pada tahun 90-an. Metode yang digunakan dalam penelitian yakni metode prediksi pengenalan menggunakan algoritma Convolutional Neural Network (CNN). Data yang digunakan berasal dari tulisan tangan responden yang dipindai dengan total banyaknya data sebanyak 700 citra data. Berdasarkan pengujian diketahui bahwa performa neural network dipengaruhi oleh jumlah iterasi. Performa akurasi meningkat pada iterasi ke-0 sampai dengan iterasi ke-20, akan tetapi untuk iterasi ke-40 sampai dengan iterasi ke-100 tidak mengalami perubahan yang cukup signifikan, akurasi dalam rentang iterasi 40-100 cukup stabil berada pada satu titik. Hasil dari pengujian algoritma CNN menggunakan bahasa pemrograman python mendapatkan akurasi 100%. .