@misc{eprints32713,
           month = {Juli},
           title = {STUDI DAN IMPLEMENTASI
KONVERSI AKSARA JAWA KE AKSARA LATIN
MENGGUNAKAN BACK PROPAGATION NUERA NETWORK},
          author = {1317051014 BOBI GUSMARA },
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM },
            year = {2018},
             url = {http://digilib.unila.ac.id/32713/},
        abstract = {Aksara adalah salah satu komponen penting dalam suatu budaya, salah satunya budaya Jawa. Aksara Jawa pada dahulu menjadi aksara pokok yang digunakan sehari-hari oleh sebagian besar masyarakat di Jawa Tengah. Seiring dengan perkembangan peradaban manusia serta meluasnya kehidupan global, aksara Jawa mulai ditinggalkan, bahkan oleh masyarakat Jawa sendiri. Penelitian ini membahas tentang konversi citra aksara Jawa yang berupa citra menjadi aksara Latin. Penelitian ini menggunakan metode klasifikasi Back Propagation Neural Network dan metode ekstraksi fitur GLCM (Grey Level Co-occurence Matrix). Data yang digunakan dalam penelitian ini yaitu 200 kosakata aksara Jawa yang terdiri dari 2-3 suku kata dan setiap kosakata memiliki 5 varian penulisa berbeda. Ada dua tahap utama dalam penelitian ini yaitu pelatihan data dan pengujian data. Tahap pelatihan mencakup proses cropping, resizing, feature extraction dan neural network training. Tahap pengujian mencakup proses klasifikasi data dan uji validitas. Penelitian ini menggunakan software Matlab dan neural network tool. Hasil penelitian ini yaitu bahwa tingkat akurasi neural network tertinggi mencapai 98\% , dengan rata-rata akurasi yaitu 92,8\% dan koefisien korelasi yaitu 0,9852.
Kata Kunci: aksara Jawa, Back Propagation Neural Network, GLCM(Grey Level Co-occurence Matrix), klasifikasi, pengenalan pola.

ABSTRACT

Script is some kind of important component of a culture, Javanese instead. Javanese script then become primary script that daily used by major communities in Central Java. As the human races developed and globalization, the Javanese script slowly set aside, even by Javanese community themselves. This paper elaborate about conversion of a Javanese script image into Latin script. This paper use Back Propagation Neural Network classification method and GLCM (Grey Level Co-occurence Matrix) feature extraction method. Data used in this paper consist of 200 Javanese vocabularies which is every vocabulary consist of 2-3 syllables and every vocabulary has 5 different writing variation. There are two major phase in this paper, data training and data testing. Training phase consist of cropping, resizing, feature extraction and nneural network training. Testing phase consist of data classification and validation check. This paper use Matlab software and neural network tool. The result of the research elaborated in this paper is that the highest neural network accuracy is up to 98\% which is the average is 92,8\% and the correlation coefficient is 0,9852.
Keywords: Javanese script, Back Propagation Neural Network, GLCM(Grey Level Co-occurence Matrix), classification, pattern recognition.}
}