<![CDATA[Penelitian ini membahas pengenalan aksara Jawa sebagai upaya pelestarian budaya di era teknologi digital. Permasalahan utama terletak pada rendahnya kualitas citra dan kemiripan visual antar karakter yang dapat menurunkan akurasi klasifikasi. Penelitian ini bertujuan untuk menganalisis kinerja model MobileNetV3-SVM serta pengaruh penerapan preprocessing Contrast Limited Adaptive Histogram Equalization (CLAHE) dalam meningkatkan akurasi pengenalan. Metode yang digunakan meliputi tahap preprocessing (CLAHE, resize, dan normalisasi), ekstraksi fitur menggunakan MobileNetV3Small, serta klasifikasi menggunakan Support Vector Machine (SVM) dengan kernel linear. Dataset yang digunakan terdiri dari 2.500 citra aksara Jawa yang dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil penelitian menunjukkan bahwa model dengan CLAHE mencapai akurasi tertinggi sebesar 98,4%, lebih baik dibandingkan tanpa CLAHE yang memperoleh 97,2%. Kebaruan penelitian ini terletak pada integrasi metode CLAHE dengan arsitektur MobileNetV3-SVM untuk meningkatkan diskriminasi fitur pada citra aksara Jawa yang memiliki kemiripan visual tinggi. Implikasi dari penelitian ini menunjukkan bahwa pendekatan yang diusulkan dapat menjadi solusi efektif dalam pengembangan sistem pengenalan aksara daerah berbasis kecerdasan buatan yang lebih akurat dan adaptif.]]>
Copyrights © 2026
