Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer
Nirwana
Universitas Halu Oleo
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RECURRENT NEURAL NETWORK (RNN) UNTUK PENGENALAN KARAKTER AKSARA BUGIS Nirwana; Rizal Adi Saputra; Muhammad Ihsan Sarita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 13 No. 3 (2026): Prosisko Vol. 13 No. 3 November 2026
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v13i3.12125

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 .
Co-Authors Muhammad Ihsan Sarita Rizal Adi Saputra