Manuskrip merupakan dokumen dari berbagai macam jenis yang ditulis dengan tangan. Karena manuskrip menyimpan berbagai informasi dan memiliki manfaat, banyak peneliti manuskrip yang terus berinovasi dalam pembuatan alat untuk memudahkan dalam menerjemahkan manuskrip tersebut. Salah satu inovasi yang dilakukan yaitu dibidang Isolated Character Recognition. Pendekatan machine learning dapat mempermudah proses pengenalan karakter. Namun, pendekatan ini memanfaatkan data dalam jumlah besar untuk membangun sebuah model machine learning. Metode Convolutional Neural Network (CNN) merupakan salah satu pendekatan machine learning yang muncul dan perlu diperhatikan kesuksesannya pada penyelesaian masalah pengenalan karakter. Dalam melakukan pengenalan karakter manuskrip menggunakan metode CNN perlu melakukan banyak percobaan untuk mencari konfigurasi yang tepat dalam pembuatan model CNN agar mendapatkan akurasi pengenalan karakter diatas 60%. Penelitian ini mencoba menganalisis mengenai Isolated Character Recognition menggunakan metode Convolutional Neural Network untuk menemukan konfigurasi pada model CNN yang tepat. Hal yang dianalisis dalam penelitian ini adalah pengaruh konfigurasi ukuran kernel dan jumlah kernel masing-masing convolution layer terhadap akurasi pengenalan karakter. Studi kasus yang digunakan dalam penelitian ini adalah klasifikasi manuskrip terisolasi akrasa Bali. Dari hasil eksperimen yang dilakukan, penerapan metode CNN pada studi kasus pengenalan karakter manuskrip terisolasi aksara Bali merupakan metode yang tepat dalam penelitian ini karena dapat menghasilkan akurasi yang tinggi diatas 60% yaitu 96.66%. Kombinasi konfigurasi terbaik ukuran kernel dan jumlah kernel masingmasing convolution layer yang diperoleh adalah ukuran kernel 5x5, dengan jumlah kernel pada convolution layer 1 sebanyak 8 buah kernel, dan jumlah kernel pada convolution layer 2 sebanyak 32 buah kernel. Kata Kunci: manuskrip, isolated character recognition, convolutional neural network, ukuran kernel, jumlah kernel masing-masing convolution layer.

The manuscript is various types hand written document. Because the manuscript has a variety of information and benefits, many manuscript researchers continue to innovate in making tools to facilitate the translation of the manuscript. One of the innovations made is in the field of Isolated Character Recognition. The machine learning approach can simplify the character recognition process. However, this approach utilizes large amounts of data to build a machine learning model. The Convolutional Neural Network (CNN) method is one of the machine learning approaches that arises and it should be noted that its success in solving character recognition problems. In carrying out the character recognition of the manuscript using the CNN method need many experiments to find the right configuration in making the CNN model in order to obtain high character recognition accuracy above 60%. This study attempts to analyze the Isolated Character Recognition using the Convolutional Neural Network method to find configurations on the right CNN model. The study analyzed the effect of configuring the kernel size and the number of kernels of each convolution layer on the accuracy of character recognition. The case study used in this study is the classification of isolated Bali character manuscripts. The results of experiments conducted, the application of the CNN method in the case study of the recognition of isolated manuscript characters in Balinese script was the right method in this study because it can produce high accuracy above 60% that is 96.66%. The best combination of kernel size configurations and the number of kernels of each convolution layer obtained is a 5x5 kernel, with 8 kernels in convolution layer 1, and 32 kernels in the convolution layer 2. Keywords: manuscript, isolated character recognition, convolutional neural network, kernel size, number of kernels of each convolution layer.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-muhammadru-10604