<![CDATA[Penelitian ini mengkaji pengenalan aksara Jawamenggunakan algoritma Convolutional Neural Network (CNN)dan arsitektur VGG16. Penelitian ini bertujuan untukmengevaluasi dan membandingkan performa kedua modeldalam klasifikasi citra aksara Jawa yang kompleks. Datasetyang digunakan terdiri dari 5.000 citra aksara Jawa dengan 100jenis motif, yang diperoleh melalui pengambilan gambarmanual. Proses preprocessing meliputi filtering, augmentasi,dan pembagian dataset untuk pelatihan dan pengujian. ModelCNN dirancang menggunakan empat lapisan konvolusi denganjumlah neuron bertingkat dan pooling, sementara VGG16memanfaatkan arsitektur bertingkat dengan 16 lapisankonvolusi. Hasil menunjukkan bahwa VGG16 memiliki akurasipelatihan dan validasi tertinggi masing-masing sebesar 99,83%dan 99,50%, mengungguli CNN yang mencapai akurasipelatihan 87,70% dan validasi 97,10%. Namun, CNNmenunjukkan potensi keandalan lebih tinggi dengan nilai lossvalidasi lebih rendah. Penelitian ini menegaskan pentingnyapemilihan arsitektur model dalam klasifikasi citra aksara Jawayang kompleks.Kata kunci— Aksara Jawa, Augmentasi Data, ConvolutionalNeural Network (CNN), Klasifikasi Citra; VGG-16]]>
Copyrights © 2025
