Pengenalan Aksara Lota Ende Kini Lebih Mudah Berkat Teknologi Deep Learning

Fst.umsida.ac.id – Upaya pelestarian budaya lokal kini mendapat suntikan teknologi modern. Tim peneliti dari Universitas Muhammadiyah Sidoarjo berhasil mengembangkan sistem pengenalan tulisan tangan aksara Lota Ende menggunakan algoritma Convolutional Neural Networks (CNN).

Pelestarian Budaya Lewat Kecerdasan Buatan

Aksara Lota, sebagai turunan dari aksara Bugis, merupakan bagian dari warisan budaya yang dibawa oleh masyarakat Bugis ke wilayah Ende, Nusa Tenggara Timur. Aksara ini dulu ditulis di atas daun lontar menggunakan ujung pisau dan kini mulai jarang dikenal oleh generasi muda.

Melihat tantangan tersebut, Rofinus Aryanto bersama Mochmad Alfan Rosid dan Suhendro Busono dari Program Studi Informatika Universitas Muhammadiyah Sidoarjo menggagas inovasi digital berupa sistem pengenalan aksara Lota berbasis deep learning. Penelitian ini bertujuan untuk membantu masyarakat dan akademisi dalam mendokumentasikan serta mengenali tulisan tangan beraksara Lota secara otomatis menggunakan teknologi jaringan saraf tiruan.

Menggunakan CNN untuk Membaca Tulisan Tangan

Untuk menjalankan sistem ini, tim menggunakan metode Convolutional Neural Network (CNN), salah satu pendekatan terbaik dalam klasifikasi citra digital. CNN dirancang untuk mengenali pola visual, seperti tulisan tangan, secara akurat. Dalam studi ini, sebanyak 700 gambar tulisan tangan aksara Lota dikumpulkan dari 20 responden asli yang menguasai aksara tersebut.

Citra-citra tersebut dipindai dan diproses dengan teknik augmentasi gambar (seperti rotasi acak dan pembalikan horizontal) guna meningkatkan variasi data pelatihan dan mencegah overfitting. Model kemudian dilatih menggunakan Google Colab dan bahasa pemrograman Python.

Dataset dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Arsitektur CNN mencakup layer konvolusi, pooling, serta fully connected layer, yang dirancang untuk mengekstraksi fitur dan mengklasifikasikan gambar dengan efisien. Proses pelatihan dilakukan selama 100 epoch, dan hasil akhir menunjukkan akurasi yang mengesankan.

Hasil Uji Model: Akurasi Menyentuh 100%

Hasil evaluasi menunjukkan bahwa performa model meningkat secara signifikan selama 40 iterasi pertama dan kemudian stabil hingga iterasi ke-100. Model mencapai akurasi 96,88% pada data pelatihan dan 100% akurasi pada data pengujian. Hal ini menunjukkan bahwa sistem memiliki kemampuan yang sangat baik dalam mengenali pola tulisan tangan aksara Lota.

Menariknya, proses pelatihan hanya memakan waktu sekitar 50 menit dengan konfigurasi 100 epoch dan batch size 32. Grafik akurasi model menunjukkan peningkatan konsisten dan nilai loss yang terus menurun, menandakan bahwa model ini tidak hanya presisi tinggi, tetapi juga stabil dan tidak mengalami overfitting​.

Teknologi untuk Merawat Warisan Leluhur

Lebih dari sekadar proyek akademis, penelitian ini menjadi jembatan antara teknologi dan budaya. Di tengah pesatnya perkembangan kecerdasan buatan, inovasi seperti ini membuktikan bahwa teknologi bisa menjadi alat pelestari kebudayaan, bukan hanya sebagai pemecah masalah teknis.

Kedepannya, para peneliti berharap dapat memperluas sistem ini untuk mengenali aksara-aksara tradisional lain di Indonesia, seperti aksara Jawa, Bali, atau Bugis. Mereka juga menyarankan pengembangan model berbasis transfer learning atau penggunaan arsitektur jaringan syaraf lainnya untuk meningkatkan performa sistem secara keseluruhan.

Dengan kehadiran sistem berbasis CNN ini, aksara Lota tidak lagi hanya menjadi bagian dari sejarah yang terlupakan, melainkan hidup kembali dalam format digital—siap dikenali, dipelajari, dan diwariskan ke generasi selanjutnya.

Sumber: Rofinus Aryanto, Mochmad Alfan Rosid, Suhendro Busono. (2023). Penerapan Deep Learning untuk Pengenalan Tulisan Tangan Bahasa Aksara Lota Ende dengan Menggunakan Metode Convolutional Neural Networks.

Bertita Terkini

Prodi Informatika Umsida Raih Akreditasi Unggul, Pencapaian yang Membanggakan
April 23, 2025By
Riset Doktoral Dr Alfan Buktikan Profesionalisme Akademik di Tengah Tugas Struktural
April 21, 2025By
Pojok Statistik Umsida Peringkat 7 Nasional Berkat Kolaborasi dan Dedikasi
March 25, 2025By
BEM FST Umsida Tebar Kebahagiaan di Panti Asuhan Istiqomah Sidoarjo
March 24, 2025By
Bedah Riset Keamanan Pangan Keluarga dan Anak di Sidoarjo
March 14, 2025By
Pemanfaatan Teknologi ColdFusion dalam Pembuatan Web Deteksi Gejala Penyakit
March 10, 2025By
Revolusi Pendidikan Chat GPT AI dan Dampaknya pada Kurikulum Teknik Sipil
March 9, 2025By
11 Hukum Strategi Branding Efektif untuk Membangun Merek yang Kuat di Era Digital
March 8, 2025By

Prestasi

Dr Atikha Sidhi Cahyana Raih Gelar Doktor, Kontribusi Besar untuk Pengelolaan Food Waste di Perkotaan
April 24, 2025By
Prodi Informatika Umsida Raih Akreditasi Unggul, Pencapaian yang Membanggakan
April 23, 2025By
Riset Doktoral Dr Alfan Buktikan Profesionalisme Akademik di Tengah Tugas Struktural
April 21, 2025By
Pojok Statistik Umsida Peringkat 7 Nasional Berkat Kolaborasi dan Dedikasi
March 25, 2025By
Berangkat Bawa Diri, Pulang Bawa Piala: Tim Tafana Juara 3 LKTIN di Instiper Yogyakarta
February 5, 2025By
Warek 1 Sekaligus Dosen Teknik Industri Umsida, Prof Dr Hana Catur Wahyuni, Resmi Raih Gelar Guru Besar
December 19, 2024By
Yudisium FST Umsida: Prestasi Gemilang dengan IPK Tertinggi Fakultas dan Program Studi
October 16, 2024By
Jenggolo Team UMSIDA: Perjalanan Penuh Semangat dalam Kompetisi Mobil Hemat Energi
March 6, 2024By