Perbandingan Kernel Convolutional Neural Network dalam Pengenalan dan Transliterasi Kata Aksara Lampung

Abstrak

Penelitian bertujuan untuk membuat suatu sistem yang dapat mengenali dan mentransliterasi data citra aksara Lampung dan melakukan perbandingan kernel Convotional Neural Network (CNN) terhadap sistem pengenalan dan transliterasi kata aksara Lampung. Sistem pengenalan dan transliterasi aksara Lampung dengan model pembelajaran CNN diaplikasikan menggunakan bahasa pemrograman python 3.12.5 64 bit, dengan stride sebesar 1 untuk konvolusi dan 2 untuk pooling, variasi ukuran kernel yang digunakan adalah 2x2, 3x3 dan 5x5 yang diaplikasikan secara bersilang untuk ekstraksi ciri proses konvolusi dan pooling. Tipe kernel konvolusi 3x3 dan kernel pooling 3x3 menunjukkan kinerja terbaik dalam melakukan transliterasi dan pengenalan kata aksara Lampung dengan akurasi pengujian sebesar 0.9 dan kesetimpangan data hasil pengujian yang kecil, yaitu 2/10 atau 0.2 . Ukuran Kernel 3x3 menunjukan kondisi yang ideal untuk digunakan terutama ketika ciri citra yang digunakan memiliki perbedaan ciri yang sangat sedikit.