Sistem Identifikasi Citra Huruf Aksara Minangkabau Berbasis Convolutional Neural Network

Pelestarian aksara daerah penting untuk menjaga warisan budaya bangsa. Aksara Minangkabau, sebagai salah satu kekayaan budaya Indonesia, masih minim penelitian dan belum memiliki sistem digitalisasi memadai. Penelitian ini merupakan tahap awal eksplorasi pengenalan aksara Minangkabau menggunakan pendekatan Convolutional Neural Network (CNN) sebagai upaya mendokumentasikan dan menguji potensi digitalisasi aksara tersebut. CNN merupakan salah satu model deep learning yang dirancang untuk memproses data grid terstruktur seperti citra. Penelitian sebelumnya menunjukan kinerja CNN sangat baik dalam pengenalan tulisan tangan. Citra aksara yang digunakan dalam penelitian ini diperoleh dari sumber museum dan tulisan tangan dari 31 sukarelawan. Dataset terdiri dari 4.650 citra karakter dari 75 kelas dengan berbagai kombinasi tanda baca pada lima huruf vokal, yang kemudian diproses melalui konversi grayscale, peningkatan kontras, segmentasi, dan augmentasi hingga menghasilkan total 8.537 citra. Model CNN yang dirancang mengklasifikasikan karakter ke dalam 75 kelas. Hasil pengujian mengindikasikan bahwa model dapat mengenali karakter dengan sangat baik. Pengujian menunjukkan akurasi 99% dalam skenario pengujian terbatas pada 500 data uji. Temuan ini memberikan landasan awal untuk digunakan dalam kajian akademis lanjutan maupun diskusi kultural yang lebih luas terkait keberadaan aksara Minangkabau.