Pengenalan Sekuens Kata Aksara Jawa Tanpa Segmentasi Menggunakan Arsitektur CRNN dan CTC

Moch. Saefudin Yuhri (Universitas Nusantara PGRI Kediri)
Ahmad Bagus Setiawan (Universitas Nusantara PGRI Kediri)
Intan Nur Faridha (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Terdapat penurunan kemampuan masyarakat dalam membaca Aksara Jawa, yang sebagian besar disebabkan oleh kompleksitas aturan penulisan Sandhangan dan Pasangan yang posisinya dapat bertumpuk secara vertikal. Metode Optical Character Recognition (OCR) konvensional yang berbasis segmentasi karakter sering mengalami kegagalan karena pemotongan karakter justru merusak informasi visual dari aksara yang bertumpuk. Penelitian ini mengusulkan pendekatan segmentation-free menggunakan arsitektur Convolutional Recurrent Neural Network (CRNN) yang dipadukan dengan Connectionist Temporal Classification (CTC) Loss. Model dilatih menggunakan lebih dari 15.000 citra dataset sintetis kata Aksara Jawa yang telah melalui proses augmentasi. Hasil pengujian dievaluasi menggunakan metrik Character Error Rate (CER) dan Word Error Rate (WER) berdasarkan jarak Levenshtein. Penelitian ini membuktikan bahwa pendekatan pengenalan sekuens kata secara utuh mampu menerjemahkan Aksara Jawa dengan tingkat akurasi karakter mencapai 99,71%, sehingga dapat menjadi solusi digitalisasi aksara tradisional yang efektif.