IDENTIFIKASI AKSARA JAWI PADA NASKAH KUNO PADA CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Abstract

Permasalahan pelestarian naskah kuno tidak hanya terkait dengan kondisi fisik naskah yang semakin rapuh, tetapi juga dengan keterbatasan sumber daya manusia dalam memahami isi serta aksara yang digunakan, khususnya aksara Jawi atau Arab Melayu. Rendahnya kemampuan masyarakat dalam membaca dan memahami aksara Jawi menjadi hambatan utama dalam mengakses isi naskah secara luas, sehingga berdampak pada terbatasnya pemanfaatan naskah kuno sebagai sumber pengetahuan dan warisan budaya daerah. Penerapan teknologi informasi seperti metode Convolutional Neural Network (CNN) diharapkan mampu mengidentifikasi huruf aksara Jawi sehingga dapat membantu mengatasi keterbatasan kemampuan membaca aksara tersebut serta mendukung proses digitalisasi naskah kuno berbasis citra. Data penelitian diperoleh dari citra naskah kuno beraksara Jawi yang tersimpan di Dinas Kearsipan dan Perpustakaan Provinsi Sumatera Barat, yang selanjutnya digunakan sebagai dataset pelatihan dan pengujian model CNN. Hasil penelitian menunjukkan bahwa model CNN yang dibangun mampu mencapai nilai akurasi sebesar 82,24% dalam mengidentifikasi huruf aksara Jawi. Berdasarkan nilai akurasi tersebut, dapat disimpulkan bahwa metode CNN cukup efektif dalam mengatasi permasalahan keterbatasan pemahaman aksara Jawi dan mampu mengenali pola huruf pada naskah kuno dengan baik. Berdasarkan hasil penelitian, penggunaan CNN diharapkan dapat berdampak pada pelestarian naskah kuno terutama dalam peningkatan aksesibilitas, pelestarian digital, serta pemanfaatan naskah kuno sebagai warisan budaya dan sumber pengetahuan bagi masyarakat luas.