| dc.description.abstract | Aksara Jawa adalah salah satu aksara tradisional Indonesia yang
digunakan untuk menulis bahasa Jawa. Pada zaman dahulu, Aksara Jawa ditulis di
berbagai macam media yang bersifat non-digital (hard copy) dan manusia dapat
dengan mudah mengenalinya. Lain halnya dengan komputer, komputer sangat
sulit menyebutkan hal itu tanpa adanya proses pengenalan terlebih dahulu untuk
mengidentifikasi sebuah obyek. Komputer mengalami kesulitan dalam proses
analisis karena banyaknya variabel yang harus diolah. Untuk itu diperlukan
adanya mekanisme dalam pengenalan pola agar komputer dapat mengenali sebuah
obyek yang akan diproses untuk dapat di simpan dikomputer.
Meningkatnya kemampuan komputasi dalam kinerja pengolahan data pada
komputer dapat dimanfaatkan untuk pembuatan sebuah sistem klasifikasi, salah
satunya adalah klasifikasi huruf dasar Aksara Jawa. Sistem klasifikasi ini
menggunakan gabungan 2 metode yaitu metode Gray level Co-occurrence Matrix
(GLCM) sebagai ekstraksi cirinya yang kemudian hasil dari metode tersebut
digunakan sebagai input untuk proses pengenalan pola Aksara Jawa berdasarkan
citra tulisan tangan menggunakan metode Backpropagation.
Pada penelitian ini penulis menggunakan parameter input node = 16,
hidden node = 16, error rate = 0,01, dan learning rate = 0,5. Dari penelitian ini
dihasilkan akurasi yang berbeda – beda untuk tiap testingnya, akurasi tertinggi
yang didapatkan ialah sebesar 80% ketika menggunakan bobot 40 Data Training
untuk melakukan testing terhadap 20 Data Testing, sedangkan akurasi terendah
yang didapatkan ialah sebesar 42,5% yaitu ketika menggunakan bobot 20 Data
Training untuk dilakukan testing terhadap 40 Data Testing. Maka dari itu dapat
disimpulkan bahwa apabila semakin banyak data yang dilatih daripada data yang
diujikan maka akurasi akan semakin tinggi, begitu pula sebaliknya. | id |
