Klasifikasi Tulisan Tangan Aksara Sunda dengan Menggunakan Arsitektur Model Inception-V3

YOULLIA INDRAWATY NURHASANAH; TOTO HARYANTO

doi:10.26760/mindjournal.v11i1.60-76

Klasifikasi Tulisan Tangan Aksara Sunda dengan Menggunakan Arsitektur Model Inception-V3

YOULLIA INDRAWATY NURHASANAH, TOTO HARYANTO

Sari

Abstrak

Penelitian ini bertujuan mengembangkan model klasifikasi aksara Sunda dari citra tulisan tangan menggunakan arsitektur Inception-V3. Dataset diperoleh dari Kaggle dan melalui tahap preprocessing sebelum pelatihan model. Hasil eksperimen menunjukkan bahwa model mencapai nilai terbaik sebesar 88,3% pada konfigurasi batch-size 16 dan epoch 30. Namun, performa menurun signifikan pada data riil dengan akurasi 68,7%, yang mengindikasikan keterbatasan generalisasi model terhadap data riil. Penurunan ini disebabkan oleh kemiripan visual antar karakter, keterbatasan jumlah data, serta variasi kualitas citra. Kontribusi utama penelitian ini adalah pengembangan baseline model klasifikasi aksara Sunda berbasis deep learning menggunakan arsitektur Inception-V3, analisis komprehensif terhadap gap performa antara data dataset publik dan data riil, serta identifikasi faktor-faktor kritis yang mempengaruhi akurasi klasifikasi, seperti kemiripan visual karakter dan kualitas dataset.

Kata kunci: Aksara sunda, Inception-V3, klasifikasi

Abstract

This study aims to develop a classification model for Sundanese script from handwritten images using the Inception-V3 architecture. The dataset was obtained from Kaggle and underwent preprocessing prior to model training. Experimental results show that the model achieved the best accuracy of 88.3% with a batch size of 16 and 30 epochs. However, performance decreased significantly on primary (real-world) data, with an accuracy of 68.7%, indicating limited model generalization. This decline is attributed to visual similarity among characters, limited data availability, and variations in image quality. The main contributions of this study include the development of a baseline deep learning model for Sundanese script classification using Inception-V3, a comprehensive analysis of the performance gap between public datasets and real-world data, and the identification of critical factors affecting classification accuracy, such as character similarity and dataset quality.

Keywords: Aksara sundanese, classification, Inception-V3

Teks Lengkap:

PDF

Referensi

Ahmed, M., Afreen, N., Ahmed, M., Sameer, M., & Ahamed, J. (2023). An inception V3 approach for malware classification using machine learning and transfer learning. International Journal of Intelligent Networks, 4 (September 2022), 11–18. https://doi.org/10.1016/j.ijin.2022.11.005

Alif Kirana, Hanny Hikmayanti, & Jamaludin Indra. (2020). Pengenalan Pola Aksara Sunda dengan Metode Convolutional Neural Network. Scientific Student Journal for Information, Technology and Science, 1(2), 95–100.

Amalia, N., Hidayat, E. W., & Aldya, A. P. (2020). Pengenalan Aksara Sunda Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Dan Deteksi Tepi Canny. Journal of Computer Engineering System and Science, 5(1), 19–27.

Andreas, E., Widhiarso, W., Informatika, P. S., Multi, U., & Palembang, D. (2023). Klasifikasi Penyakit Mata Katarak Menggunakan Convolutional Neural Network Dengan Arsitektur Inception V3. 2ND MDP STUDENT CONFERENCE (MSC) 2023, 107–113.

Apriani, E., & Pratiwi, N. (2025). Perancangan Sistem Pengenalan Tulisan Tangan pada Jawaban Esai Menggunakan Metode CNN-LSTM Berbasis Android. METIK JURNAL, 9(2), 385–396. https://doi.org/10.47002/metik.v9i2.1094

Budiawan, R., Ichwani, A., Munir, R., & Mahayana, D. (2023). Pergeseran Paradigma pada Penelitian Pengenalan Tulisan Tangan Berdasarkan Teori Pemikiran Thomas Kuhn. Jurnal Filsafat Indonesia, 6(2), 170–179.

Christian Szegedy, Vincent Vanhoucke, Sergey Ioffe, J. S. (2016). Inception Architecture for Computer Vision and its Future. https://www.xenonstack.com/blog/inception-architecture-computer-vision

Dewi, E., Mulyani, S., Mufizar, T., Sundari, S. S., Kasyfurrahman, M. A., & Mahbub, L. A. (2024). Implementasi Algoritma CNN Dalam Aplikasi Pengenalan Aksara Sunda. INFORMATICS AND DIGITAL EXPERT (INDEX), 6(2), 138–143.

Herviana Masrani, Ilhamsyah, I. R. (2018). Aplikasi Pengenalan Pola Pada Huruf Tulisan Tangan Menggunakan Jaringan Saraf Tiruan Dengan Metode Ekstraksi Fitur Geometri. Coding Jurnal Komputer Dan Aplikasi, 6(2), 69–78. https://doi.org/10.26418/coding.v6i2.26674

Meena, G., Mohbey, K. K., & Kumar, S. (2023). Sentiment analysis on images using convolutional neural networks based Inception-V3 transfer learning approach. International Journal of Information Management Data Insights, 3(1), 100174. https://doi.org/10.1016/j.jjimei.2023.100174

Pakpahan, H. S., Haviluddin, H., Nurpadillah, D. I., Islamiyah, I., Setyadi, H. J., & Widagdo, P. P. (2019). A Sundanese Characters Recognition Based on Backpropagation Neural Network Approach. International Conference on Electrical, Electronics and Information Engineering (ICEEIE), Vol. 6, pp. 250–254. https://ieeexplore.ieee.org/abstract/document/8981469/

Rahmawati, S. N., Hidayat, E. W., & Mubarok, H. (2021). Implementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network. INSERT : Information System and Emerging Technology Journal, 2(1), 46–58. https://doi.org/10.23887/insert.v2i1.37405

Riansyah, R. R., Nurhasanah, Y. I., & Dewi, I. A. (2017). Sistem Pengenalan Aksara Sunda Menggunakan Metode Modified Direction Feature Dan Learning Vector Quantization. Jurnal Teknik Informatika Dan Sistem Informasi, 3(1), 17–30.

Ripera, G. E., Hikmatyar, M., & Hartono, R. (2024). Implementasi Algoritma Convolutional Neural Network Pada Pengenalan Aksara Sunda Swara Panglayar. Jurnal Informatika Dan Teknik Elektro Terapan, 12(1), 582–591.https://doi.org/http://dx.doi.org/10.23960/jitet.v12i1.3871

Semuel, N., & Pekuwali, A. (2022). Pengenalan Pola Tulisan Tangan Resep Dokter Menggunakan Metode Naïve Bayes Classifier pada Puskesmas Kambaniru. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(1), 55–61. https://doi.org/10.57152/malcom.v2i1.174

Ungkawa, U., & Hakim, G. A. L. (2023). Klasifikasi Warna pada Kematangan Buah Kopi Kuning menggunakan Metode CNN Inception V3. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 11(3), 731–743. https://doi.org/http://dx.doi.org/10.26760/elkomika.v11i3.731

DOI: https://doi.org/10.26760/mindjournal.v11i1.60-76